EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

МУЛЬТИМОДАЛЬНИЙ АНАЛІЗ ХАРЧОВИХ ПРОДУКТІВ НА ОСНОВІ МОДЕЛЕЙ CLIP ТА SAM

Максим БОНДАРЕВ, Ірина СЕГЕДА

Information Technology: Computer Science, Software Engineering and Cyber Security · 10.11.2026 · (3) · 23-31

DOI: 10.32782/it/2026-3-3 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Information Technology: Computer Science, Software Engineering and Cyber Security, online erschienen am 10.11.2026. Verfasst von Максим БОНДАРЕВ und 1 weiteren Autor:innen. Die Arbeit nennt 11 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Актуальність дослідження зумовлена необхідністю подолання технологічних обмежень існуючих комерційних рішень шляхом створення гнучких інструментів, що мінімізують час користувача на фіксацію спожитої їжі та забезпечують об’єктивність первинного аудиту харчової поведінки на основі аналізу цифрових зображень. Мета роботи. Розробка архітектури, програмна реалізація та оцінка ефективності кросплатформної інтелектуальної системи для автоматизованої ідентифікації та комплексного нутрієнтного аналізу харчових продуктів і готових страв на основі сучасних моделей комп’ютерного зору та хмарної інфраструктури з інтеграцією механізмів локалізації. Методологія. Використано комплексний методологічний підхід, що базується на поєднанні передових State-of-the-Art моделей глибинного навчання. Обґрунтовано та реалізовано інтеграцію мультимодальної моделі CLIP для семантичного розпізнавання харчових об’єктів у текстово-візуальному просторі в режимі zero-shot класифікації, а також моделі нейромережевої сегментації SAM для високоточного виокремлення контурів та меж окремих інгредієнтів у кадрі. Наукова новизна отриманих результатів полягає в оптимізації схеми спільного використання моделей CLIP та SAM для специфічного домену харчового моніторингу. Запропоновано підхід до адаптації міжнародних харчових баз даних до специфіки локальної кулінарії шляхом концептуальної декомпозиції багатокомпонентних національних страв на базові сирі інгредієнти, що піддаються автоматичному розпізнаванню. На відміну від жорстких класифікаторів готової продукції, розроблена методика фільтрації сегментаційних масок та текстового мепінгу дозволяє гнучко враховувати варіативність локальних кулінарних рецептів за їхнім фактичним візуальним складом. Висновки. У результаті проведеного дослідження спроєктовано та реалізовано україномовне AI-рішення у вигляді мобільного застосунку для інтелектуального харчового трекінгу. Створена система демонструє здатність до ефективного розпізнавання, локалізації та сегментації харчових продуктів навіть за умов неструктурованого візуального фону та складних ракурсів зйомки. Тестування підтвердило, що використання моделей zero-shot класифікації в поєднанні з покомпонентною декомпозицією рецептур суттєво підвищує об’єктивність і деталізацію попереднього аналізу макро- та мікронутрієнтного профілю раціону користувача, створюючи надійну основу для подальшого розвитку систем персоналізованої дієтотерапії.

Zitieren

APA

БОНДАРЕВ, М., & СЕГЕДА, І. (2026). МУЛЬТИМОДАЛЬНИЙ АНАЛІЗ ХАРЧОВИХ ПРОДУКТІВ НА ОСНОВІ МОДЕЛЕЙ CLIP ТА SAM. Information Technology: Computer Science, Software Engineering and Cyber Security, 23-31. https://doi.org/10.32782/it/2026-3-3

Vancouver

БОНДАРЕВ М, СЕГЕДА І. МУЛЬТИМОДАЛЬНИЙ АНАЛІЗ ХАРЧОВИХ ПРОДУКТІВ НА ОСНОВІ МОДЕЛЕЙ CLIP ТА SAM. Information Technology: Computer Science, Software Engineering and Cyber Security. 2026:23-31. doi:10.32782/it/2026-3-3

BibTeX
@article{2026,
  author = {БОНДАРЕВ, Максим and СЕГЕДА, Ірина},
  title = {МУЛЬТИМОДАЛЬНИЙ АНАЛІЗ ХАРЧОВИХ ПРОДУКТІВ НА ОСНОВІ МОДЕЛЕЙ CLIP ТА SAM},
  journal = {Information Technology: Computer Science, Software Engineering and Cyber Security},
  year = {2026},
  number = {3},
  pages = {23--31},
  doi = {10.32782/it/2026-3-3}
}
Kostenlos starten →