Дослідження ефективності мобільного керування харчовими ресурсами з використанням інтелектуальної системи на базі архітектури SWIFTUI та моделей LLM

Автор(и)

DOI:

https://doi.org/10.31498/2225-6733.53.1.2026.359758

Ключові слова:

штучний інтелект, машинне навчання, мобільний додаток, генеративні моделі, планування раціону, управління харчовими ресурсами, мінімізація відходів, Swift, OpenAI API, zero-waste

Анотація

У роботі наведено результати розробки та апробації мобільної інтелектуальної системи «FridgeChief», призначеної для автоматизації управління харчовими ресурсами домогосподарств. Програмний продукт реалізовано в середовищі Xcode з використанням мови Swift та фреймворків SwiftUI і SwiftData, що забезпечує нативну продуктивність та ефективне керування локальними базами даних інгредієнтів. Ключовою технологічною особливістю додатка є інтеграція з OpenAI API, що дозволяє використовувати моделі GPT-4 Turbo для динамічної генерації рецептур та DALL-E 3 для їх візуалізації. В ході дослідження обґрунтовано архітектуру системи, яка реалізує безшовну взаємодію між локальним інвентарем та хмарними LLM-моделями. Функціонал застосунку забезпечує детальний аналіз наявних продуктів і врахування широкої матриці дієтичних обмежень: веганство, вегетаріанство, безглютенову, безлактозну, палео-, кето- та низьковуглеводну дієти. Згенеровані рекомендації включають назву страви, час приготування, рівень складності, перелік компонентів та покрокові інструкції. Реалізовано механізм збереження рецептів на пристрої та алгоритм варіативності, що виключає дублювання страв при однаковому наборі інгредієнтів. Експериментальна верифікація протягом 30 днів підтвердила високу працездатність обраного технологічного стека. Впровадження системи дозволило скоротити обсяг харчових відходів на 64%, а загальний рівень утилізації продуктів знизився з 26,8% до 9,6%. Зафіксовано оптимізацію продуктових витрат користувачів на 25,7%. Поведінковий аналіз показав зниження частоти непланових закупівель у 2,5 раза, тоді як суб’єктивна оцінка якості планування раціону зросла у 2,2 раза. Доведено, що використання генеративного ШІ в нативних мобільних інтерфейсах є ефективним інструментом впровадження концепції «zero-waste» через точну персоналізацію та мінімізацію часових витрат на планування

Посилання

  1. Food recognition using deep learning: A review / B. Liu et al. Journal of Food Engineering. 2024. Vol. 362. Article 111759. DOI: https://doi.org/10.1109/ICAC3N56670.2022.10074297.
  2. Martínez-Pérez B., de la Torre-Díez I., López-Coronado M. Mobile Health Applications for the Most Prevalent Conditions by the World Health Organization: Review and Analysis. Journal of Medical Internet Research. 2013. Vol. 15, no. 6. Article e120. DOI: https://doi.org/10.2196/jmir.2600.
  3. Liu J. Q., Boulom T. An AI-Powered Mobile Application for Reducing Food Waste through Cost Estimation and user Awareness. Proceedings of 6th International Conference on Artificial Intelligence and Big Data (ICAIBD), Chengdu, China, 23-26 May 2025. Pp. 37-45. DOI: https://doi.org/10.5121/csit.2024.150104.
  4. Toh S. H. Y., Lee S. C., Sündermann O. Mobile Behavioral Health Coaching as a Preventive Intervention for Occupational Public Health: Retrospective Longitudinal Study. JMIR Formative Research. 2023. Vol. 7. Article e45678. DOI: https://doi.org/10.2196/45678.
  5. Ataguba G., Orji R. Exploring Large Language Models for Personalized Recipe Generation and Weight-Loss Management. ACM Transactions on Computing for Healthcare. 2025. Vol. 6, iss. 2. Article 22. Pp. 1-57. DOI: https://doi.org/10.1145/3712709.
  6. Sherin J., Prasath V. S., Rayen S. J. AI-Driven Rec-ipe Recommendation System and Seamless Ingredient Delivery. International Journal for Multi-disciplinary Research (IJFMR). 2025. Vol. 7, iss. 1. Article 37792. DOI: https://doi.org/10.36948/ijfmr.2025.v07i01.37792.
  7. Krupitzer C., Stein A. Food Informatics – Review of the Current State-of-the-Art, Revised Definition, and Classification into the Research Land-scape. Foods. 2021. Vol. 10, iss. 11. Article 2889. DOI: https://doi.org/10.3390/foods10112889.
  8. NoWaste official website. URL: https://www.nowasteapp.com (дата звернення 15.01.2026).
  9. Kitche official website. URL: https://www.kitche.co (дата звернення 15.01.2026).
  10. SuperCook official website. URL: https://www.supercook.com (дата звернення 15.01.2026).
  11. Yummly official website. URL: https://www.yummly.com (дата звернення 15.01.2026).
  12. ZOE official website. URL: https://www.zoe.com (дата звернення 15.01.2026).
  13. Nutrigenomix official website. URL: https://www.nutrigenomix.com (дата звернення 15.01.2026).
  14. Olio official website. URL: https://www.olioapp.com (дата звернення 15.01.2026).
  15. Too Good To Go official website. URL: https://www.toogoodtogo.com/ (дата звернення 15.01.2026).

##submission.downloads##

Опубліковано

2026-03-26

Як цитувати

Балалаєва , О., Марченко , І., & Браткевич , В. . (2026). Дослідження ефективності мобільного керування харчовими ресурсами з використанням інтелектуальної системи на базі архітектури SWIFTUI та моделей LLM. Вісник Приазовського Державного Технічного Університету. Серія: Технічні науки, 1(53), 7–15. https://doi.org/10.31498/2225-6733.53.1.2026.359758

Номер

Розділ

122 Комп'ютерні науки та інформаційні технології