Modeliranje dinamike pečenja za določanje stanja pečenja z mrežami LSTM

Osnovni način, da dosežemo dobre rezultate pri pečenju je prilagoditev časa – če želi ljubiteljski kuhar bolj zapečene piškote bo podaljšal čas peke. Ta pristop ne zagotavlja vedno istih rezultatov in lahko vodi v preveč ali premalo zapečene jedi. Za reševanje tega problema je bilo razvitih že več sistemov računalniškega vida, ni pa še bilo izvedene sistematične študije, ki bi razviti sistem primerjala z izkušenim domačim kuharjem. V tem delu predstavimo sistem računalniškega vida, ki je sestavljen iz pečice s kamero, sistema za zajemanje slik in globokih nevronskih modelov. Delovanje sistema primerjamo z modelom ljubiteljskega kuharja. Ker se videz jedi v pečici spreminja skozi čas, poleg konvolucijskega modela CNN uporabimo dve vrsti modelov, ki na vhodu sprejmeta zaporedje slik - CNN-LSTM in ConvLSTM. Rezultati kažejo, da model ConvLSTM prekaša model ljubiteljskega kuharja za 5 odstotnih točk v metriki F1. Da so modeli primerni za spremljanje kvalitete jedi v pečici, morajo imeti sposobnost učenja dinamike pečenja.