基于视觉的自动食品追踪系统 -- 智能家居
本研究介绍了一种计算架构,结合了感知学习算法、记忆编码和学习的认知模型、预测缺失物品的推理模块和图形用户界面,并与 Fetch 移动机器人集成验证,以通过与用户的互动学习个性化上下文知识及长期预测家庭中缺失的物品。实验结果表明,机器人可以通过与用户的互动适应环境,还可以使用所学的知识在数周内正确预测缺失物品,并且对感官和感知错误具有强健性。
Jul, 2022
该研究旨在引入先进的智能零售分析系统(SRAS)来应对零售业面临的挑战,包括低效的排队管理、需求预测不准确和无效的营销策略,并通过利用基于机器学习的创新方法来提高零售效率和增强客户参与度。
Feb, 2024
介绍了一种名为 3DGrocery100 的大规模食品数据集,用于细粒度的食品目标识别,包括 100 个类别,由 87,898 个 3D 点云和 10,755 个 RGB-D 单视图图像创建而成,并在 6 个最新的 3D 点云分类模型以及少样本学习和持续学习的分类任务中进行了测试。
Feb, 2024
使用图像识别技术的智能食品日志记录系统 FoodAI 对健康监控和饮食控制非常重要,并且已被广泛应用于新加坡的移动应用程序 Healthy 365 中。
Sep, 2019
通过人工智能和机器学习等智能技术,支持老年人在家中继续独立生活,以娱乐、社交互动为基础扩展提供安全监测、健康和环境状况检测,及时发现紧急情况并通知照顾者。该论文概述了商业上可用的智能家居技术,智能家居技术的优势和挑战,以及老年人的可用性视角。通过综合之前的知识,论文创建了一个结构化的智能家居目标特征模型(SHGFM),解决了专家在医疗设施和医疗研究中使用的启发式方法问题。SHGFM 可以帮助专家确定目标并识别特征,从而根据个性化需求制定设计、开发和部署智能家居的策略。我们的模型为医疗研究者和老年照护产业提供指导,通过定义一组不同层次目标与特征集相映射,为老年人的智能家居设置提供基础。
Nov, 2023
本文提出了一种基于动作识别的系统,可以完全自动化家用电器的控制,从而减少人类干预、确保数据隐私和降低能耗。通过识别人的三个动作(坐、站、躺)和空房间,该系统的实际测试实验准确率达到了 90%。
Apr, 2019
本文介绍了智能家居中环境传感器用于人类活动识别的算法、进展、挑战和分类,并提出了该领域中的问题、研究机会和解决方案。
Oct, 2021
当代社会中,运用人工智能进行自动食品识别在营养追踪、减少食物浪费以及提升食品生产和消费效率等方面具有巨大的潜力。该研究使用预训练的 MobileNetV2 模型,结合多种技术手段,提高了食品识别的性能和鲁棒性,从而可应用于实际应用中。
May, 2024