AI ಬಳಸಿ ಸಸ್ಯ ಆಧಾರಿತ ಆಹಾರಗಳಿಗಾಗಿ ನಿಯಮಬದ್ಧ ರಿಟೇಲ್ ಲೇಬಲ್ಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು
ಸಸ್ಯ ಆಧಾರಿತ ಉದ್ಯಮಿಗಳು ರೆಸಿಪಿ ಬದಲಾವಣೆಗಳು, ಬ್ಯಾಚ್ ಸ್ಕೇಲಿಂಗ್ (batch scaling) ಮತ್ತು ರಿಟೇಲ್ ಲೇಬಲ್ಗಳನ್ನು ನಿಖರವಾಗಿಡುವ ಕೆಲಸದ ನಡುವೆ ಹೆಣಗಾಡುತ್ತಾರೆ. ಒಂದು ಅಲರ್ಜನ್ (allergen) ಅನ್ನು ಮರೆತರೂ ಅಥವಾ ಹಳೆಯ ಪೌಷ್ಟಿಕಾಂಶದ ಮಾಹಿತಿಯನ್ನು ನೀಡಿದರೂ, ಅದು ದುಬಾರಿ ವಾಪಸಾತಿಗಳಿಗೆ (recalls) ಕಾರಣವಾಗುತ್ತದೆ ಮತ್ತು ಗ್ರಾಹಕರ ನಂಬಿಕೆಯನ್ನು ಕುಗ್ಗಿಸುತ್ತದೆ.
'ನ್ಯೂಟ್ರಿಷನ್ ಮ್ಯಾಪಿಂಗ್ ಪೈಪ್ಲೈನ್' (Nutrition Mapping Pipeline) ತತ್ವವು ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತದೆ. ನೀವು ಪ್ರತಿಯೊಂದು ರೆಸಿಪಿಯನ್ನು ಒಂದು ಡೇಟಾ ಸೆಟ್ ಆಗಿ ಪರಿಗಣಿಸುತ್ತೀರಿ, ಇದು ಪದಾರ್ಥಗಳ ಪಟ್ಟಿ, ಪೌಷ್ಟಿಕಾಂಶದ ಮ್ಯಾಪಿಂಗ್, ಅಲರ್ಜನ್ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಮತ್ತು ಲೇಬಲ್ ಔಟ್ಪುಟ್ ಎಂಬ ಪುನರಾವರ್ತಿತ ಪೈಪ್ಲೈನ್ ಮೂಲಕ ಚಲಿಸುತ್ತದೆ. AI ಚಾಲಿತ ಲುಕ್ಅಪ್ಗಳು ಮತ್ತು ನಿಯಮಗಳ ಪರಿಶೀಲನೆಯೊಂದಿಗೆ ಪ್ರತಿ ಹಂತವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ಮೂಲಕ, ಫಾರ್ಮುಲಾವನ್ನು ಸ್ಕೇಲ್ ಮಾಡಿದ ತಕ್ಷಣ ಪೌಷ್ಟಿಕಾಂಶದ ಮಾಹಿತಿ ಮತ್ತು ಅಲರ್ಜನ್ ಘೋಷಣೆಗಳು ಅಪ್ಡೇಟ್ ಆಗುವುದನ್ನು ನೀವು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬಹುದು. ಇದು ಮ್ಯಾನುಯಲ್ ಸ್ಪ್ರೆಡ್ಶೀಟ್ಗಳ ಅಗತ್ಯವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ.
ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ:
ಪದಾರ್ಥಗಳ ಇಂಜೆಸ್ಟಿನ್ (Ingredient ingestion): ಸಿಸ್ಟಮ್ ನಿಮ್ಮ ರೆಸಿಪಿಯನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಮೂಲ ಪೌಷ್ಟಿಕಾಂಶಗಳನ್ನು ಪಡೆಯಲು ಪ್ರತಿಯೊಂದು ಕಚ್ಚಾ ಪದಾರ್ಥವನ್ನು USDA FoodData Central API ಗೆ ಹೊಂದಿಸುತ್ತದೆ.
