Décryptage des défis réels de la reconnaissance alimentaire par IA (2e partie)

tasses, bols et assiettes

Dans notre précédent article, nous avons exploré les défis réels de la reconnaissance alimentaire par IA, allant des bentos aux sushis et yakitori. Mais les aliments ne sont pas le seul élément que l’IA doit comprendre. Un autre acteur clé de l’expérience culinaire mérite toute notre attention : la vaisselle.

Tasses, bols et assiettes peuvent sembler anodins, mais dans certains contextes professionnels, ils jouent un rôle crucial. Cet article s’appuie sur des cas concrets rencontrés par le fournisseur de solutions IA Viscovery pour montrer comment l’IA reconnaît différents types de vaisselle, dans quels contextes cette technologie est utilisée et quels défis techniques doivent être relevés pour la rendre fiable au quotidien.

1. Différents types de tasses = différents produits : l’IA peut-elle faire la distinction ?

Dans certains environnements de restauration, le type de tasse sert à identifier un produit :

  • Une tasse en céramique indique un café chaud
  • Une tasse noire en céramique signale un thé chaud
  • Une tasse en plastique transparent représente une boisson froide (jus, soda, etc.)

Au lieu d’étiqueter chaque boisson, le contenant devient l’identifiant. Lors du passage en caisse, il suffit que l’IA reconnaisse la tasse pour déterminer le prix.

Le défi pour l’IA : identifier avec précision les tasses selon leur forme, couleur et taille. Mais dans la pratique, plusieurs facteurs compliquent la tâche :

  • Tasses rayées ou présentant des traces d’eau
  • Reflets lumineux rendant les tasses transparentes difficiles à reconnaître
  • Angles de placement variables

Pour surmonter ces obstacles, le système de vision IA de Viscovery est entraîné sur un grand jeu de données d’images, permettant de reconnaître les tasses dans toutes sortes de conditions et d’accélérer le processus de facturation.

2. Différents bols et assiettes = différents plats : l’IA peut trier pour nous

Dans les cuisines centrales ou grandes cantines d’entreprise, différents plats sont servis sur des types de vaisselle spécifiques :

  • Bols profonds pour les soupes
  • Assiettes longues pour le poisson ou les plats principaux
  • Petites assiettes rondes pour les desserts ou accompagnements

Tant que les règles sont claires, l’IA peut, lors du passage en caisse, identifier les plats choisis à partir de la vaisselle, ce qui simplifie à la fois la facturation et l’analyse des données.

Mais ce n’est pas toujours simple. Même des assiettes identiques peuvent varier à cause de l’usure, de différences de fabrication, de la lumière ou de la saleté. Certaines assiettes peuvent avoir une apparence similaire mais correspondre à des prix différents.

Cela exige une grande précision de l’IA. Pour répondre à ce défi, l’équipe Viscovery optimise constamment ses jeux de données à partir d’environnements réels afin que le système distingue correctement les subtilités et évite toute confusion.

3. Des restes dans les assiettes ? L’IA doit voir au-delà du contenu

Un autre scénario fréquent est le passage en caisse après le repas : les clients apportent des assiettes ou bols utilisés, souvent encore contenant de la soupe, des restes ou même des os.

L’IA doit reconnaître le type de vaisselle sans se laisser perturber par le contenu, ce qui est plus complexe que l’identification d’une vaisselle propre :

  • Le liquide peut masquer le motif ou la couleur au fond du bol
  • Les restes peuvent cacher des caractéristiques importantes
  • Les reflets peuvent rendre l’image floue

Apprendre à l’IA à ignorer le contenu et se concentrer sur la vaisselle elle-même est un vrai défi technique. Pourtant, ce besoin est courant : dans les restaurants de sushi sur tapis roulant, la couleur de l’assiette indique le prix. L’IA doit identifier correctement la couleur et la forme, même avec des résidus de sauce ou d’aliments.

Bonne nouvelle : après plusieurs années de R&D, Viscovery a relevé ce défi. Son IA gère désormais la reconnaissance complexe de vaisselle dans les restaurants en libre-service, réduisant la charge humaine et accélérant les opérations.

▲ Exemple concret : dès que le système reconnaît le type d’assiette, il la classe automatiquement comme « petit-déjeuner chinois », peu importe le contenu, ou même si l’assiette est vide.

L’IA ne reconnaît pas seulement les aliments, mais aussi les contenants qui les servent

L’application de l’IA dans la restauration dépasse largement la reconnaissance des plats. Identifier tasses et assiettes comporte ses propres défis, mais ouvre aussi la voie à de nouvelles applications utiles.

De la distinction des types de vaisselle à l’association avec les produits, jusqu’à la gestion des assiettes après le repas, l’IA devient un acteur indispensable du passage en caisse.

Grâce à un design centré sur l’utilisateur, ces systèmes deviennent de plus en plus accessibles. Pas besoin d’être un expert technique pour en profiter : l’IA rend la restauration plus fluide, inclusive et prometteuse pour l’avenir.

(Cet article a été traduit en français par ChatGPT.)