应用场景
AI 菜品识别应用场景
技术架构
5 步极速识别流程
- 01餐台采集
相机采集餐台与托盘画面
- 02画面预处理
去噪、畸变矫正与餐位区域提取
- 03特征提取
提取菜品与餐具的视觉特征
- 04逐格匹配
按餐位与碗碟规格分格比对
- 05结果输出
结构化结果推送至结算或业务系统
适用场景
满足多类食堂、多种设备形态的菜品识别需求
团餐结算窗口
识别取餐托盘上的菜品组合，辅助结算
智能餐台
识别菜品与餐具，自动匹配结算信息
自助取餐设备
适配多种设备形态，灵活部署应用
COMMON QUESTIONS
常见问题
菜品识别和商品识别是同一套东西吗？
不完全相同。商品识别面对的是包装规整、外观稳定的工业品；菜品识别面对的是同一道菜每次盛出来都不一样的对象，份量、摆盘、容器、汤汁覆盖都会变化，还常常多个菜品同时出现在一个托盘上。两者的样本策略和判定逻辑差别较大，算芽把它们作为两个方向分别推进。
这个方向目前成熟度如何？
菜品识别属于算芽持续研发迭代中的方向。我们不会在官网给出未经现场验证的准确率承诺，实际能覆盖的菜品范围与表现需要结合具体食堂的菜单结构、餐具规格与摆放方式做样本评估后确定。
统一餐具对识别有帮助吗？
帮助很大。餐具规格、颜色和分格方式统一之后，碗碟本身就成了稳定的参照，能显著降低识别难度，也让份量估计更有依据。这通常是团餐结算项目里性价比最高的一项现场改造。
识别结果可以直接用于扣费吗？
取决于项目对差错的容忍度。常见做法是先以识别结果加人工确认的方式上线，积累一段真实数据后再逐步提高自动化程度。是否直接扣费应该由现场验证数据来决定。