The object of research, development or design (in Russian) : Проект создаст новую систему пищевого ИИ, которая сможет идентифицировать изображения еды и давать советы по питанию жителям ЦА используя носимые устройства AR. Он будет иметь набор данных о пищевых продуктах с 40+ классами питания, тестировать различные языковые модели для рекомендаций по питанию и делиться данными в журналах и на конференциях.

The object of research, development or design (in Kazakh) : Жоба аясында тағам өнімдерінің суреттерін анықтауға және киілетін AR құрылғыларын пайдалана отырып, Орталық Азия тұрғындарына тамақтану бойынша кеңес беруге мүмкіндік беретін жаңа тағамдық AI жүйесі құрылады. Ол 40-ден астам тамақтану кластары бар азық-түлік деректер жинағын құрып, тамақтану бойынша кеңес алу үшін әртүрлі тіл үлгілерін сынап, журналдар мен конференцияларда деректерді бөліседі.

Aim of work (in Russian) : Проект создаст новую систему пищевого ИИ, которая сможет идентифицировать изображения еды и давать советы по питанию жителям ЦА используя носимые устройства AR. Он будет иметь набор данных о пищевых продуктах с 40+ классами питания, тестировать различные языковые модели для рекомендаций по питанию и делиться данными в журналах и на конференциях.

Aim of work (in Kazakh) : Жоба аясында тағам өнімдерінің суреттерін анықтауға және киілетін AR құрылғыларын пайдалана отырып, Орталық Азия тұрғындарына тамақтану бойынша кеңес беруге мүмкіндік беретін жаңа тағамдық AI жүйесі құрылады. Ол 40-ден астам тамақтану кластары бар азық-түлік деректер жинағын құрып, тамақтану бойынша кеңес алу үшін әртүрлі тіл үлгілерін сынап, журналдар мен конференцияларда деректерді бөліседі.

Методы исследования (на русском) : В рамках исследования рекомендуется создать систему искусственного интеллекта, адаптированную к условиям Центральной Азии. Методы включают всесторонний обзор существующих систем распознавания пищевых продуктов и разработку уникального набора данных по продуктам питания Центральной Азии. Сбор данных осуществляется путем парсинга изображений продуктов питания в Интернете. Персонализированные рекомендации по питанию генерируются с использованием больших языковых моделей (LLM).

Методы исследования (на казахском) : Зерттеу аясында Орталық Азияға бейімделген жасанды интеллект жүйесін құру ұсынылады. Әдістерге қолданыстағы азық-түлікті тану жүйелерін жан-жақты шолу және Орталық Азия тағамдары бойынша бірегей деректер жиынын әзірлеу кіреді. Деректерді жинау азық-түлік суреттерін веб-скрапинг арқылы жүзеге асырылады. Үлкен тілдік модельдер (LLM) арқылы жеке тамақтану ұсыныстары жасалады.

Obtained results and novelty (in Russian) : В рамках проекта создан и опубликован Central Asian Food Scenes Dataset (CAFSD) — первый крупномасштабный набор данных блюд Центральной Азии, включающий более 21 000 изображений и 239 категорий. На его основе разработаны и обучены модели компьютерного зрения YOLOv8xl, YOLOv11x и YOLOv12, продемонстрировавшие высокую точность (mAP50 = 0.978) и способность оценивать порции (MAE ≈ 91 г). Для обеспечения прозрачности внедрён публичный Food AI лидерборд на платформе Hugging Face. Результаты опубликованы в международных рецензируемых журналах и представлены на конференциях в виде постерных презентаций, демонстрирующих прототип мобильного приложения, объединяющего технологии компьютерного зрения и языковых моделей для распознавания блюд, оценки порций и формирования персонализированных рекомендаций по питанию. Новизна проекта заключается в создании первого регионального набора данных для Центральной Азии, адаптации алгоритмов искусственного интеллекта к культурным и языковым особенностям региона, а также в интеграции технологий компьютерного зрения, языковых моделей и дополненной реальности для точного и персонализированного анализа питания.

