Image recognition for groceries using deep learning
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2777479Utgivelsesdato
2020Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
I flere tiår har strekkoder vært brukt for å skanne og identifisere varer i dagligvarebutikker verden over, ettersom det er en lett og effektiv måte å registrere varenepå i kassen. I daglivarebutikker derimot, selges det mange produkter som ikke harnoen strekkode, og det har enda ikke blitt funnet en måte som er like lett å brukesom strekkoder for å registrere disse varene. Det er istedenfor blitt de ansattes ogkundenes ansvar å registrere disse varene korrekt. Gjennom arbeidet med dennemasteroppgaven ønsker vi å se metoder for å gjøre det like enkelt å registrere dissevarene i kassen, som varene som har en strekkode.
De siste årene har maskinlæring blitt tatt i bruk innenfor mange nye områder, ogvi ønsker å se på muligheten til å benytte maskinlæring for å klassifisere varer somfrukt, grønnsaker og bakevarer gjennom bildegjenkjenning og nevrale nettverk.
Basert på vår utviklede modell og resultater ser det ut som nevrale nettverk kanbenyttes til dette formålet. Det kreves derimot mer utvikling for å lage en modellsom er i stand til å klassifisere alle ønskede produkter under varierte forhold. Sommed mange andre prosjekter innenfor maskinlæring har tilgangen til data vist seg åvære en stor utfordring ved utvikling av en god nok modell. For decades, barcodes have been used to scan and identify products sold in grocerystores around the world, as it provides an easy and efficient way to enter the products in cash registers. In grocery stores however, many products does not containa barcode, but a method for entering these products as efficiently as those withbarcodes has not yet been found. Instead, it is up to the cashiers and customersto enter these products correctly. Through this thesis, we explore methods whichcould make the process easier than what is the case today.
As machine learning during the last years have been applied to new and interestingdomains, we wanted to explore the possibility of using this method to classify products such as fruits, vegetables and baked goods sold in grocery stores using imagerecognition and neural networks. As we are dealing with a limited dataset, transferlearning has also been utilized to improve performance.
Based on our model and experiments it seems likely that neural networks can beapplied to this domain, but more development is needed in order to create a modelwhich can handle the different products and variation in images. As with manyother projects in machine learning, the lack of available training data has proven tobe one of the biggest hurdles to overcome.