การประมาณการคุณค่าทางโภชนาการกับปริมาณแคลอรี่ของอาหารไทยจากรูปถ่าย
Article Sidebar
Main Article Content
บทคัดย่อ
วัฒนธรรมการกินกับครัวอาหารไทยนั้นสืบเนื่องมาเป็นระยะเวลานานควบคู่กับศิลปะและประวัติศาสตร์ชาติไทย ในปัจจุบันนั้นอาหารไทยมีความอร่อยติดอันดับโลก ซึ่งนับเป็นความภาคภูมิใจของคนไทย โดยที่วัตถุดิบและเครื่องปรุงต่าง ๆ ของข้าวปลาอาหารไทยนั้น ล้วนเป็นผลผลิตทางการเกษตรที่เติบโตมาจากผืนดินประเทศไทยแทบทั้งสิ้น เนื่องจากนักโภชนาการยุคใหม่นั้นสามารถประมาณการคุณค่าทางสารอาหารกับปริมาณแคลอรี่ของอาหารได้จากรูปถ่าย เช่นเดียวกันกับการสร้างครัวอัจฉริยะจากข้อมูลขนาดใหญ่ การประมาณการคุณค่าทางสารอาหารกับปริมาณแคลอรี่ก็สามารถกระทำได้เองอย่างอัตโนมัติจากรูปถ่ายของอาหาร และแสดงผลต่อผู้ใช้งาน โดยใช้หลักการเรียนรู้เชิงลึกแบบเครือข่ายประสาทเทียมคอนโวลูชั่น ซึ่งเป็นกลไกทางปัญญาประดิษฐ์ เครื่องมือการวิเคราะห์นี้ถูกสร้างขึ้นมาจากภาพอาหารไทยตัวอย่างจำนวน 56,258 ภาพ ซึ่งรูปภาพทั้งหมดนี้ถูกบอทคอมพิวเตอร์ทำการดาวน์โหลดและคัดเลือกมาจากเครือข่ายสังคมออนไลน์ โดยมีค่าเฉลี่ยความถูกต้องอยู่ที่ 0.76 ซึ่งรูปภาพทั้งหมดนั้นครอบคลุมข้าวแกงอาหารไทย 15 อย่าง เพื่อใช้เป็นภาพในการสอนปัญญาประดิษฐ์เพื่อสร้างเครื่องมือวิเคราะห์คุณค่าทางสารอาหารและปริมาณแคลอรี่
Article Details
References
Chadchaidee, T. (1994). Essays on Thailand. Bangkok, Thailand: D.K. Today.
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. The 6th Conference on Neural Information Processing Systems, (pp. 1-9). Lake Tahoe, Nevada, USA.
Khamket, T. & Surinta, O. (2020). Comparative Study between Texture Feature and Local Feature Descriptors for Silk Fabric Pattern Image Recognition. The 3rd International Conference on Information Science and System (ICISS) (pp.93-98). Cambridge, UK: ACM.
Li, K., Wan, G., Cheng, G., Meng, L., & Han, J. (2019). Object Detection in Optical Remote Sensing Images: A Survey. arXiv:1909.00133 .
Li, Z. (2019). Which country has the best food? Retrieved October 25, 2019, from CNN Travel: https://edition.cnn.com/travel/article/world-best-foodcultures/index.html?fbclid=IwAR2aql9u6U6bCRQ8XFH64CKSD7YIymowNJhd6D4HIZD-Hzo8HpIFcfJ5rQQ
Loresco, P. J., & Neyra, R. Q. (2019). Filipino Braille One-Cell Contractions Recognition Using Machine Vision. The 2019 IEEE Region 10 Conference (pp.2408-2412). Kochi, India: IEEE.
Mookdarsanit, L. (2020). The Intelligent Genuine Validation beyond Online Buddhist Amulet Market. International Journal of Applied Computer Technology and Information Systems , 7-11.
Mookdarsanit, L., & Mookdarsanit, P. (2019a). SiamFishNet: The Deep Investigation of Siamese Fighting Fishes. International Journal of Applied Computer Technology and Information Systems , 40-46.
Mookdarsanit, L., & Mookdarsanit, P. (2019b). Thai Herb Identification with Medicinal Properties Using Convolutional Neural Network. Suan Sunandha Science and Technology Journal , 34-40.
Mookdarsanit, L., & Mookdarsanit, P. (2020a). An Adversarial Perturbation Technique against reCaptcha Image Attacks. Journal of Science and
Technology Buriram Rajabhat University.
Mookdarsanit, L., & Mookdarsanit, P. (2020b). The Insights in Computer Literacy toward HR Intelligence: Some Associative Patterns Between It Subjects and Job Positions. Journal of Science and Technology RMUTSB.
Mookdarsanit, P., & Ketcham, M. (2016). Image Location Estimation of Well-known Places from Multi-source based Information. The 11th International Symposium on Natural Language Processing, Ayutthaya, Thailand: AIAT.
Mookdarsanit, P., & Mookdarsanit, L. (2018a). A Content-based Image Retrieval of Muay-Thai Folklores by Salient Region Matching. International Journal of Applied Computer Technology and Information Systems, 21-26.
