Vaisių ir daržovių atpažinimo tikslumo gerinimas savitarnos kasoms taikant giliojo mokymo metodus
Laukaitis, Algirdas | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Šiais laikas dirbtinis intelektas yra naudojamas daugelyje gyvenimo sričių. Jo galimybės nuolatos tobulėja, o pačios technologijos suranda vis naujų pritaikymų. Viena iš populiaresnių dirbtinio intelekto sričių - vaizdo atpažinimas. Nors ši technologija yra plačiai taikoma, mažai kalbama apie jos pritaikymą įprastose gyvenimo situacijose. Viena iš tokių situacijų - tai vaisių ir daržovių įvedimas savitarnos kasose. Įprastai šis veiksmas reikalauja daug pastangų iš vartotojo, kadangi reikia naviguoti per skirtingo pobūdžio meniu. Šio darbo užduotis - pasiūlyti efektyvų metodą, suteikiantį galimybę lengvai ir greitai suklasifikuoti vaisių ar daržovę savitarnos kasų aplinkai. Šis metodas supaprastina kliento apsipirkimo eigą, taip pat suteikia svarbių įžvalgų apie šio technologijos panaudojimą ateityje. Šiame darbe yra analizuojami skirtingi vaizdo atpažinimo modeliai, jų veikimas yra įvertinamas ir pasirenkamas patogiausias iš jų. Toliau yra atliekamas metodo apmokymo procesas, o darbo gale yra pateikiamas realaus gyveni pavyzdys. Gautas modelis suteikia tam tikrų įžvalgų apie vaizdo atpažinimo technologių būseną ir sudaro būdą, kaip šias technologijas galima būtų panaudoti kasdieniame gyvenime.
Artificial intelligence is used in many areas of life these days. Its capabilities are constantly improving and the technology itself is finding new applications. One of the more popular areas of artificial intelligence is image recognition. Although this technology is widely used, there is little talk about its application in everyday life situations. One such situation is the inputting of fruit and vegetables at self-service checkouts. Normally, this action requires a lot of effort on the part of the user, as it involves navigating through different types of menus. The objective of this work is to propose an efficient method to enable easy and quick classification of fruit or vegetable in a self-service checkout environment. This method simplifies the customer's shopping workflow and also provides important insights into the future use of this technology. In this work, different image recognition models are analysed, their performance is evaluated and the most convenient one is selected. Then the training process of the method is carried out and a real-life example is presented at the end of the paper. The resulting model provides some insights into the state of the art of image recognition technologies and provides a way of how these technologies could be used in everyday life.