論文の概要: AI-enabled Efficient and Safe Food Supply Chain

• arxiv url: http://arxiv.org/abs/2105.00333v1
• Date: Sat, 1 May 2021 19:24:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 13:57:36.930518
• Title: AI-enabled Efficient and Safe Food Supply Chain
• Title（参考訳）: AIを活用した効率的かつ安全な食品供給チェーン
• Authors: Ilianna Kollia and Jack Stevenson and Stefanos Kollias
• Abstract要約: 機械と深層学習の最近の進歩は、効率的な食品生産、エネルギー管理、食品ラベル付けに利用されている。 3つの実験研究が行われ、これらのAI手法が食品サプライチェーン全体で最先端のパフォーマンスを生み出す能力を示しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper provides a review of an emerging field in the food processing sector, referring to efficient and safe food supply chains, from farm to fork, as enabled by Artificial Intelligence (AI). Recent advances in machine and deep learning are used for effective food production, energy management and food labeling. Appropriate deep neural architectures are adopted and used for this purpose, including Fully Convolutional Networks, Long Short-Term Memories and Recurrent Neural Networks, Auto-Encoders and Attention mechanisms, Latent Variable extraction and clustering, as well as Domain Adaptation. Three experimental studies are presented, illustrating the ability of these AI methodologies to produce state-of-the-art performance in the whole food supply chain. In particular, these concern: (i) predicting plant growth and tomato yield in greenhouses, thus matching food production to market needs and reducing food waste or food unavailability; (ii) optimizing energy consumption across large networks of food retail refrigeration systems, through optimal selection of systems that can get shut-down and through prediction of the respective food de-freezing times, during peaks of power demand load; (iii) optical recognition and verification of food consumption expiry date in automatic inspection of retail packaged food, thus ensuring safety of food and people's health.
• Abstract（参考訳）: 本稿では,農業からフォークまで,人工知能(ai)によって実現される効率的で安全な食品供給チェーンについて,食品加工分野の新興分野について概観する。 機械と深層学習の最近の進歩は、効率的な食品生産、エネルギー管理、食品ラベル付けに利用されている。 適切なディープニューラルネットワークアーキテクチャは、完全畳み込みネットワーク、長期短期記憶、リカレントニューラルネットワーク、オートエンコーダとアテンション機構、潜在変数抽出とクラスタリング、ドメイン適応など、この目的のために採用され、使用される。 食品サプライチェーン全体での最先端のパフォーマンスを実現するためのai方法論の能力を示す3つの実験的研究が紹介されている。 In particular, these concern: (i) predicting plant growth and tomato yield in greenhouses, thus matching food production to market needs and reducing food waste or food unavailability; (ii) optimizing energy consumption across large networks of food retail refrigeration systems, through optimal selection of systems that can get shut-down and through prediction of the respective food de-freezing times, during peaks of power demand load; (iii) optical recognition and verification of food consumption expiry date in automatic inspection of retail packaged food, thus ensuring safety of food and people's health.

関連論文リスト

• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• Forecasting trends in food security with real time data [0.0]
  我々は,マリ,ナイジェリア,シリア,イエメンの4カ国で,60日間連続して食料消費の水準を予測する定量的手法を提案する。 この手法は、World Food Programmeのグローバルな飢餓モニタリングシステムから入手可能なデータに基づいて構築されている。
  論文  参考訳（メタデータ） (2023-12-01T14:42:37Z)
• From Plate to Production: Artificial Intelligence in Modern Consumer-Driven Food Systems [32.55158589420258]
  世界の食料システムは、需要が増大する中で、供給と栄養価の高いダイエットに直面している。 人工知能の出現は、個人の選択革命をもたらし、AIによる個人による決定が食品システムを変える。 本稿では,食品分野におけるAIの約束と課題について考察する。
  論文  参考訳（メタデータ） (2023-11-04T13:13:44Z)
• FIRE: Food Image to REcipe generation [10.45344523054623]
  フードコンピューティングは、食品画像のレシピ情報を自律的に生成できるエンドツーエンドのインテリジェントシステムを開発することを目的としている。 本稿では,食品コンピューティング分野におけるレシピ生成に適した新しい手法であるFIREを提案する。 本稿では、FIREと大規模言語モデルのプロンプトを統合することの恩恵を享受できる2つの実用的なアプリケーションを紹介する。
  論文  参考訳（メタデータ） (2023-08-28T08:14:20Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• Towards Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
  食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。 食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。 食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
  論文  参考訳（メタデータ） (2021-07-13T06:26:53Z)
• Deep Learning and Machine Vision for Food Processing: A Survey [5.53479503648814]
  食品の品質と安全性は、人間の健康、社会の発展、安定性の基礎であるため、社会全体にとって重要な問題です。 機械ビジョンの開発は、研究者や産業が食品加工の効率を向上させるのに大いに役立つ。 本稿では,従来の機械学習と深層学習の手法の概要と,食品加工分野に適用可能な機械ビジョン技術について概説する。
  論文  参考訳（メタデータ） (2021-03-30T06:40:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。