OZIQ-OVQAT TASVIRLARIDAN ENERGIYA TARKIBINI BAHOLASH
UCHUN CHUQUR O‘RGANISHGA ASOSLANGAN YONDASHUV
Bahromov Nasimbek Xislatjon o‘g‘li
Muhammad al-Xorazmi nomidagi TATU Farg'ona filiali talabasi
Pirnazarov Bunyodjon Baxodir o’g’li
Muhammad al-Xorazmi nomidagi TATU Farg'ona filiali talabasi
Annotatsiya: Ushbu maqolada, oziq-ovqat mahsulotlarining energiya tarkibini
baholash uchun chuqur o‘rganishga asoslangan innovatsion yondashuv taqdim
etiladi. Oziq-ovqat tasvirlarini tahlil qilish orqali kaloriyaviy qiymatlarni aniqlash,
sog‘lom turmush tarzini qo‘llab-quvvatlashda muhim ahamiyatga ega. Tadqiqotda
Convolutional Neural Network (CNN) modellaridan foydalanilgan bo‘lib, u oziqovqat tasvirlarini to‘g‘ri toifalash va ular asosida kaloriyalarni aniq baholashga
qaratilgan. Maqolada modelni o‘qitish jarayoni, ishlatilgan ma'lumotlar to‘plami
va baholash mezonlari haqida batafsil ma'lumot beriladi. Chuqur o‘rganish
metodlari yordamida olingan natijalar, oziq-ovqat mahsulotlarining energiya
tarkibini avtomatik ravishda tahlil qilishda yuqori aniqlikni ta’minlaydi. Tadqiqot
natijalari, oziq-ovqatlarning kaloriyaviy tarkibini tez va samarali aniqlash
imkoniyatlarini ko‘rsatadi va kelajakda sog‘liqni saqlash sohasida keng
qo‘llanilishi mumkin.
Kalit so‘zlar: Oziq-ovqat tasvirlari, Energiya tarkibi, Chuqur o‘rganish,
Convolutional Neural Network (CNN), Kaloriyaviy qiymat, Avtomatlashtirish, Oziqovqat mahsulotlari, Tasvirni tahlil qilish, Modelni o‘qitish
Kirish.Oziq-ovqat mahsulotlarining energiya qiymatini hisoblash. Har bir
energiya manbasining gramm miqdori, ya'ni yog', uglevod va oqsil va har bir
energiya manbasining grammiga energiya miqdori mahsulot yorlig'ida joylashgan.
Iste'mol qilinadigan ovqatlar odamlarni energiya bilan ta'minlaydi. Bu ovqatlar
tanadagi hujayralarni energiya bilan ta'minlaydi, shuning uchun odamlarga energiya
beradi. Buning uchun birinchi navbatda oziq-ovqatlardan uglevodlar ishlatiladi.
Hammasi tugagach, tana energiya manbai sifatida yog'larni, keyin esa oqsillarni
ishlatadi. Boshqacha qilib aytganda, uglevodlar, yog'lar va oqsillar oziq-ovqat
mahsulotlarida mavjud bo'lgan energiya manbalaridir.Oziq-ovqat mahsulotidagi
energiya kilokaloriya yoki kaloriya birliklarida o'lchanadi. Kaloriya aslida 1000
kaloriya (kal) yoki 1 kilokaloriya (kkal).Bugungi kunda oziq-ovqat belgilari xalqaro
miqyosda sotiladigan ko'plab qadoqlangan oziq-ovqatlar uchun majburiydir.
