𝗔𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗻𝗴 𝗖𝗼𝗺𝗽𝗹𝗶𝗮𝗻𝘁 𝗥𝗲𝘁𝗮𝗶𝗹 𝗟𝗮𝗯𝗲𝗹𝘀 𝗳𝗼𝗿 𝗣𝗹𝗮𝗻𝘁-𝗕𝗮𝘀𝗲𝗱 𝗙𝗼𝗼𝗱𝘀 𝘄𝗶𝘁𝗵 𝗔𝗜
ప్లాంట్-బేస్డ్ వ్యాపారవేత్తలు రెసిపీ మార్పులు, బ్యాచ్ స్కేలింగ్ మరియు రిటైల్ లేబుల్స్ను ఖచ్చితంగా ఉంచడం వంటి అనేక పనులను నిర్వహించాల్సి ఉంటుంది. ఒక చిన్న అలర్జీ కారకాన్ని (allergen) మర్చిపోవడం లేదా పాతబడిన పోషక వివరాలను ఇవ్వడం వల్ల ఖరీదైన రీకాల్స్ (recalls) సంభవిస్తాయి మరియు వినియోగదారుల నమ్మకం దెబ్బతింటుంది.
'న్యూట్రిషన్ మ్యాపింగ్ పైప్లైన్' (Nutrition Mapping Pipeline) సూత్రం దీనికి పరిష్కారం చూపుతుంది. మీరు ప్రతి రెసిపీని ఒక డేటా సెట్గా పరిగణించి, దానిని ఒక పునరావృతమయ్యే పైప్లైన్ ద్వారా పంపిస్తారు: ఇంగ్రీడియంట్ లిస్ట్, న్యూట్రియెంట్ మ్యాపింగ్, అలర్జెన్ మ్యాట్రిక్స్ మరియు లేబుల్ అవుట్పుట్. AI-ఆధారిత లుకప్లు మరియు రూల్ చెక్లతో ప్రతి దశను ఆటోమేట్ చేయడం ద్వారా, ఫార్ములాను స్కేల్ చేసినప్పుడు పోషక వివరాలు మరియు అలర్జెన్ ప్రకటనలు తక్షణమే అప్డేట్ అయ్యేలా మీరు గ్యారెంటీ ఇవ్వవచ్చు. దీనివల్ల మాన్యువల్ స్ప్రెడ్షీట్ల అవసరం ఉండదు.
ఇది ఎలా పనిచేస్తుంది:
ఇంగ్రీడియంట్ ఇంజెషన్ (Ingredient ingestion): సిస్టమ్ మీ రెసిపీని విశ్లేషించి, ప్రాథమిక పోషకాలను పొందడానికి ప్రతి ముడి పదార్థాన్ని USDA FoodData Central APIతో సరిపోల్చుతుంది.
న్యూట్రియెంట్ స్కేలింగ్ (Nutrient scaling): పైప్లైన్ ఆ విలువలను బ్యాచ్లోని ప్రతి పదార్థం యొక్క ఖచ్చితమైన బరువుతో గుణిస్తుంది. ఇది వాటిని మొత్తంగా లెక్కించి, తేమ కోల్పోవడం (moisture loss) లేదా వంట ద్వారా వచ్చే దిగుబడి (cooking yield) కారకాలను వర్తింపజేస్తుంది.
అలర్జెన్ మ్యాట్రిక్స్ జనరేషన్ (Allergen matrix generation): ఒక AI మోడల్ ప్రతి పదార్థాన్ని అలర్జెన్ లైబ్రరీతో సరిపోల్చి చూస్తుంది. ఇది సోయా లేదా గోధుమల వంటి అలర్జీ కారకాలను గుర్తిస్తుంది మరియు సప్లయర్ డేటా నుండి క్రాస్-కాంటాక్ట్ రిస్క్ స్కోర్లను జోడిస్తుంది.
లేబుల్ రెడీనెస్ (Label readiness): పోషక ప్రొఫైల్ మరియు అలర్జెన్ జాబితా లేబుల్ జనరేషన్ సర్వీస్లోకి వెళ్తాయి. ఈ సర్వీస్ FDA లేదా EU నిబంధనల ప్రకారం న్యూట్రిషన్ ఫ్యాక్ట్స్ ప్యానెల్ను ఫార్మాట్ చేస్తుంది.
ఒక స్టార్టప్ కొత్త పీ-ప్రోటీన్ బర్గర్ను లాంచ్ చేస్తుంది. వారు ఒక ప్రాంతీయ డిస్ట్రిబ్యూటర్ కోసం 2 కిలోల టెస్ట్ బ్యాచ్ను 20 కిలోలకు స్కేల్ చేస్తారు. న్యూట్రిషన్ మ్యాపింగ్ పైప్లైన్ను ఉపయోగించి, సిస్టమ్ ప్రోటీన్ మరియు సోడియం స్థాయిలను తిరిగి లెక్కిస్తుంది. అలాగే, కొత్త బన్ సప్లయర్ నుండి గ్లూటెన్ క్రాస్-కాంటాక్ట్ రిస్క్ను కూడా ఇది గుర్తిస్తుంది, దీనివల్ల ప్రింటింగ్ కంటే ముందే అప్డేట్ చేసిన అలర్జెన్ స్టేట్మెంట్ను సిద్ధం చేయవచ్చు.
అమలు చేసే దశలు:
డేటా ఇంజెషన్ లేయర్ను నిర్మించండి. మీ రెసిపీ టూల్ను USDA APIకి కనెక్ట్ చేసి, పోషక ప్రొఫైల్లను డేటాబేస్లో నిల్వ చేయండి.
AI అలర్జెన్ లాజిక్ను అమలు చేయండి. డేటా పేలోడ్ను రూపొందించడానికి పదార్థాలను అలర్జెన్ పరిమితులతో (allergen thresholds) సరిపోల్చే రూల్-బేస్డ్ మోడల్ను రన్ చేయండి.
లేబుల్స్ను రూపొందించండి మరియు పంపిణీ చేయండి. న్యూట్రియెంట్ మరియు అలర్జెన్ పేలోడ్తో FoodLabelMaker APIని కాల్ చేయండి. ఈ సర్వీస్ ప్రింట్ చేయడానికి సిద్ధంగా ఉన్న PDFలను అందిస్తుంది మరియు వెబ్హుక్ (webhook) ద్వారా మీ ప్రింటర్కు తెలియజేస్తుంది.
న్యూట్రిషన్ మ్యాపింగ్ పైప్లైన్ ద్వారా లేబుల్ తయారీని ఆటోమేట్ చేయడం వల్ల మాన్యువల్ గణనల అవసరం ఉండదు. ఇది అలర్జెన్ ప్రకటనలు సప్లయర్ రిస్క్ డేటాతో ఎల్లప్పుడూ అప్డేట్గా ఉండేలా నిర్ధారిస్తుంది. దీనివల్ల ప్లాంట్-బేస్డ్ బ్రాండ్లు రిటైల్ నిబంధనలకు పూర్తిగా లోబడి ఉంటూనే, తమ రెసిపీలను నమ్మకంగా విస్తరించవచ్చు.
మూలం: https://dev.to/ken_deng_ai/automating-compliant-retail-labels-for-plant-based-foods-with-ai-2b97
ఐచ్ఛిక అభ్యాస సమూహం: https://t.me/GyaanSetuAi