สร้างระบบ OCR สำหรับร้านอาหาร: ท้าทายกว่าที่คิด

Thaam-Sang เริ่มต้นจากความต้องการช่วยร้านอาหารตามสั่งขนาดเล็กที่ต้องรับออเดอร์หน้าร้าน จดลงกระดาษ และส่งเข้าครัว ซึ่งมักเกิดปัญหาลายมืออ่านยากและออเดอร์ตกหล่น การนำ OCR เข้ามาช่วยแปลงข้อความบนกระดาษสู่ดิจิทัลจึงเป็นโจทย์ที่น่าสนใจมาก

ในสภาพแวดล้อมจริง แสงไฟในครัวมักไม่สม่ำเสมอ กระดาษจดเปื้อนน้ำมันหรือรอยพับ และลายมือของพนักงานจดอย่างเร่งรีบ โมเดล OCR มาตรฐานทั่วไปจึงมักอ่านผิดพลาดหรือจับคำไม่ได้

ผมออกแบบระบบแบบ Multi-stage: เริ่มต้นด้วย Image Preprocessing ปรับแสงและ contrast อัตโนมัติ ตามด้วยโมเดล Detection เพื่อตีกรอบข้อความ และส่งต่อไปยังโมเดล Recognition ที่ปรับแต่งคำศัพท์เฉพาะทางด้านอาหารไทย

เมื่อได้ข้อความแล้ว ระบบจะใช้ Rule-based Matching เพื่อจับคู่อาหารและตัวเลือกพิเศษ เช่น 'ไม่ใส่ผัก', 'ไข่ดาวไม่สุก' ส่งเข้าคิวทำอาหารอย่างถูกต้อง

สถาปัตยกรรมใช้ Python และ FastAPI เป็น AI Microservice ร่วมกับ Vision Model ที่ Fine-tuned สำหรับข้อความภาษาไทย โดยหน้าแดชบอร์ดจัดการสร้างด้วย Next.js และ WebSocket เพื่อส่งสัญญาณเตือนออเดอร์ใหม่แบบเรียลไทม์

การจัดการ Edge Cases มีผลต่อความสำเร็จมากกว่าความแม่นยำเฉลี่ยของโมเดล การเพิ่มปุ่มให้คนตรวจเช็กและแก้ไขได้ใน 1 วินาที สำคัญกว่าการพยายามทำให้ AI แม่นยำ 100% เสมอ

ขณะนี้กำลังทดลองปรับโมเดลให้มีขนาดเล็กลง เพื่อให้สามารถรันบนอุปกรณ์ประมวลผลขนาดเล็กที่ร้านอาหารได้โดยตรง ลดการพึ่งพาคลาวด์และลดค่าใช้จ่ายในระยะยาว