Development of an Application for the Prediction of Kitchen Ingredients and Recipes through TensorFlow and Support-Vector Machines
DOI:
https://doi.org/10.22395/rium.v19n37a10Keywords:
Recognition, image, TensorFlow, SVM, Neural NetworksAbstract
This article is derived from a research project in which an application for the prediction of ingredients and recipes by TensorFlow and support- vector machines was developed. A scheme with general architecture was developed, then a neural network was implemented, and then, the support-vector machine was run. After that, they were integrated via an application that allows the user to select ingredients’ images for their prediction and the prediction of kitchens recipe in a didactic manner. It was concluded that the system has an average precision value of 75.8% and 71% for 17 ingredients categories and recipes classifier. In addition, sensitivity testing was performed on the application resulting on statistically equivalent results.
Downloads
References
[1] A. Krizhevsky et al., “ImageNet Classiï¬cation with Deep Convolutional Neural Networksâ€, NIPS, vol. 1, pp. 1097-1105, 2012. DOI: 10.1201/9781420010749
[2] G. P. GarcÃa, Reconocimiento de imágenes utilizando redes neuronales artificiales, Proyecto fin de Máster, Universidad Complutense de Madrid, Madrid, 2013.
[3] Y. LeCun et al., “Deep learningâ€, Nature Methods, vol. 521, n.°1, pp. 436-444, 2015. DOI: 10.1038/nature14539
[4] F. S. Pardo, “Aplicación del modelo Bag-of-Words al reconocimiento de imágenesâ€, proyecto de fin de carrera, Universidad Carlos III de Madrid, Madrid, 2009.
[5] M. L Guevara et al., “Faces Detection in Digital Images Using Cascade Classifiersâ€, Scientia et Technica, vol. 38, n.° 38, pp. 1–6, 2008.
[6] G. A. Betancourt “Las máquinas de soporte vectorial (SVMs)â€, Scientia Et Technica, vol. 27, pp. 67-72, 2005.
[7] J. E. Hurtado et al., “Clasificación de Señales SÃsmicas por Medio de Onditas y Máquinas de Soporte Vectorialâ€, en Primer simposio colombiano de sismologÃa, Manizales, Colombia, 2002.
[8] J. A. Leal et al., “Identification of natural fractures using resistive image logs, fractal dimension and support vector machinesâ€, IngenierÃa e Investigación, vol. 36, n.° 3, pp. 125-132, 2016. DOI: 10.15446/ing.investig.v36n3.56198.
[9] I. C. Guzmán et al., “Wavelet denoising of partial discharge signals and their pattern classification using artificial neurol networks and support vector machinesâ€, DYNA, vol. 84, n.° 203, pp. 240-248, 2017. DOI: 10.15446/dyna.v84n203.63745.
[10] J. E. Espinosa et al., “Kernel Methods for improving Text Search Engines Transductive Inference by Using Support Vector Machinesâ€, TECCIENCIA, vol. 12, n.° 52, pp. 51-60, 2017. DOI: 10.18180/tecciencia.2017.22.6.
[11] J. R. Wilches et al., “A VoIP classifier for carrier grade based on Support Vector Machinesâ€, DYNA, vol. 84, n.° 202, pp. 75-83, 2017. DOI: 10.15446/dyna.v84n202.60975.
[12] R. Cabañas et al., “InferPy: Probabilistic modeling with TensorFlow made easyâ€, Knowledge- Based Systems, vol. 168, pp. 25-27, 2019. DOI: 10.1016/j.knosys.2018.12.030.
[13] M. Liu y D. Grana, “Accelerating geostatistical seismic inversion using TensorFlow: A heterogeneous distributed deep learning frameworkâ€, Computers and Geosciences, vol. 124, pp. 37-45, 2019. DOI: 10.1016/j.cageo.2018.12.007.
[14] J. R. Vázquez et al., “Fusing TensorFlow with building energy simulation for intelligent energy management in smart citiesâ€, Sustainable Cities and Society, vol. 45, pp. 243-257, 2019. DOI: 10.1016/j.scs.2018.11.021.
[15] S. Liu et al., “The research of virtual face based of deep convolutional generative adversarial networks using TensorFlowâ€, Physica A: Statistical Mechanics and its applications, vol. 521, pp. 667-580, 2019.
[16] X. Grandio (2017, 14 de julio) “Blog: Que es TensorFlow: Aplicaciones del sistema de inteligencia artificial de Googleâ€. [internet]. Disponible en https://marketing4ecommerce.net.
[17] P. Parsch y A. Masrur, “On Reliable Communication in Transmit-only Networks for Home Automationâ€, Journal of Network and Computer Applications, vol. 101, pp. 96-110, 2017.
DOI: 10.1016/j.jnca.2017.10.023.
[18] S. A. Castro et al., “Supervisión y Control Industrial a través de Teléfonos Inteligentes usando un computador de placa única Raspberry Piâ€, Inf. Tecnol, vol. 27, n.° 2, 2016. DOI: 10.4067/S0718-07642016000200015.
