AI 食物辨識真實場景大解密 (下)
AI 如何認得杯子與碗盤？餐盤辨識背後的挑戰與應用
2025 年 5 月 20 日
在 上一篇文章 中，我們分享了 AI 辨識食物的各種真實挑戰，從便當到炸物壽司，AI 要看懂人類的用餐場景並不容易。不過，除了食物，還有一個關鍵主角也值得關注——餐具。
無論是杯子、碗還是盤子，這些看似不起眼的物件，在特定的商業場景中，其實扮演著非常關鍵的角色。這篇文章一樣從 AI 辨識技術提供商 Viscovery 實際遇到的案例出發，分享 AI 如何辨識餐具、應用在哪些地方、以及科技落地背後的困難點。
一、不同杯子代表不同品項，AI 要看得出來
在某些餐飲場域中，業者會根據「使用的杯子種類」來區分品項，例如：
- 馬克杯代表熱咖啡
- 黑色陶瓷杯代表熱茶
- 透明塑膠杯代表冷飲 (如果汁、汽水)
這樣的做法不需在每一杯飲料上貼標籤，而是以「盛裝容器」代表商品，結帳時辨識杯子即可完成計價。
這時候，AI 的任務就是準確識別不同造型、顏色、大小的杯子。不過，現場可能會出現一些狀況：
- 杯子刮傷或有水痕
- 燈光反射造成透明杯難以判別
- 杯子擺放角度不一
這些因素都會影響 AI 的辨識準確度，因此 Viscovery AI 影像辨識系統已透過大量圖資樣本進行訓練 (註：圖資為圖片資料，可看作訓練電腦辨識物品的教材)，讓 AI 系統得以正確分辨各種狀況下的餐具種類，快速完成結帳。
二、不同碗盤款式＝不同商品？AI 也能幫忙判斷
在許多中央廚房或大型員工食堂，會使用不同規格的碗盤，盛裝不同的餐點，例如：
- 大深碗盛湯品
- 長盤裝魚或主菜
- 小圓碟裝甜點或配菜
只要規則明確，AI 就能在結帳時，以「碗盤」判斷顧客選了哪些餐點，這對於結帳的流程與統計分析都非常有幫助。
但實際使用的困難點在於——即使是同一種碗盤，也可能因使用痕跡、不同批次製造、光線或髒污造成辨識誤差。甚至，有些碗盤的形狀相似，但商品價格不同。這類場景非常考驗 AI 的細節感知能力，為此，Viscovery 開發團隊從實際環境中反覆優化訓練資料，使 AI 具備足夠的辨別能力「不混淆」。
三、碗盤裡還有東西？辨識挑戰不只在外觀
另一種情境是「餐後結帳」：顧客用餐完畢後，拿著使用過的碗盤去結帳。這時候，餐具上可能還留有湯湯水水、菜渣甚至骨頭。
AI 的任務仍然是辨識「用的是哪個碗或盤子」，但不能被內容物干擾。這比起辨識乾淨餐具難度更高，因為：
- 有時湯水會遮住碗底的圖樣或顏色
- 剩菜可能會擋住碗盤的關鍵特徵
- 有時碗盤的反光致使攝影畫面不清晰
這類「忽略內容物、專注辨識餐具本體」的應用，在許多場景都十分常見。例如：迴轉壽司店，相同顏色的盤子代表相同的商品價格，AI 就需要正確辨識盤子的顏色與形狀，即使上面還有殘留的醬油或食材。
要讓 AI 專注於辨識碗盤本身而不被內容物干擾，是一項極具挑戰的技術門檻。好消息是，經過這幾年的技術研發，Viscovery 已成功克服這項難題，並有自信應用於更多自助餐飲的結帳流程中，降低人力負擔、加快作業效率。
AI 辨識的不只是食物，也懂看「裝食物的容器」
AI 在餐飲場域的應用，遠遠不只食物辨識。當辨識對象變成了碗盤與杯子時，背後的技術挑戰依然存在，但也有極大的應用潛力。
從分辨不同種類的餐具、判斷代表的商品項目，到處理吃完後仍有內容物的使用場景，AI 正逐漸成為結帳流程的重要幫手。
隨著以人為本的設計理念持續深化，未來新興應用的普及將不再受限於少數精英。AI 不再需要高深的技術知識，人人都能輕鬆操作並享受 AI 帶來的便利。
