กรณีศึกษา Lost It! ใช้ ML Kit เพื่อ
ดึงข้อมูลจากป้ายกํากับโภชนาการ
และปรับปรุงประสบการณ์ของผู้ใช้
ดึงข้อมูลจากป้ายกํากับโภชนาการ
และปรับปรุงประสบการณ์ของผู้ใช้
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/case-studies/lose-it/lose_it-1.png?authuser=9&%3Bhl=th&hl=th)
นับตั้งแต่ปี 2008 เป็นต้นมา Lose It! ได้ช่วยเหลือผู้คนมากกว่า 30 ล้านคนให้น้ําหนักลดลงไปมากกว่า 50 ล้านปอนด์ แอปช่วยให้ผู้ใช้จัดการอาหารของตนได้ด้วยการบันทึกอาหารให้ง่ายที่สุดเท่าที่จะเป็นไปได้ และทีมผลิตภัณฑ์มักมองหาวิธีใหม่ๆ ที่จะทําให้ทําสิ่งต่างๆ ได้ง่ายขึ้น
ทีมเบื้องหลัง Lose It ได้เปิดตัว Snap It ซึ่งเป็นอัลกอริทึมของการจดจําวัตถุ ซึ่งออกแบบมาเพื่อช่วยให้ผู้ใช้บันทึกอาหารที่ตนชื่นชอบได้โดยการถ่ายภาพ แต่ต้นทุนที่คํานวณได้สูงของอัลกอริทึมทําให้ต้องใช้เซิร์ฟเวอร์ GPU อย่างมาก จึงทําให้ไม่สามารถนําเสนอการใช้งานแบบเรียลไทม์ได้
ขณะเดียวกัน ทีมต้องการเพิ่มฟีเจอร์การสแกนฉลากโภชนาการ แต่เวลาในการวิเคราะห์เซิร์ฟเวอร์นั้นรวดเร็วกว่าการที่ผู้ใช้ป้อนข้อมูลด้วยตนเองเท่านั้น นอกจากนี้ เนื่องจากความเร็วและสัญญาณของเครือข่ายมือถือที่แปรผันได้อาจทําให้ประสบการณ์ของผู้ใช้ทํางานได้ไม่ดี จึงทําให้ไม่สามารถรับประกันประสิทธิภาพที่สม่ําเสมอได้
ทีม Lose It! รู้ว่าผู้ใช้ของตนจะชอบทั้ง 2 ฟีเจอร์ แต่เฉพาะในกรณีที่ทําได้รวดเร็วมากพอที่จะนําเสนอประสบการณ์การใช้งานแบบเรียลไทม์ พวกเขาจะทําอะไรได้บ้างเพื่อเพิ่มความเร็ว
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/case-studies/lose-it/lose_it-2.png?authuser=9&%3Bhl=th&hl=th)
สิ่งที่พวกเขาทำ
ทีมหันมาใช้ ML Kit เพื่อแก้ปัญหาความเร็ว "ML Kit ได้รับการพิสูจน์แล้วว่ามีประโยชน์มากสําหรับการนําฟีเจอร์การรับรู้เกี่ยวกับอาหารที่ชื่อว่า Snap It โดยใช้โมเดล TF Lite ที่บีบอัดและปริมาณ" Edward W. กล่าว Lowe, Jr. Ph.D., ผู้อํานวยการฝ่ายวิทยาศาสตร์ข้อมูลและ AI ของ Lose It! ก่อนหน้านี้มีการใช้อัลกอริทึม Snap It บนเซิร์ฟเวอร์ ซึ่งทําให้ต้องโอนรูปภาพอาหารไปยังเซิร์ฟเวอร์เพื่ออนุมาน แต่ “รูปแบบที่กําหนดเองที่โฮสต์โดย ML Kit ช่วยให้เราใช้โมเดล Snap It ที่วัดปริมาณในอุปกรณ์ได้อย่างราบรื่น ทําให้ผู้ใช้ของเราใช้ฟีเจอร์นี้แบบเรียลไทม์ได้โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต” Lowe กล่าว “การใช้ประโยชน์จาก API การรู้จําข้อความในอุปกรณ์ ทําให้เราสามารถลดเวลาการวิเคราะห์รูปภาพลงอย่างมากสําหรับการอ่านป้ายกํากับโภชนาการ”
“ที่สําคัญ ML Kit ช่วยให้เราโฮสต์โมเดลใน Firebase“ ได้ Lowe กล่าว ซึ่งช่วยให้เราอัปเดตโมเดลได้อย่างราบรื่นในอุปกรณ์โดยไม่ต้องอัปเดตแอป ลดขนาดแอป และช่วยให้เราทําการทดสอบ A/B ในเวอร์ชันต่างๆ ได้ การเลิกเชื่อมต่อโมเดลจากการเผยแพร่แอปช่วยให้เราตอบสนองพฤติกรรมที่เปลี่ยนแปลงไปของผู้ใช้ได้อย่างรวดเร็ว ทั้งยังรับมือกับดริฟต์ได้ดีขึ้นด้วย"
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/vision/case_study-lose_it.png?authuser=9&%3Bhl=th&hl=th)
ผลลัพธ์
ML Kit ช่วยให้ Lose It! เปิดตัวโปรแกรมอ่านป้ายกํากับด้านโภชนาการประสิทธิภาพสูงที่พร้อมใช้งานอย่างกว้างขวาง ตอนนี้ผู้ใช้เพียงแค่สแกนป้ายกํากับโภชนาการเพื่อกรอกข้อมูลโภชนาการของอาหารใหม่ได้ทันที ในกรณีส่วนใหญ่ เครื่องสแกนป้ายกํากับข้อมูลจะรับรู้ข้อมูลภายในไม่ถึง 1 วินาที ผู้ใช้ไม่จําเป็นต้องถ่ายภาพด้วยซ้ํา แอปจะดึงข้อมูลจากมุมมองกล้องได้แบบเรียลไทม์