Проект: «Шеф-Сенсор — встраиваемый сенсорный модуль распознавания стадии готовности продуктов на основе анализа видеопотока»
1. Актуальность
Современный рынок кухонного оборудования переживает переход от «умных» устройств с таймерами к системам, которые понимают, что происходит с едой. Лидеры индустрии (Seergrills Perfecta, Beyond Honeycomb Grill X) уже используют ИИ для определения прожарки мяса по оптическим признакам поверхности, без щупа и без измерения внутренней температуры.
Однако существует три нерешённые проблемы:
1. Узкая специализация. Существующие решения работают только с мясом. Овощи, тесто, рыба, соусы — вне зоны внимания.
2. Низкая робастность. Даже у лидеров точность на знакомых блюдах достигает 99%, но падает до 77% при незнакомых ингредиентах, другой толщине куска, степени заморозки.
3. Высокая стоимость сенсоров. Молекулярные камеры и мультиспектральные сенсоры стоят десятки тысяч долларов, что закрывает доступ для массового оборудования.
Статистическая проблема: определение готовности — это задача классификации многомерных временных рядов с сильной корреляцией признаков, дисбалансом классов и шумом (блики, пар, движение). Это классическая область, где статистические методы и ML дают преимущество перед «жёсткими» алгоритмами.
Практическая значимость: точное определение готовности снижает пережарку, экономит ресурсы и сокращает фуд-вейст (в мире выбрасывается около трети произведённой еды, значительная часть — из-за неточного определения готовности).
2. Цель
Разработать аппаратно-программный модуль, который в реальном времени определяет стадию готовности продукта (мясо, овощи, тесто, рыба) по оптическим признакам поверхности и сигнализирует о достижении заданного состояния. Модуль предназначен для встраивания в кухонное оборудование: сковороды, грили, духовки, фритюрницы, линии раздачи.
3. Научная новизна
· Мультимодельная иерархическая система для определения готовности разных типов продуктов (не только мяса).
· Перенос обучения между продуктами со схожими физическими процессами (мясо → рыба, овощи → тесто).
· Статистический анализ устойчивости модели к вариациям реального мира (шум, блики, пар).

На страницу проекта