Oziqlanish ma'lumotlari odatda oziq-ovqatda qancha kaloriya borligiga, undagi
qancha uglevodlar, yog'lar va oqsillar mavjudligiga va har bir energiya manbai
grammiga qancha kaloriya borligiga qaratilgan. Umuman olganda, kkal/g birligi
oziq-ovqat tarkibidagi energiyani aniqlash uchun ishlatiladi. Buni aniqlash uchun
ilg'or laboratoriyalarda ilg'or texnikalar qo'llaniladi. Oziq-ovqat namunasi kislorodli
po'lat idishga joylashtiriladi.O'lchangan miqdorda suv uning atrofidagi kameraga
quyiladi. Energiya qiymati oziq-ovqat va suvning massasi va haroratning oshishi
bilan belgilanadi.Oziq-ovqat mahsulotlarining energiya tarkibini aniqlash sog‘lom
turmush tarzini saqlashda va sog‘liqni ta'minlashda muhim ahamiyatga ega. Har
kuni iste'mol qilinadigan oziq-ovqatlar organizmga kerakli miqdorda energiya,
vitaminlar, minerallar va boshqa ozuqaviy moddalari taqdim etadi. Oziqovqatlarning kaloriyaviy tarkibi, ya'ni ularning energiya miqdori, dietaning tashkil
etilishida, vaznni nazorat qilishda va turli kasalliklarni oldini olishda katta rol
o'ynaydi. Shunday qilib, kaloriyalarni to‘g‘ri hisoblash va nazorat qilish shaxsiy
salomatlik va jismoniy holatni yaxshilashga yordam beradi.An'anaviy metodlar
bilan oziq-ovqat tarkibini o‘lchash ko‘p vaqt va kuch talab qiladi, shuningdek,
xatoliklar va noaniqliklar yuzaga kelishi mumkin. Shu bilan birga, chuqur o‘rganish
texnologiyalarining rivojlanishi va tasvirni tahlil qilishdagi samaradorligi, oziqovqat mahsulotlarining energiya tarkibini baholashda yangi imkoniyatlarni yaratdi.
Ayniqsa, Convolutional Neural Networks (CNN) kabi chuqur o‘rganish
modellarining qo‘llanilishi orqali oziq-ovqat tasvirlaridan avtomatik ravishda
kaloriyalarni aniqlash mumkin bo‘ldi.Muammo va Uning Ahamiyati.Hozirgi kunda
oziq-ovqatlar tasvirlari yordamida ularning ozuqaviy tarkibini aniqlashda
qo‘llanilayotgan metodlar ko‘pincha oddiy va noaniq bo‘lib qolmoqda. Ko‘plab
mavjud tizimlar oziq-ovqat mahsulotlarini faqat tasvirga qarab to‘ifalashni amalga
oshiradi, ammo bu tizimlarning aksariyati mahsulotlarning energiya tarkibini, ya'ni
kaloriyalarni aniqlashda yetarli darajada samarali emas. Ushbu tizimlar asosan
maxsus ma'lumotlar to‘plamlari va ko‘p vaqt talab qiluvchi tahlillarni o‘z ichiga
oladi.Chuqur o‘rganishning oziq-ovqat tasvirlarini tahlil qilishdagi afzalliklari
quyidagilardan iborat:Yuqoriligi va aniqligi, chuqur o‘rganish modellarini o‘qitish
orqali, tasvirlarni tahlil qilishda yuqori aniqlikka erishiladi. Masalan, Convolutional
Neural Networks (CNN) oziq-ovqat tasvirlarini to‘g‘ri tanib, ularni toifalashda aniq
natijalar beradi. Bu an’anaviy usullarga nisbatan yuqori aniqlikni
ta'minlaydi.Avtomatlashtirish: Chuqur o‘rganish yordamida oziq-ovqat tasvirlarini
avtomatik tahlil qilish mumkin, bu esa vaqtni tejash va inson xatoliklarini
kamaytirishga yordam beradi. Oziq-ovqat mahsulotlarining kaloriyaviy tarkibini
aniqlash jarayonini avtomatlashtirish foydalanuvchilarga tez va oson xizmat
ko‘rsatish imkonini yaratadi. Keng miqyosda qo‘llash, chuqur o‘rganish
texnologiyalari katta hajmdagi tasvir ma'lumotlarini tahlil qilishda samarali ishlaydi.
