在Erasmus Brussels的研究生应用人工智能课程中，小组开发了一个物体检测模型，用于识别冰箱中的食材。这个项目的核心是AICook，一个烹饪应用，它能够识别冰箱中的食材，并查找包含这些食材的食谱。最后，为选定的食谱生成了与葡萄酒搭配的品酒师语音文本。听起来是不是很酷？继续阅读，将向介绍食材检测部分。
获取数据的过程相当困难，因为现有的公共数据集并不符合需求，所以决定自己创建数据集。从使用的食谱数据集中提取了前50种食材，并从中随机选取了30种来填充冰箱。这个数据集由Karel Cornelis创建，包括516张开源食材图片以及一个预训练的AICook模型和API。
使用一个固定位置的相机拍摄了所有图片（尺寸在1424-2144像素之间，ISO 400-300，sRGB色彩空间）。通过移动/更换食材，拍照，重复这个过程，总共拍摄了516张图片。这个过程非常枯燥，但幸运的是孩子们帮助完成了这项工作。
尽管市面上有许多标记工具，但选择了Roboflow，原因如下：这是一个在线工具，无需安装，易于使用；数据是私有的（即使是Roboflow的工作人员也需要许可才能查看），或者可以选择公开；支持多用户/团队协作；提供各种有用的工具、数据集版本和多种输出格式；标记图片非常简单。
发现标记是一个繁琐的任务，但Roboflow的团队已经意识到了这一点，并提供了两个非常有用的功能来显著加快标记速度：复制/粘贴前一张图片的标签；Label-Assist。标记了一半的图片，并用这些标记的图片生成了一个“助手”AI模型。然后，这个模型帮助标记了剩下的一半图片。
使用健康检查功能来评估工作。通过简单的鼠标点击，检查了类别平衡、每张图片中的对象数量和注释热图。正如所知道的，AI模型需要大量的数据，最好是有足够的变化，以便模型能够很好地泛化，并能够应对现实生活情况。大多数模型对输入大小有一定的限制。使用了YOLOv5，它需要32像素的倍数的正方形图片。
Roboflow平台提供了图像预处理和增强功能，并且可以以非常声明式的方式进行选择。可以挑选所需的增强功能，并选择想要多少版本的基本图片。
尝试并探索了几种不同的增强方式，最终选择了上述设置。所有数据集版本都被保留，并通过URL公开，可以轻松地在笔记本或应用程序中使用。当导出数据集时，有多种注释格式可供选择。这在想切换或比较模型时非常方便，无需额外的工作。只需指向正确的URL即可！
一旦设置好了数据集，并且添加了所需的增强功能，就可以开始在数据上训练视觉模型了。注意，数据集可以被分割成所需的三个部分（训练、验证、测试）。通常按照70%、20%、10%的比例分割，但也可以选择自己的数据集大小。
Roboflow还可以根据数据集生成模型，并将这些模型方便地暴露为网络服务端点。还有一些其他的即开即用部署选项。没有使用这些部署功能，因为想构建自己的应用程序。然而，确实使用了模型库中提供的YOLOv5笔记本来进行模型探索、设置训练等。