ಪೌಷ್ಟಿಕಾಂಶದ ಸ್ಕೇಲಿಂಗ್ (Nutrient scaling): ಪೈಪ್ಲೈನ್ ಆ ಮೌಲ್ಯಗಳನ್ನು ಬ್ಯಾಚ್ನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಪದಾರ್ಥದ ನಿಖರವಾದ ತೂಕದಿಂದ ಗುಣಿಸುತ್ತದೆ. ಇದು ಅವುಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ ಮತ್ತು ತೇವಾಂಶದ ನಷ್ಟ ಅಥವಾ ಅಡುಗೆಯ ಇಳುವರಿ ಅಂಶಗಳನ್ನು (cooking yield factors) ಅನ್ವಯಿಸುತ್ತದೆ.
ಅಲರ್ಜನ್ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಜನರೇಷನ್ (Allergen matrix generation): AI ಮಾಡೆಲ್ ಪ್ರತಿಯೊಂದು ಪದಾರ್ಥವನ್ನು ಅಲರ್ಜನ್ ಲೈಬ್ರರಿಯೊಂದಿಗೆ ಪರಿಶೀಲಿಸುತ್ತದೆ. ಇದು ಸೋಯಾ ಅಥವಾ ಗೋಧಿಯಂತಹ ಉದ್ದೇಶಿತ ಅಲರ್ಜನ್ಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ಸರಬರಾಜುದಾರರ ಡೇಟಾದಿಂದ ಕ್ರಾಸ್-ಕಾಕ್ಟ್ಯಾಕ್ಟ್ ರಿಸ್ಕ್ ಸ್ಕೋರ್ಗಳನ್ನು (cross-contact risk scores) ಸೇರಿಸುತ್ತದೆ.
ಲೇಬಲ್ ಸಿದ್ಧತೆ (Label readiness): ಪೌಷ್ಟಿಕಾಂಶದ ಪ್ರೊಫೈಲ್ ಮತ್ತು ಅಲರ್ಜನ್ ಪಟ್ಟಿಯು ಲೇಬಲ್ ಜನರೇಷನ್ ಸರ್ವಿಸ್ಗೆ ಇನ್ಪುಟ್ ಆಗುತ್ತದೆ. ಈ ಸೇವೆಯು FDA ಅಥವಾ EU ನಿಯಮಗಳ ಪ್ರಕಾರ 'ನ್ಯೂಟ್ರಿಷನ್ ಫ್ಯಾಕ್ಟ್ಸ್' ಪ್ಯಾನಲ್ ಅನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುತ್ತದೆ.
ಒಂದು ಸ್ಟಾರ್ಟ್ಅಪ್ ಹೊಸ ಪೀ-ಪ್ರೋಟೀನ್ (pea-protein) ಬರ್ಗರ್ ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತದೆ. ಅವರು 2 ಕೆಜಿ ಪರೀಕ್ಷಾ ಬ್ಯಾಚ್ ಅನ್ನು ಪ್ರಾದೇಶಿಕ ವಿತರಕರಿಗಾಗಿ 20 ಕೆಜಿಗೆ ಸ್ಕೇಲ್ ಮಾಡುತ್ತಾರೆ. ನ್ಯೂಟ್ರಿಷನ್ ಮ್ಯಾಪಿಂಗ್ ಪೈಪ್ಲೈನ್ ಬಳಸಿ, ಸಿಸ್ಟಮ್ ಪ್ರೋಟೀನ್ ಮತ್ತು ಸೋಡಿಯಂ ಮಟ್ಟಗಳನ್ನು ಮರುಲೆಕ್ಕಹಾಕುತ್ತದೆ. ಇದು ಹೊಸ ಬನ್ ಸರಬರಾಜುದಾರರಿಂದ ಗ್ಲುಟನ್ ಕ್ರಾಸ್-ಕಾಕ್ಟ್ಯಾಕ್ಟ್ ಅಪಾಯವನ್ನು ಸಹ ಗುರುತಿಸುತ್ತದೆ, ಇದರಿಂದ ಮುದ್ರಣ ಮಾಡುವ ಮೊದಲು ಅಪ್ಡೇಟ್ ಮಾಡಲಾದ ಅಲರ್ಜನ್ ಹೇಳಿಕೆಯನ್ನು ನೀಡಲು ಪ್ರೇರೇಪಿಸುತ್ತದೆ.