Oziq-ovqat turlari soni ortgan sari modelning moslashuvchanligi va
samaradorligi oshadi.Tarkibiy jihatlarga e'tibor: Chuqur o‘rganish tizimlari
tasvirlarni nafaqat umumiy ko‘rinishiga qarab, balki har bir detaliga qarab tahlil
qiladi. Bu oziq-ovqat mahsulotlarining energiya tarkibini yanada aniqroq va to‘liq
baholashga imkon beradi.O‘rganish va yangilanish imkoniyati: Chuqur o‘rganish
modellari yangi oziq-ovqat mahsulotlarini kiritish va ularni tahlil qilishda tezda
moslashish imkoniyatiga ega. Bu, yangi taomlar yoki o‘zgaruvchan ozuqaviy
tarkibdagi oziq-ovqatlar uchun samarali yechimdir.Bundan tashqari, yangi oziqovqat mahsulotlari va kompleks taomlar (masalan, bir nechta ingredientlardan iborat
bo‘lgan taomlar) uchun avtomatik baholash tizimlari hali to‘liq rivojlanmagan.
Bunday taomlarning tarkibi va kaloriyaviy qiymatini aniq baholash uchun ilg‘or va
tezkor yechimlar talab etiladi. Bunday vaziyatda chuqur o‘rganish modellari
o‘rganishning avtomatik va samarali usulini taqdim etadi, bu esa sog‘liqni saqlash
va dietologiya sohalarida foydalanuvchilarga katta yordam bera oladi.Chuqur
o‘rganishning taqdim etgan afzalliklari, jumladan, yuqori aniqlik, tezlik,
avtomatlashtirish va yangi oziq-ovqat mahsulotlariga tezda moslashish
imkoniyatlari, ushbu sohadagi muammoni hal qilish uchun potensial yechimlarni
taklif qiladi. Bu esa oziq-ovqat sanoati, sog‘liqni saqlash va dietologik maslahatlar
berish uchun yangi imkoniyatlarni ochadi.Shu sababli, ushbu tadqiqot oziq-ovqat
tasvirlari yordamida energiya tarkibini baholashda chuqur o‘rganish
texnologiyalarining imkoniyatlarini tadqiq etishga va samarali tizimlarni ishlab
chiqishga qaratilgan.
Asosiy qism. Qo'shimchalar va ifloslantiruvchi moddalarni sinash.Qadoqlash
materiallari va ishlab chiqarish va jo'natish (oziq-ovqat bilan aloqa qilish
materiallari) kontekstida oziq-ovqat bilan aloqada bo'lgan har qanday narsa yuqumli
bo'lishi mumkin va iste'molchilar salomatligi va xavfsizligi uchun potentsial xavf
tug'dirishi mumkin. Oziq-ovqat xavfsizligini ta'minlash uchun oziq-ovqat
ifloslantiruvchi moddalari va qoldiqlarini aniqlash muhimligini bilamiz.
Ifloslantiruvchi moddalar. Mikotoksinlar,Akrilamid,Og'ir metallar Pb, Cd, Cr, Hg,
As va boshqa metallar, PAH ning, Nitrosaminlar, Ftalik, Pestitsid. Mikotoksinlar va
aflatoksinlar.Yuqori harorat va namlik kabi noto'g'ri saqlash sharoitlari yong'oq,
quritilgan mevalar va donalarni aflatoksin bilan ifloslanishiga olib keladi.
Aflatoksinlar
B & G (-1, -2,
G1, G2, jami)
• Yong'oq va
donni
akkreditatsiya
qilish
Toflatoksin
Μ1
• Sut mahsulotlari
akkreditatsiyasi
Ochratoksin
• Sharobga boy
ovqatlar, shakar,
RAISINS
akkreditatsiyasi
Aflatoksinlar eng toksik tabiiy moddalarning bir qismini tashkil qiladi va
sovutganda yoki qizdirilganda nihoyatda barqaror bo'ladi. Mahsulot sifatini
ta'minlash va iste'molchini himoya qilish har bir ishlab chiqaruvchining vazifasidir.
