Tumuklas ng Wine Saan Ka Man Magpunta

Paano natutukoy ng app ang isang wine mula sa litrato?

Natutukoy ng wine app ang isang bote sa pamamagitan ng pagbasa sa label bilang image, hindi sa pagkilala sa wine. May apat na magkakahiwalay na hakbang mula sa pagkuha ng litrato hanggang sa rekomendasyon, at magkakaiba ang posibleng maging problema sa bawat isa.

1. Hakbang 1 — hanapin ang bote sa frame

   Sa unang pagsusuri, hinahanap sa litrato ang mga bahaging hugis-label at itinutuwid ang mga ito. Karaniwang may walo hanggang dalawampung posibleng label sa litrato ng isang shelf, at karamihan ay nakatagilid at bahagyang natatakpan ng bote sa harap. Hindi na mababawi sa mga susunod na hakbang ang anumang hindi makita ng detector sa yugtong ito, kaya mas maaasahan ang litratong kinunan nang diretso sa harap ng iisang bote kaysa sa malawak na kuha ng isang shelf.

2. Hakbang 2 — basahin ang text

   Kino-convert ng optical character recognition ang bawat bahagi bilang text. Dito nangyayari ang mga karaniwang pagkakamali: malaking serif letter sa madilim na background, gold foil na nagiging sobrang liwanag sa ilalim ng ilaw ng tindahan, script font sa label ng Burgundy, at vintage na naka-print sa leeg sa halip na sa katawan ng bote. Isang string ang output, at sapat na ang isang maling character sa pangalan ng producer para maituro ng susunod na hakbang ang maling wine.

3. Hakbang 3 — itugma ang text sa isang wine

   Itinutugma ang na-extract na text sa isang wine database. Para magkaroon ng match, kailangan ang producer, pangalan ng wine, at kung maaari, ang vintage; kung dalawa lang sa tatlo ang mayroon, isang grupo ng mga wine ang lalabas sa halip na isang partikular na bote. Sa hakbang na ito napagpapasyahan kung makukuha mo ang "Château Something 2019" o "isang red wine mula sa Bordeaux".

4. Hakbang 4 — gawing rekomendasyon ang isang pangalan

   Magkaibang problema ang pagtukoy sa pangalan ng bote at ang pagrerekomenda nito, at ang una lang ang computer vision task. Niraranggo ng rekomendasyon ang mga natukoy na bote batay sa mga sinabi mong gusto mo — style, tamis, budget, at okasyon — kaya mas nakadepende ang kalidad ng sagot sa kung gaano ka katapat sa paglalagay ng mga preference na iyon kaysa sa kalidad ng camera. Ang app na nagrerekomenda nang hindi man lang nagtatanong kung ano ang gusto mo ay nagra-rank lang batay sa kasikatan at ipinapalabas na personal ito.

Kung saan talagang pumapalya ang wine recognition

Pumapalya ito sa mga label na sira, basa, o natutuklap dahil wala nang mabasang text. Pumapalya ito sa napakaliliit na producer na ang mga wine ay wala sa anumang database. Pumapalya ito sa mga wine na rehiyon lang ang nakalagay sa label at walang pangalan ng producer, na karaniwan sa Italy at Spain. Pumapalya ito sa mahinang ilaw dahil mas kailangan ng OCR ang contrast kaysa resolution.

Pumapalya rin ito nang hindi halata, at iyon ang mapanganib na sitwasyon: isang sagot na mukhang tiyak pero maling vintage ng tamang wine ang tinutukoy. Vintage ang pinakamadalas na maling mabasa dahil ito ang pinakamaliit na text sa karamihan ng mga label at madalas ay nasa hiwalay na strip.

May mas hindi halatang uri ng pagkakamali na walang nagbababala: maaaring perpekto ang recognition pero mali pa rin ang recommendation dahil walang reference data para sa vintage ng bote na hawak mo. Ang isang 2022 na vintage ng wine na hanggang 2019 lang ang alam ng database ay ilalarawan ayon sa katangian ng mas lumang wine, at walang anumang pahiwatig sa interface na nagkaroon ng ganitong substitution.

Ang praktikal na tuntunin: gamitin ang recognition para malaman kung anong bote iyon kapag hindi mo pa ito nakikita dati, at ikaw mismo ang tumingin sa label bago umasa sa sagot para sa anumang may malaking halagang nakataya. Hindi dapat maging huling batayan ang anumang image model sa isang auction bid o insurance valuation.