Deutsch Das Projekt IntellAI-Scale zielt darauf ab, die Funktionalität herkömmlicher Nährwert-Analysewaagen zu revolutionieren. Der Ausgangspunkt liegt in der Notwendigkeit einer manuellen Eingabe der Lebensmittelart bei gängigen Nährwert-Analysewaagen, ohne dass die Geräte eigenständig Nahrungsmittel und deren Nährwerte erkennen können. Im Fokus steht die Entwicklung einer intelligenten Nährwert-Analysewaage mit Kameramodul und KI-basierter Bilderkennung. Dies ermöglicht eine automatische Identifikation von Lebensmitteln, wobei Gewicht und Nährwerte benutzerfreundlich angezeigt werden. Die Zielsetzung des Projekts ist die Konstruktion einer voll funktionsfähigen Waage, die mithilfe von KI-basierter Bilderkennung Nahrungsmittel identifizieren und die entsprechenden Nährwertangaben berechnen kann. Ein weiteres Anliegen ist die Förderung des Bewusstseins für eine gesunde Ernährung in der Gesellschaft.

Unser Projekt wird bearbeitet und erstellt an der HTL Mössingerstraße

English The IntellAI-Scale project aims to revolutionise the functionality of conventional nutritional analysis scales. The starting point is the need to manually enter the type of food on conventional nutritional value analysers, without the devices being able to recognise foods and their nutritional values independently. The focus is on the development of an intelligent nutritional value analyser with a camera module and AI-based image recognition. This enables automatic identification of food, with weight and nutritional values displayed in a user-friendly way. The aim of the project is to design a fully functional scale that can identify food using AI-based image recognition and calculate the corresponding nutritional information. Another aim is to promote awareness of healthy eating in society.

Details

Funktionsprinzip

Hier sehen Sie eine bildliche Veranschaulichung des Funktionsprojekt von IntellAI-Scale. Das Lebensmittel wird auf die Waage gelegt. Der ESP-Eye nimmt ein Foto auf. Die KI erkennt das Lebensmittel und das Gewicht anhand des Fotos. Gewicht, Name und Nährwerte des Lebensmittels werden nutzerfreundlich auf einem Display ausgegeben.

trending_up KI im Trend

KI ist zurzeit in aller Munde. Egal in welchen Bereich des Lebens, sie begegnet uns überall. Auch in diesem Projekt findet sie Anklang. Supervised Learning (überwachtes Lernen) ist vergleichbar mit dem Training eines Algorithmus anhand von Bildern, die bereits identifiziert sind. Zu Beginn wird der Datensatz in zwei Hauptbereiche unterteilt: Trainingsdaten und Testdaten. Die Trainingsdaten sind Bilder von Lebensmitteln, die bereits den richtige zugeordnet sind. Diese Trainingsdaten werden verwendet, um ein Modell zu erstellen, das eigenständig Muster in den Bildern erkennt. Während des Trainingsprozesses optimiert der Algorithmus seine internen Gewichtungen durch Anpassung anhand einer Verlustfunktion. Ziel ist es, den Fehler des Algorithmus zu minimieren, sodass er die Nährwerte von Lebensmitteln präzise schätzen kann. In der Nährwert-Analysewaage bedeutet dies, dass das System durch vorherige Bilder von bekannten Lebensmitteln "unterrichtet" wird. Sobald das Modell trainiert ist, kann es unbekannte Lebensmittel aufgrund dieser gelernten Muster identifizieren.