RecipeS

Abstract

O presente relatório foi realizado no âmbito da Unidade Curricular de Projeto II, pertencente ao 2º semestre do 3º ano da Licenciatura de Engenharia Informática da Escola Superior de Tecnologia. O desperdício alimentar é há várias décadas uma preocupação mundial, mas só nos últimos anos se percebeu o verdadeiro impacto que causa na sociedade, uma vez que, tem impactos tanto a nível social e económico como ambiental. Todos nós sabemos que o acesso aos alimentos é muito díspar entre a população, se por um ladohá pessoas que não sabem o que têm em casa porque têm uma vasta quantidade dos mais diversos alimentos, há outras pessoas que não tem mesmo nada para comer. Por estes motivos é apresentada uma solução para combater o desperdício alimentar através da criação de uma aplicação mobile que implementa 2 CNN’s, a 1ª é o modelo ResNet-50 treinado no dataset criado em Projeto I, sendo capaz de identificar 30 alimentos distintos, mas apenas um de cada vez, visto que é um modelo de classificação. A 2ª CNN permite que o utilizador detete vários alimentos simultaneamente, porém foi treinado apenas para as classes Maça e Ovo. Caso o utilizador pretenda utilizar o modelo de classificação a aplicação permitelhe fazer upload de uma fotografia ou utilizar a câmera do smartphone para tirar uma foto, por outro lado, se desejar utilizar o modelo de deteção a câmera é iniciada e os alimentos começam a ser detetados automaticamente. De seguida, após a identificação dos alimentos, são lhe sugeridas uma série de receitas recorrendo à API da OpenAI. A aplicação possui ainda uma 2ª zona onde o utilizador pode procurar por alimentos e ser-lhe-ão apresentados os preços desse produto em diferentes supermercados, permitindo-lhe adicionar ao carrinho para fazer uma estimativa de custo. Ao longo deste relatório serão explicados ambos os modelos utilizados e os resultados obtidos. Para além disso é descrito em detalhe o mecanismo utilizado para obter os preços dos vários supermercados e ainda será documentado todo o trabalho referente ao desenvolvimento da aplicação que teve como base uma investigação extensiva de modo a proporcionar uma experiência agradável ao utilizador.

This study was conducted as a component of the Project II curriculum unit, which is part of the second semester of the third year of the Computer Engineering degree program at the School of Technology. Food waste has been a pervasive global issue for many years, but its true consequences on society have only been acknowledged in recent times, as it has significant social, economic, and environmental ramifications. It is widely acknowledged that there is a significant disparity in food accessibility among different segments of the population. Some individuals possess an abundance of various food items in their homes, although remain unaware of their inventory. Conversely, some individuals lack any sustenance at all. To address this issue, a proposed solution involves developing a mobile application that incorporates two Convolutional Neural Networks (CNNs) to tackle food waste. The ResNet-50 model, trained on the dataset from Project I, is capable of classifying 30 distinct food items. However, it can only recognize one food item at a time due to its categorization nature. The second convolutional neural network (CNN) enables the user to simultaneously recognize many food items, albeit it has just undergone training for the apple and egg categories. If the user desires to utilize the classification model, the program provides the option to either upload a photo or utilize the smartphone's camera to capture an image. Conversely, if the user wishes to employ the detection model, the camera is activated and automatically detects the food. After the food is detected, the OpenAI API generates a sequence of recipes as suggestions. The application also features a second part where the user may search for food and check the pricing of that goods in other supermarkets, allowing them to add it to their shopping basket to estimate the cost. This report outlines the two models employed and the outcomes achieved. Additionally, it provides a comprehensive explanation of the methodology employed to gather pricing from various supermarkets and thoroughly chronicles the entire process of designing the program, which was built upon significant research to ensure a user-friendly interface.