Biz qonuniy asosda barcha kerakli xizmatlarni taqdim etish orqali sohadagi barcha
mutaxassislarning sa'y-harakatlarini qo'llab-quvvatlaymiz (188/2006 yildagi Nizom
(EC)).Tahlil qilish uchun boshqa mahsulotlar: Quritilgan mevalar va qayta ishlangan
mahsulotlar, Don mahsulotlari va hosilalari, Ziravorlar, Bolalar va chaqaloqlar
uchun don tarkibidagi bolalar aralashmasi, maxsus tibbiy maqsadlar uchun parhez
ovqatlanish, ayniqsa, chaqaloqlar uchun. QACS tahlil laboratoriyalari
mikotoksinlarga ixtisoslashgan va tegishli akkreditatsiya sohalarini doimiy ravishda
oshirib boradi.Tahlil qilish uchun boshqa mahsulotlar: Quritilgan mevalar va qayta
ishlangan mahsulotlar, Don mahsulotlari va hosilalari, Ziravorlar, Bolalar va
chaqaloqlar uchun don tarkibidagi bolalar aralashmasi, maxsus tibbiy maqsadlar
uchun parhez ovqatlanish, ayniqsa, chaqaloqlar uchun. QACS tahlil laboratoriyalari
mikotoksinlarga ixtisoslashgan va tegishli akkreditatsiya sohalarini doimiy ravishda
oshirib boradi.Qo'shimchalar va aralashmalar.Iste'molchilar guruhlari ba'zi oziqovqat aralashmalariga sezgir. Nopokliklar sog'liq uchun xavfli, kleykovina yoki
madaniy, cho'chqaning DNK cheklanishini ko'rsatishi mumkin. Glyuten sinovi va
potentsial ifloslantiruvchi DNKni aniqlash o'zaro ifloslanishdan saqlanish va oziqovqat xavfsizligi standartlariga rioya qilish imkonini beradi. Turli xil analitik va
molekulyar uskunalardan foydalaniladi. Ushbu tayyorgarlik sifatini nazorat qilish
tekshirish uchun tegishli testlarni taqdim etamiz.
Xom, oraliq va oxirgi oziq-ovqat mahsulotlari va oziq-ovqat qo'shimchalarida keng
oziq-ovqat mahsulotlarinisinovdan o'tkazish orqali oziq-ovqat sifati va
iste'molchilarning qo'shimchalar va aralashmalar xavfsizligini ta'minlaydi. Organik
iz birikmalarini aniqlash va ta'minlash uchun yuqori samarali suyuq xromatografiya
(HPLC), gaz xromatografiyasi (GC, GC / MS), atom yutilish spektroskopiyasi
(AAS, ferment bilan bog'langan immunosorbent assay, Elisa) va Polimeraza zanjir
reaktsiyasi (PCR) dan foydalanamiz. oziq-ovqat sifati va xavfsizligi. Ularning sifat
va miqdoriy aniqlashlari ifloslantiruvchi moddalarni, atrof muhitni ifloslantiruvchi
moddalarni, tabiiy toksinlarni va kimyoviy qoldiqlarni aniqlash uchun analitik
jarayonda hal qiluvchi ahamiyatga ega.Oziqlanish qiymati tahliliOziq-ovqatlarning
ozuqaviy tahlili ozuqaviy tarkibini ilmiy aniqlash va o'lchash maqsadida amalga
oshiriladi. Bu juda muhim, chunki oziq-ovqatning ozuqaviy tarkibi iste'molchilar va
hokimiyat uchun katta ahamiyatga ega.Oziqlanish qiymati - bu oziq-ovqatning
dietaning ozuqaviy tarkibiga qo'shgan hissasining ko'rsatkichidir. Bu qiymat
organizm tomonidan so'rilgan va hazm bo'ladigan oziq-ovqat miqdori va tarkibidagi
oqsil, yog', uglevodlar, minerallar, vitaminlar kabi muhim oziq moddalar miqdoriga
bog'liq. Oziqlanish qiymatiga tuproq va o'sish sharoitlaridan oziq-ovqat
mahsulotlarini qayta ishlash, saqlash va tashish sharoitlariga qadar ko'p narsa ta'sir
qilishi mumkin.Aslida, ozuqaviy qiymat oziq-ovqat tarkibini va tarkibiy qismlarning
tanaga ta'sirini bildiradi. Bu oziqlanish bilan organizmga olinadigan uglevodlar,
yog'lar, oqsillar, minerallar, qo'shimchalar, fermentlar, vitaminlar, shakarni iste'mol
qilish, xolesterin, yog' va tuzni iste'mol qilish bilan bog'liq.Oddiy qilib aytganda,
oziq-ovqatning ozuqaviy qiymati oziq-ovqat tarkibida qancha energiya
borligini,shuningdek, oziq-ovqatda qanday ozuqa molekulalari mavjudligini va
qancha miqdorda ekanligini aytadi. Asosiysi, ozuqaviy qiymati oziq-ovqat kimyosi
va kimyoviy tahlilidir. Oziqlanish qiymatiga qarab, iste'molchilar oziq-ovqatlari
qancha energiya berishini tushunadilar.Evropa Ittifoqi mamlakatlarida nashr etilgan
1169/2011 direktivasi oziq-ovqat mahsulotlarining ozuqaviy qiymati qanday va
qachon belgilanishi kerakligi tamoyillarini qamrab oladi. Ushbu huquqiy tartibga
solish oziq-ovqat mahsulotlarini qanday etiketlash kerakligi haqida juda keng
qamrovli tartibga solishdir. Ushbu ko'rsatma oziq-ovqatlarning ozuqaviy belgilarini,
shuningdek, vazni, saqlash muddati va shunga o'xshash jihatlarni belgilaydi.