ಅನುಷ್ಠಾನದ ಹಂತಗಳು:
ಡೇಟಾ ಇಂಜೆಸ್ಟಿನ್ ಲೇಯರ್ ಅನ್ನು ನಿರ್ಮಿಸಿ. ನಿಮ್ಮ ರೆಸಿಪಿ ಟೂಲ್ ಅನ್ನು USDA API ಗೆ ಸಂಪರ್ಕಿಸಿ ಮತ್ತು ಪೌಷ್ಟಿಕಾಂಶದ ಪ್ರೊಫೈಲ್ಗಳನ್ನು ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ.
AI ಅಲರ್ಜನ್ ಲಾಜಿಕ್ ಅನ್ನು ನಿಯೋಜಿಸಿ. ಡೇಟಾ ಪೇಲೋಡ್ (data payload) ತಯಾರಿಸಲು ಪದಾರ್ಥಗಳನ್ನು ಅಲರ್ಜನ್ ಮಿತಿಗಳೊಂದಿಗೆ (allergen thresholds) ಕ್ರಾಸ್-ರೆಫರೆನ್ಸ್ ಮಾಡುವ ರೂಲ್-ಬೇಸ್ಡ್ ಮಾಡೆಲ್ ಅನ್ನು ಚಲಾಯಿಸಿ.
ಲೇಬಲ್ಗಳನ್ನು ತಯಾರಿಸಿ ಮತ್ತು ವಿತರಿಸಿ. ಪೌಷ್ಟಿಕಾಂಶ ಮತ್ತು ಅಲರ್ಜನ್ ಪೇಲೋಡ್ನೊಂದಿಗೆ FoodLabelMaker API ಅನ್ನು ಕರೆಯಿರಿ. ಈ ಸೇವೆಯು ಮುದ್ರಣಕ್ಕೆ ಸಿದ್ಧವಾಗಿರುವ PDF ಗಳನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ವೆಬ್ಹುಕ್ (webhook) ಮೂಲಕ ನಿಮ್ಮ ಪ್ರಿಂಟರ್ಗೆ ಸೂಚನೆ ನೀಡುತ್ತದೆ.
Nutrition Mapping Pipeline ಮೂಲಕ ಲೇಬಲ್ ತಯಾರಿಕೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದರಿಂದ ಕೈಯಿಂದ ಮಾಡುವ ಗಣಿತದ ಲೆಕ್ಕಾಚಾರಗಳ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ. ಇದು ಅಲರ್ಜನ್ ಘೋಷಣೆಗಳು ಪೂರೈಕೆದಾರರ ರಿಸ್ಕ್ ಡೇಟಾದೊಂದಿಗೆ (supplier risk data) ಅಪ್ಡೇಟ್ ಆಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಇದು ಸಸ್ಯ ಆಧಾರಿತ ಬ್ರ್ಯಾಂಡ್ಗಳು ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರ ನಿಯಮಗಳಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಅನುಗುಣವಾಗಿರುವಾಗಲೂ, ತಮ್ಮ ರೆಸಿಪಿಗಳನ್ನು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ವಿಸ್ತರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಮೂಲ: https://dev.to/ken_deng_ai/automating-compliant-retail-labels-for-plant-based-foods-with-ai-2b97
ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: https://t.me/GyaanSetuAi