[19] J. A. Asensio et al., “Emulating home automation installations through component-based web technologyâ€, Future Generation Computer Systems, vol. 93, pp. 777-791, 2017. DOI: 10.1016/j.future.2017.09.062.
[20] J. M. MarÃn (2014). “Introducción a las redes neuronales aplicadasâ€. [internet]. Disponible en http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema3dm.pdf.
[21] A. Serrano, E. Soria y J. D. Martin (2009). “Redes Neuronales Artificialesâ€. [internet]. Disponible en http://ocw.uv.es/ingenieria-y-arquitectura/1-2/libro_ocw_libro_de_redes.pdf.
[22] D. Calvo (2018). “Función de coste – Redes Neuronalesâ€. [internet]. Disponible en http://www.diegocalvo.es/funcion-de-coste-redes-neuronales/.
[23] J. F. Quesada (1997). “CaracterÃsticas de las redes neuronalesâ€. [internet]. Disponible en https://thales.cica.es/rd/Recursos/rd98/TecInfo/07/capitulo3.html.
[24] E. Carmona (2014). “Tutorial sobre Máquinas de Vectores Soporte (SVM)†[internet]. Disponible en http://www.ia.uned.es/~ejcarmona/publicaciones/[2013-Carmona]%20SVM.pdf.
[25] J. A. Reséndiz (2006). “Las máquinas de vectores de soporte para identificación en lÃneaâ€. [internet]. Disponible en https://www.ctrl.cinvestav.mx/~yuw/pdf/MaTesJAR.pdf.
[26] J. Echeverri et al., “Mejoramiento de imágenes usando funciones de base radialâ€, Revista ingenierÃas universidad de MedellÃn, vol. 8, n.° 15, sup., 1, pp. 21-28, 2009.
[27] B. C. Gayón, Desarrollo de una Aplicación para Reconocimiento de Billetes por medio de Procesamiento de Imágenes con Diversidad Visual Basada en TecnologÃa Android, proyecto de fin de carrera, Universidad Libre, Bogotá, 2017.
[28] F. J. RodrÃguez, Automatización Mediante Equipos EIB de una Cocina Adaptada Dentro del Entorno del Robot Asistencial ASIBOT, proyecto de fin de carrera, Universidad Carlos III, Madrid, 2010.
[29] F. J. GarcÃa, Reconocimiento de objetos en una cocina con una webcam, proyecto de fin de carrera, Universidad Carlos III, Madrid, 2009.
[30] R. Colombo, “Deep Learning†para reconocimiento de imágenes en Raspberry Pi 2, proyecto de fin de carrera, Universidad de la Laguna, Santa Cruz de Tenerife, 2016.
[31] Y. Muñoz et al., “Análisis de la escena en la cocina por medio de sensores IoT Diseñados basados en el microcontrolador node MCu ESP8266 y conectados al servidor ThingSpeakâ€, Inf Tecnol, vol. 30, pp. 173-170, 2019. DOI: 10.4067/S0718-07642019000500173.
[32] R. B. Rusu et al., “Robots in the kitchen: Exploiting ubiquitous sensing and actuationâ€, Robotics and Autonomous Systems, vol. 56, n.° 10, pp. 844-856, 2008. DOI: 10.1016/j.robot.2008.06.010.
[33] Y. Quiñonez et al., “Aplicación de técnicas evolutivas y visión por computadora para navegación autónoma de robots utilizando un TurtleBotâ€, RISTI, vol. 3, pp. 93-105, 2015. DOI: 10.17013/risti.e3.93-105.
[34] J. Estupiñán et al., “Implementación de algoritmos basados en máquinas de soporte vectorial (SVM) para sistemas eléctricos: revisión de temaâ€, Tecnura, vol. 20, n.° 10, pp. 149-170, 2016. DOI: 10.14483/udistrital.jour.tecnura.2016.2.a11.
[35] R. Mosquera et al., “Máquinas de Soporte Vectorial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianosâ€, Inf. Tecnol, vol. 29, n.° 6, pp. 153-162, 2018. DOI: 10.4067/s0718-07642018000600153.
[36] M. Abadi et al., “ TensorFlow: A system for large-scale machine learning. TensorFlow: A System for Large-Scale Machine Learningâ€, en XII Simposio USENIX sobre diseño e implementacion de sistemas operativos OSDI’16, Savannah, 2016.
[37] L. Hao et al., “TensorD: A tensor decomposition library in TensorFlowâ€, Neurocomputing, vol. 318, pp. 196-200, 2018. DOI: 10.1016/j.neucom.2018.08.055.
[38] V. M. Araújo y M. P. Cota, “Software como um Serviço: Uma visão holÃsticaâ€, RISTI, n.° 19, pp. 145-157, 2016. DOI: 10.17013/risti.19.145-157.
Downloads
Published
How to Cite
Issue
Section
License
The total or partial reproduction of the contents of the journal for educational, research, or academic purposes is authorized as long as the source is cited. For reproduction for other purposes, express authorization from the Sello Editorial Universidad de MedellÃn is required.
