gototopgototop

Система поддержки принятия решений для оценки качества косметической продукции

Кузьмина Марина Романовна – студент МИРЭА - Российского технологического университета.

Аннотация: В работе представлена разработка системы оценки качества косметической продукции с помощью глубокой нейронной сети прямого распространения. Известно, что средства ухода с агрессивными компонентами в составе могут сильно навредить здоровью человека. Именно поэтому процесс выбора становится затруднительным. В результате исследования было установлено сокращение времени принятия решения при выборе косметического средства.

Ключевые слова: Искусственный интеллект, нейронная сеть, косметика, здоровье, качество.

Активный рост в области нейронных сетей и нейрокомпьютеров обусловлен потребностью человека быстро и наиболее точно решать плохо формализованные задачи. К ним относят задачи классификации объектов, прогнозирования событий, аппроксимации функций, автоматизации процесса принятия решений и т.д. На сегодняшний день, работы в области нейронных сетей - это огромный вклад в науку и промышленность, в том числе и парфюмерно-косметическую.

Применение искусственного интеллекта (ИИ) в косметической сфере довольно распространено и многие бренды активно его используют. Как известно, ИИ можно встретить при создании персонифицированной косметики, когда человек заполняет данные на сайте о его типе кожи, волос и рассказывает о образе жизни. Несомненно, внутренние алгоритмы обрабатывают ответы пользователя и подбирают нужный ему состав.

Так, например, Proven Skincare — калифорнийский бренд, созданный доктором Эми Юань и Мин Чжао. Используя научный опыт, они создали целостный подход к уходу за кожей, основаный на The Skin Genome Project (проект генома кожи). Skin Genome Project, лауреат премии MIT за искусственный интеллект 2018 года, является самой полной из когда-либо созданных баз данных по уходу за кожей. Прежде чем создать продукт, ИИ анализирует эффективность более 20238 ингредиентов, информацию о более чем 100000 отдельных продуктов, жесткость воды, уровень влажности и УФ индекс местности пользователя и т.д.[1]

Искусственный интеллект используется и на functionofbeauty.com. На сайте человек заполняет анкету и получает рекомендацию по выбору собственного шампуня.

Задачей данной работы является создание программного обеспечения, которое классифицирует состав косметического продукта с помощью глубокой нейронной сети.

Разрабатываемая информационная система на основе данных, собранных вручную от производителей и личного опыта поможет человеку в выборе косметического продукта.

Для решения поставленной задачи была проделана большая работа по сбору и анализу данных. Официальные источники от производителей косметических средств предоставляют подробную информацию о продукте: состав, согласно INCI (международная номенклатура косметических ингредиентов), область применения, рекомендуемый возраст потребителя и т.д.

Следующим важным этапом разработки является преобразование текста состава косметического средства в числовой вектор. Этого можно достигнуть с помощью метода тональных словарей. Словарь ингредиентов составлен из уникальных значений INCI и их тональности (оценки). Нейронная сеть преобразует текст рецептур косметики в вектор чисел, сопоставляя каждый ингредиент с числом напротив в словаре.

Для обучение модели нейронной сети (многослойный перцептрон) в качестве входных данных поступают сформированные тренировочные наборы. Каждый набор включает в себя массив признаков, по которым прогнозируется выход и целевое значение (класс). В процессе проверки на тестовом наборе вычисляется точность работы модели.

По результатам обучения и тестирования модель сможет распознать вредные для здоровья ингредиенты и неподходящие рецептуры для индивидуальных характеристик человека. По полученным данным исследования становится возможным идентифицировать качество состава, рекомендовать его потребителю, а также ускорить процесс принятия решения при выборе средства.

Список литературы

  1. Proven Skincare [Электронный ресурс] // URL:https://www.provenskincare.com/ (дата обращения: 8.04.2020).
  2. Круг П.Г. Нейронные сети и нейрокомпьютеры: Учебное пособие по курсу 
«Микропроцессоры». – М.: Издательство МЭИ, 2002. – 176 с.
  3. В.И. Горбаченко, Б.С. Ахметов, О.Ю. Кузнецова. Интеллектуальные системы: нечеткие системы и сети. Учебное пособие. – М.: Юрайт, 2018. – 106 с.

Интересная статья? Поделись ей с другими:

Внимание, откроется в новом окне. PDFПечатьE-mail