केस स्टडी इसे खो दें! ML किट का इस्तेमाल करके
पोषण लेबल से डेटा निकालें
और उपयोगकर्ता अनुभव में सुधार करें
पोषण लेबल से डेटा निकालें
और उपयोगकर्ता अनुभव में सुधार करें
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/case-studies/lose-it/lose_it-1.png?authuser=3&%3Bhl=hi&hl=hi)
साल 2008 से LOS It! ने 3 करोड़ से ज़्यादा लोगों की 5 करोड़ पाउंड से ज़्यादा की बचत की है. यह ऐप्लिकेशन, उपयोगकर्ताओं को अपना खान-पान आसान बनाने में मदद करता है. साथ ही, उनकी प्रॉडक्ट टीम हमेशा नए तरीके ढूंढती रहती है, ताकि चीज़ों को और भी आसान बनाया जा सके.
लोज़ इट के पीछे काम करने वाली टीम ने सबसे पहले स्नैप इट लॉन्च किया था. यह एक ऐसा ऑब्जेक्ट है जो पहचान करने के लिए बना है. इसकी मदद से, उपयोगकर्ता सिर्फ़ अपनी फ़ोटो क्लिक करके अपनी पसंद की खाने की चीज़ें लॉग कर सकते हैं. हालांकि, एल्गोरिदम की ऊंची कंप्यूटेशन की लागत के लिए जीपीयू सर्वर का इस्तेमाल करना ज़रूरी था. इसका मतलब है कि वे रीयल टाइम में अनुभव को उपलब्ध नहीं करा पाए.
उसी समय, टीम एक न्यूट्रिशन लेबल भी स्कैन करने वाली सुविधा जोड़ना चाहती थी, लेकिन सर्वर विश्लेषण समय सिर्फ़ तभी काफ़ी तेज़ी से आगे बढ़ता था, जब उपयोगकर्ता खुद जानकारी डालता था. हालांकि, सेल नेटवर्क की अलग-अलग स्पीड और सिग्नल से उपयोगकर्ता अनुभव खराब हो सकता है. इसलिए, वे लगातार परफ़ॉर्मेंस की गारंटी नहीं दे सकते थे.
लोज़ इट! टीम को पता था कि उनके उपयोगकर्ता दोनों सुविधाओं को पसंद करेंगे, लेकिन सिर्फ़ तब ही, जब वे उन्हें रीयल-टाइम में अनुभव देने के लिए काफ़ी तेज़ बना सकें. इस काम को करने के लिए वे क्या कर सकते हैं?
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/case-studies/lose-it/lose_it-2.png?authuser=3&%3Bhl=hi&hl=hi)
उन्होंने क्या किया
टीम ने अपनी समस्या को हल करने के लिए, एमएल किट का इस्तेमाल किया. एडवर्ड डब्लू लौ, जूनियर पीएचडी, लॉस इट में डेटा साइंस और एआई (AI) के डायरेक्टर! पहले, Snap It एल्गोरिदम को सर्वर पर डिप्लॉय किया जाता था. इसके लिए, खाने की इमेज को अनुमान के लिए, सर्वर पर ट्रांसफ़र करना ज़रूरी होता था. लैव ने कहा, लेकिन एमएल किट से होस्ट किए गए एक कस्टम मॉडल ने हमें डिवाइस पर एक क्वान्टिटेटेड स्नैप इट मॉडल को बिना किसी रुकावट के लागू करने दिया. इससे हमारे उपयोगकर्ता इस डेटा का इस्तेमाल रीयल टाइम में कर सकते हैं और डेटा कनेक्शन के बिना भी इसका इस्तेमाल किया जा सकता है.” “और डिवाइस पर मौजूद टेक्स्ट की पहचान करने वाले एपीआई का इस्तेमाल करके, हमने पोषण से जुड़े लेबल को पढ़ने में इमेज की जांच करने के समय को काफ़ी कम किया.”
"अहम जानकारी, एमएल किट हमें Firebase में मॉडल होस्ट करने की अनुमति देती है", लो ने कहा. “इससे हम ऐप्लिकेशन को अपडेट किए बिना डिवाइस पर मॉडल को आसानी से अपडेट कर सकते हैं, ऐप्लिकेशन का साइज़ कम कर सकते हैं, और हमें A/B टेस्ट मॉडल के वर्शन इस्तेमाल कर सकते हैं. मॉडल के डिप्लॉयमेंट को ऐप्लिकेशन रिलीज़ से डिसकनेक्ट करने पर, हम उपयोगकर्ताओं के व्यवहार को तेज़ी से समझ पाते हैं और बदलाव का बेहतर तरीके से सामना कर पाते हैं.”
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/vision/case_study-lose_it.png?authuser=3&%3Bhl=hi&hl=hi)
नतीजे
एमएल किट, लॉस इट! की मदद से, बड़े पैमाने पर उपलब्ध, बेहतर परफ़ॉर्मेंस वाला पोषण लेबल रीडर लॉन्च किया जा सका. उपयोगकर्ता अब किसी भी नए खाने के लिए पोषण की जानकारी तुरंत भरने के लिए, न्यूट्रिशन लेबल को स्कैन कर सकते हैं. पोषण लेबल स्कैनर की तरह, ज़्यादातर मामलों में जानकारी की पहचान एक सेकंड से भी कम होती है. उपयोगकर्ता को कोई फ़ोटो लेने की ज़रूरत भी नहीं पड़ती. ऐप्लिकेशन, रीयल-टाइम में सीधे कैमरे की जानकारी से जानकारी हासिल कर सकता है.