自助餐的數位轉型：AI 視覺辨識與電子秤重的技術結合

AI趨勢專家 / Anson Luo

隨著人工智慧應用的普及，傳統零售與餐飲業正迎來一場「計價革命」。近日台灣台中自助餐業者引進的「AI 智慧計費系統」， 將原本依賴人工目測（HumanInspection）的計價流程，轉化為標準化的自動化流程，這背後融合了電腦視覺（ComputerVision, CV）、傳感器數據整合以及邊緣計算（Edge Computing）等多項技術。

1. 核心技術：影像識別與多標籤分類 (Multi-label Classification)

這套系統的核心在於餐盤上方的攝影機，當餐盤放置於結帳區域時，系統會啟動偵測流程。

目標偵測 (Object Detection)：

AI 必須在雜亂的餐盤中，區分出哪些是「主菜」、哪些是「配菜」。

圖像分割與分類：

系統透過深度學習模型（如卷積神經網絡CNN），識別出菜色的特徵（形狀、紋理、顏色）。例如辨識出「荷包蛋」的邊緣特徵與「豆腐」的幾何形狀。

多模態對應：

由於自助餐菜色隨每日供應變動，後台需要建立一個動態的資料庫，將識別出的菜色代碼對應到當日的公克單價。

2. 數據整合：電子秤重與計價邏輯 (Sensor Fusion)

單純靠「看」是無法精準計價的，系統透過感測器融合技術，將視覺辨識結果與下方的高精度電子秤數據結合。

公克單價制度：

與傳統「論件計酬」不同，這套系統將辨識出的各類別菜色對應其單價（例如：菜 A 每100g 為 15 元，菜 B 每 100g 為 35 元）。

總重分攤與誤差補償：

系統透過深度學習模型（如卷積神經網絡CNN），識別出菜色的特徵（形狀、紋理、顏色）。例如辨識出「荷包蛋」的邊緣特徵與「豆腐」的幾何形狀。

3. 硬體架構：FPGA 加速與邊緣處理

為了達成報導中提到的 「即時自動產出帳單」，系統必須具備極低的延遲（Latency）。

即時處理：

影像數據不一定會上傳雲端，而是透過結帳機內部的處理單元（如 FPGA 或專用 AI晶片）進行即時推論，確保從放上餐盤到顯示金額只需不到一秒。

低功耗與高續航：

誠如先進穿戴裝置所追求的，商業結帳機也需要長時間穩定運作且不產生過多熱量，以維持零件壽命。

4. 解決「技術盲區」：人工智慧與人工的協同 (Human-in-the-loop)

儘管 AI 能辨識大部分菜色，但仍存在技術限制，這也是為何現場仍需店員輔助。

遮蔽問題 (Occlusion)：

如網友所言，「把肉藏在菜下面」，目前的 2D 視覺系統確實難以穿透底層。

語義模糊：

白飯的數量、內用或外帶容器的重量（扣重計算），目前仍由人工確認以確保 100%準確率。

5. 商業價值的數位化轉型

從管理角度看，這套系統將「經驗」轉化為「數據」。

透明化與去情緒化：

業者提到的「減少九成客訴」，其技術本質是移除了人工計價的不確定性。螢幕上的明細（XX 菜 50g 多少錢）建立了「數據信任」。

支付系統串接：

系統直接連結發票載具與行動支付，完成了從辨識、計價到結帳的自動化閉環 (Closed-loop)。

這台 AI計價機在台中的實裝，標誌著民生餐飲正式進入「數據定價」時代。雖然許多民眾仍懷念阿姨的「人情味」與「少算一點」，但從技術與經營的角度看，標準化與透明化才是未來智慧城市的趨勢！