AI 食物辨識真實場景大解密 (上):便當、餐點、串燒炸物、壽司

2025 年 5 月 6 日

隨著 AI 技術不斷進步,越來越多餐飲業者開始嘗試將「影像辨識」應用在實際的工作流程中。不論是用來協助店員點餐、出餐前檢查、還是讓顧客自助結帳,AI 辨識的方式百百種,但核心目標都一樣——希望更快速、更準確地辨識出眼前的食物是什麼。

但你知道嗎?在「辨識餐點」這件事上,看起來簡單,背後其實藏著不少眉角。尤其是在食堂、便當店或日式料理店等常見場景裡,有些看似平凡的畫面,對 AI 來說卻是「超高難度關卡」!

在這篇文章中,我們將從 AI 影像辨識技術提供商 Viscovery 實際遇到的四個真實場景出發,帶大家深入了解 AI 在餐飲業進行食物辨識時所面臨的挑戰,以及這些挑戰是如何被一一克服,並成功導入至醫療院所的員工餐廳、新加坡海底撈旗下品牌「嗨一碗」等場域,讓「辨識餐點的任務」交由電腦完成,進一步簡化營運流程、優化工作效率。

延伸閱讀:自助結帳再升級!AI 助攻海底撈「嗨一碗」打造自助結帳系統

一、便當:菜色要一格格看清楚!

有些便當盒設計是「一格一格」的,每一格會放不同的配菜,例如:主菜、青菜、滷蛋等等。看起來好像很好辨認,對吧?

其實不然。

對人來說,我們可以根據顏色、形狀、位置來判斷每一格裡的菜色,但對 AI 來說,它得先知道哪裡是「格子」,再進一步判斷「格子裡是什麼」。如果食材擺放得太滿,或有些湯汁流到隔壁格,辨識就會變得更困難。

目前 Viscovery 成熟的 AI 模型已能處理這樣的場景,並在「分格定位」與「菜色辨識」之間取得良好平衡,可以在不同便當盒設計下保持穩定的辨識效果。

延伸閱讀:AI 如何翻轉便當產業:從收銀到品管的全方位升級

延伸閱讀:台灣便當市場爆發式成長,AI 如何助業者在競爭中突圍?

二、一盤多樣:沒有格子也要精準分出每一道菜

與便當不同,許多餐點是直接盛裝在一個大盤上,菜色之間沒有明顯分隔——像是自助餐餐盤、鐵板料理,或學校/員工餐廳裡的餐盤。這類餐點常常會有多樣食物混合擺放在同一盤上。

這時候,AI 就得「自己學會分菜」。

這個挑戰在於:如果兩種食材顏色相近、彼此靠得很近,甚至被調味料蓋住一部分,辨識的難度就會大大提升。尤其像是炒米粉配滷白菜,或是咖哩飯搭雞塊這類常見搭配,視覺上容易混淆,需要更細膩的辨識能力。

為了讓這種「盤中分辨」更精準,Viscovery 以大量的餐點圖資 (註:圖資為圖片資料,可看作訓練電腦辨識物品的教材) 訓練電腦優化辨識的準確度與靈敏度

三、串燒與炸物:一根根的辨識考驗

接下來來到夜市與居酒屋最常見的項目:串燒與炸物

你是否想過,如果一盤裡有十幾根串燒,AI 要怎麼分得出來每一根是什麼、數量對不對?以前的系統常會把幾根串燒「看成一整團」,甚至誤認竹籤是食物的一部分。

現在 Viscovery 新一代的 AI 影像辨識系統,已經能做到比較精細的「一根根分辨」,能夠辨識出哪些是可食用的內容、哪些只是工具 (例如:竹籤),也能避免誤認炸物之間的陰影為食物。這對提升準確度來說,是個很重要的突破。

四、壽司:一盤壽司,有幾種?幾貫?

壽司常以不同品項交錯排列,看起來繽紛可口。但對 AI 來說,這也是一道辨識難題。

比起便當與串燒,壽司的挑戰除了在於種類繁多,(如:鮭魚、玉子燒、花壽司…等等),還要同時計算每一種壽司的數量。例如:這盤有 2 貫鮭魚、1 貫章魚、1 貫鮪魚⋯⋯,系統需要精準辨認並分類,否則會影響到後續的出餐確認或結帳價格。

壽司盤的光澤反光、醬料滴落、擺盤重疊等問題,也都會增加辨識難度。不過,Viscovery 透過獨家研發的工具,持續蒐集「系統被使用時,產生的新圖資」,讓系統不斷反覆學習,達到「越辨識、越準確」的目標。

AI 食物辨識,看起來簡單,執行起來不簡單!

無論是便當、自助餐盤,還是串燒與壽司,想讓 AI 看懂食物內容與數量,其實是一項不小的挑戰。AI 不只要辨識影像,更要看懂那些在現實世界中經常混亂擺放、彼此重疊、樣貌也總是不太一樣的食物。

但好消息是,這些挑戰已逐漸被克服,並應用在越來越多餐飲場域,包括麵館、企業食堂,協助加快結帳、減少人力錯誤,或幫助廚房檢查出餐,優化整體作業流程。

下一篇文章,我們將繼續分享: AI 辨識的主角從「食物」變成「碗盤」時,又會遇到哪些有趣的新挑戰?