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 20 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。
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。
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：當 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？