Mookdarsanit, P., & Mookdarsanit, L. (2018b). An Automatic Image Tagging of Thai Dance’s Gestures. Joint Conference on ACTIS and NCOBA, (pp. 76-80). Ayutthaya, Thailand.
Mookdarsanit, P., & Mookdarsanit, L. (2018c). Contextual Image Classification towards Metadata Annotation of Thai-tourist Attractions. ITM Transactions on Information Technology Management, 32-40.
Mookdarsanit, P., & Mookdarsanit, L. (2018d). Name and Recipe Estimation of Thai desserts beyond Image Tagging. Kasem Bundit Engineering Journal , 193-203.
Mookdarsanit, P., & Mookdarsanit, L. (2019). TGF-GRU: A Cyber-bullying Autonomous Detector of Lexical Thai across Social Media. NKRAFA Journal of Science and Technology, 50-58.
Mookdarsanit, P., & Rattanasiriwongwut, M. (2017a). GPS Determination of Thai temple Arts from a Single Photo. The 11th International Conference on Applied Computer Technology and Information Systems. Samutprakan: Southeast Bangkok College.
Mookdarsanit, P., & Rattanasiriwongwut, M. (2017b). Location Estimation of a Photo: A Geo-signature MapReduce Workflow. Engineering Journal, 295-308.
Mookdarsanit, P., & Rattanasiriwongwut, M. (2017c). MONTEAN Framework: A Magnificent Outstanding Native-Thai and Ecclesiastical Art Network. International Journal of Applied Computer Technology and Information
Systems, 17-22.
Okafor, E., Pawara, P., Karaaba, F., Surinta, O., Codreanu, V., Schomaker, L. & Wiering, M. (2016). Comparative study between deep learning and bag of visual words for wild-animal recognition. The 2016 IEEE Symposium Series on Computational Intelligence (pp. 1-8). Athens, Greece: IEEE.
Pawara, P., Okafor, E., Surinta, O., Schomaker, L. & Wiering, M. (2017). Comparing Local Descriptors and Bags of Visual Words to Deep Convolutional Neural Networks for Plant Recognition. The 6th International Conference on Pattern Recognition Applications and Methods (ICPRAM 2017) (pp. 479-486). Porto, Portugal: SCITEPRESS.
Punyaratabandhu, L. (2017). Bangkok: Recipes and Stories from the Heart of Thailand. Berkeley, California, United States: Ten Speed Press.
Raksaard, N. & Surinta, O. (2018). Comparative Study between Local Descriptors and Deep Learning for Silk Pattern Image Retrieval. Science and Technology Mahasarakham University, 736-746. [written in Thai]
Roufs, T. G., & Roufs, K. S. (2014). Sweet Treats around the World: An Encyclopedia of Food and Culture. Santa Barbara, California, United States: ABC-CLIO.
Soimart, L., & Mookdarsanit, P. (2016). Gender Estimation of a Portrait: Asian Facialsignificance Framework. The 6th International Conference on Sciences and Social Sciences. Mahasarakham: Rajabhat Mahasarakham University.
Soimart, L., & Ketcham, M. (2016a). An efficient algorithm for earth surface interpretation from satellite imagery. Engineering Journal, 215-228.
Soimart, L., & Ketcham, M. (2016b). Hybrid of Pixel-based and Region-based Segmentation for Geology Exploration from Multi-spectral Remote Sensing. The 11th International Symposium on Natural Language Processing, Ayutthaya, Thailand: AIAT.
Soimart, L, & Mookdarsanit, P. (2017a). Ingredients estimation and recommendation of Thai-foods. SNRU Journal of Science and Technology, 509-520.
Soimart, L., & Mookdarsanit, P. (2017b). Name with GPS Auto-tagging of Thai-tourist Attractions from An Image. The 2nd Technology Innovation Management and Engineering Science International Conference (pp. 211-217). Nakhon Pathom: Mahidol University.
Surinta, O., Karaaka, M., Schomaker, L. & Wiering, M. (2015). Recognition of handwritten characters using local gradient feature descriptors. Engineering Applications of Artificial Intelligence, 405-414.
Sutthaluang, N. (2018). The impact of asbestos exposure on lung disease. The 5th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (pp. 353-355). Chiang Rai, Thailand: IEEE.
Taheri, S., & Toygar, Ö. (2018). Animal classification using facial images with score-level fusion. IET Computer Vision, 679-685.
Termritthikun, C., Muneesawang, P., & Kanprachar, S. (2017). NU-InNet: Thai Food Image Recognition Using Convolutional Neural Networks on Smartphone. Journal of Telecommunication, Electronic and Computer Engineering, 63-67.
Turmchokkasam, S., & Chamnongthai, K. (2018). The Design and Implementation of an Ingredient-Based Food Calorie Estimation System Using Nutrition Knowledge and Fusion of Brightness and Heat Information. IEEE Access, 46863-46876.
Zhao, Y., Xue, W., & Li, Q. (2018). A Multi-Scale CRNN Model for Chinese Papery Medical Document Recognition. The 4th International Conference on Multimedia Big Data (pp. 1-5). Xi'an, China: IEEE.
Zou, Z., Shi, Z., Guo, Y., & Ye, J. (2019). Object Detection in 20 Years: A Survey.arXiv:1905.05055.