DOI QR코드

DOI QR Code

Food recognition service using HSV data preprocessing function

데이터 전처리 기능을 활용한 음식 사진 인식 서비스 설계 및 구현

  • Kim, Hakkyeom (Dept. Data Analysis, Korea Polytechnic University Seoul Gangseo Campus) ;
  • Yoo, Yeonjoon (Dept. Data Analysis, Korea Polytechnic University Seoul Gangseo Campus) ;
  • Shin, Daehyun (Dept. Data Analysis, Korea Polytechnic University Seoul Gangseo Campus) ;
  • Oh, Juhyeon (Dept. Data Analysis, Korea Polytechnic University Seoul Gangseo Campus) ;
  • Lee, Jin-a (Dept. Data Analysis, Korea Polytechnic University Seoul Gangseo Campus) ;
  • Kim, Youngwoon (Dept. Data Analysis, Korea Polytechnic University Seoul Gangseo Campus)
  • 김학겸 (한국폴리텍대학 서울강서캠퍼스 데이터분석과) ;
  • 유연준 (한국폴리텍대학 서울강서캠퍼스 데이터분석과) ;
  • 신대현 (한국폴리텍대학 서울강서캠퍼스 데이터분석과) ;
  • 오주현 (한국폴리텍대학 서울강서캠퍼스 데이터분석과) ;
  • 이진아 (한국폴리텍대학 서울강서캠퍼스 데이터분석과) ;
  • 김영운 (한국폴리텍대학 서울강서캠퍼스 데이터분석과)
  • Published : 2021.11.04

Abstract

한국을 방문하는 외국인들은 매년 증가하고 있고 방한 목적 중 식도락관광이 3위에 오를 만큼 세계에서 한국 음식은 위상이 높아지고 있다. 하지만, 한국에서의 알레르기 성분 표시는 법적 의무가 아니기 때문에 대부분의 한식당에서는 이를 표시하지 않고 있고 알레르기가 있는 외국인 관광객들은 한국 음식 섭취에 있어서 상당한 위험과 불편함을 부담하고 있다. 이에 본 논문에서는 머신러닝을 활용하여 사진 촬영만으로 쉽고 정확하게 알레르기 성분을 제공하고자 사물 이미지 데이터 전처리를 위한 HSV(Hue, Saturation, Value) 데이터 전처리 기법을 제안한다. 제안하는 기법은 이미지의 HSV의 평균 및 분산, 표준편차를 통해 불필요한 데이터를 제거한다. 성능평가에서는 비빔밥, 불고기, 제육볶음 등 사진 약 500장의 데이터 셋을 구성하여 HSV의 평균 및 분산을 통해 이미지를 제거하는 방식으로 구축한 데이터 셋을 TensorFlow를 통해 정확도와 학습시간을 측정한다. 측정결과, 제안하는 기법으로 구축한 데이터 셋은 최소 15%에서 최대 25% 높은 정확도와 최소 37.96%에서 최대 42.85% 높은 정도 낮은 학습시간을 보여주었다. 향후 HSV를 활용한 데이터 전처리 기법은 더 많은 데이터를 통해 더욱 구체적인 성능 분석이 필요하다. 또한, 실질적인 개발 및 구현을 통해 제안하는 데이터 전처리 기법의 더욱 현실적인 검증이 필요하다.

Keywords

Acknowledgement

본 논문은 과학기술정보통신부 정보통신창의인재양성사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.