Obtained results and novelty (in Kazakh) : Жоба аясында Орталық Азия тағамдарының алғашқы ірі көлемді деректер жиынтығы — Central Asian Food Scenes Dataset (CAFSD) әзірленіп, жарияланды. Жиынтықта 21 000-нан астам сурет және 239 санат қамтылған. Осы деректер негізінде YOLOv8xl, YOLOv11x және YOLOv12 компьютерлік көру модельдері әзірленіп, жоғары дәлдікке (mAP50 = 0.978) және порция салмағын бағалау қабілетіне (MAE ≈ 91 г) қол жеткізді. Модельдерді бағалаудың ашықтығын қамтамасыз ету үшін Hugging Face платформасында Food AI лидерборды енгізілді. Зерттеу нәтижелері халықаралық ғылыми журналдарда жарияланып, конференцияларда постерлік презентациялар түрінде ұсынылды. Онда тағамдарды тану мен порцияны бағалау технологияларын біріктіретін және жеке тамақтану ұсыныстарын ұсынатын мобильді қосымшаның прототипі көрсетілді. Жобаның жаңалығы — Орталық Азия үшін алғашқы өңірлік деректер жиынтығын құру, жасанды интеллект алгоритмдерін мәдени және тілдік ерекшеліктерге бейімдеу, сондай-ақ компьютерлік көру, тілдік модельдер және толықтырылған шындық технологияларын біріктіріп, нақты және дараланған тамақтану талдауын жүзеге асыру.

The main constructive and technical economic indicators (in Russian) : Проект был направлен на разработку системы искусственного интеллекта для распознавания продуктов питания Центральной Азии. В рамках проекта были созданы уникальный набор данных, модели глубокого обучения и прототип носимого устройства дополненной реальности для предоставления рекомендаций по питанию. Реализованные решения продемонстрировали потенциал для улучшения состояния здоровья населения за счёт персонализированных рекомендаций и сокращения затрат, связанных с лечением заболеваний, обусловленных питанием.

The main constructive and technical economic indicators (in Kazakh) : Жоба Орталық Азия тағамдарын тануға арналған жасанды интеллект жүйесін әзірлеуге бағытталды. Жоба аясында бірегей деректер жиынтығы, терең оқыту модельдері және тамақтану бойынша ұсынымдар беруге арналған толықтырылған шындық технологиясына негізделген киілетін құрылғының прототипі жасалды. Іске асырылған шешімдер жеке ұсынымдар арқылы халықтың денсаулығын жақсартуға және тамақтануға байланысты ауруларды емдеуге кететін шығындарды азайтуға мүмкіндік берді.

Level of implementation (in Russian) : Проект находится на втором этапе реализации. Разработанные протоколы и модели проходят этап оптимизации и внедряются в исследовательские и прикладные задачи по распознаванию пищевых объектов.

Level of implementation (in Kazakh) : Жоба іске асырудың екінші кезеңінде тұр. Әзірленген протоколдар мен модельдер оңтайландыру кезеңінен өтіп, тағамдық объектілерді тануға арналған зерттеу және қолданбалы міндеттерге енгізілуде.

Efficiency (in Russian) : Проект реализуется в соответствии с планом и продемонстрировал высокую эффективность на втором этапе. Разработанные протоколы аннотации, набор данных и обученные модели обеспечивают точное распознавание блюд Центральной Азии и формируют основу для дальнейшего развития системы персонализированных рекомендаций по питанию. Полученные результаты способствуют созданию научно обоснованных инструментов для анализа и визуализации пищевых данных, что в перспективе позволит повысить осведомлённость населения о здоровом питании и применить технологии в профилактических целях.

Efficiency (in Kazakh) : Жоба жоспарға сәйкес іске асырылуда және екінші кезеңде жоғары тиімділігін көрсетті. Әзірленген аннотациялау протоколдары, деректер жиынтығы және оқытылған модельдер Орталық Азия тағамдарын дәл тануды қамтамасыз етіп, жеке тамақтану бойынша ұсынымдар жүйесін одан әрі дамытуға негіз болады. Алынған нәтижелер тағам деректерін талдау мен визуализациялауға арналған ғылыми негізделген құралдарды жасауға ықпал етеді, бұл өз кезегінде халықтың дұрыс тамақтану туралы хабардарлығын арттырып, алдын алу шараларында қолдануға мүмкіндік береді.

Field of application (in Russian) : Нутрициология и Медицина

Field of application (in Kazakh) : Нутрициология және медицина