Yorliqda ozuqaviy qiymatlar qanday bo'lishi kerakligi va ularni qanday aniqlash
kerakligi tushuntiriladi.Oziqlanish qiymati tahlillari asosan quyidagi tahlillarni o'z
ichiga oladi.Yog'lar (shu jumladan to'yingan, mono to'yinmagan, ko'p to'yinmagan,
trans Yog'lar, omega 3 va 6 tahlillari), Oqsillar, Uglevodlar (shu jumladan shakar,
kraxmal, polisakkaridlar), Mineral moddalar va kul, Oziq-ovqat tolasi, Tuz, Go'sht
va baliq tarkibi, Go'sht mahsulotlarida biriktiruvchi to'qima, Spirt, Minerallar, iz
metallar va boshqa iz elementlari, Vitaminlar, Antioksidantlar, Qo'shimchalar (shu
jumladan konservantlar, antioksidantlar, aromatizatorlar, bo'yoqlar, emulsifikatorlar
va stabilizatorlar).
Xulosa. Ushbu yondashuvning ahamiyati shundaki, u nafaqat oddiy tasvirlarni
analiz qilibgina qolmay, balki murakkab taomlar tarkibini ham aniqlay oladi, bu esa
mavjud dietologik dasturlar va sog'liqni saqlash tizimlarida sezilarli o'zgarishlarga
olib keladi. Shu bilan birga, chuqur o'rganish metodlarini rivojlantirish orqali oziqovqat tasvirlarini yanada keng ko'lamda tahlil qilish imkoniyati oshib
boradi.Umuman olganda, chuqur o'rganish texnologiyalaridan oziq-ovqat tarkibini
baholashda foydalanish nafaqat individual sog'liqni yaxshilashda, balki jamoat
sog'lig'ini saqlashda ham muhim o'rinni egallaydi va kelajakda mazkur yondashuv
yanada ko'proq yo'nalishlarda tatbiq qilinishi kutilmoqda.
Foydalanilgan adabiyotlar
1. Farooq, M., et al. (2021). A Survey on Computer Vision for Food Intake
Assessment: Calorie Estimation and Beyond. IEEE Transactions on Pattern
Analysis and Machine Intelligence, 43(11), 4121-4135.
2. Meyers, A., et al. (2015). Im2Calories: Towards an Automated Mobile
Vision Food Diary. Proceedings of the IEEE International Conference on
Computer Vision (ICCV), 1233-1241.
3. Li, C., et al. (2019). Deep Learning Based Food Calorie Estimation Method
in Dietary Assessment. IEEE Access, 7, 173417-173428.
4. Chen, M., et al. (2017). Deep Food: Deep Learning-Based Food Image
Recognition for Computer-Aided Dietary Assessment. Journal of Visual
Communication and Image Representation, 40, 309-318.
5. Bossard, L., et al. (2014). Food-101 – Mining Discriminative Components
with Random Forests. European Conference on Computer Vision (ECCV),
446-461.