СВЕРТКАЛЫ НЕЙРОНДЫ ЖЕЛІЛЕР ЖӘНЕ VISION-LANGUAGE МОДЕЛЬДЕР НЕГІЗІНДЕ ТЕРІ КҮТІМІ ҚҰРАЛДАРЫН ЖЕКЕЛЕНДІРІП ТАҢДАУҒА АРНАЛҒАН МОБИЛЬДІ ҚОСЫМША
##plugins.pubIds.doi.readerDisplayName##:
https://doi.org/10.62931/2959-6335_2026_1_19Ключевые слова:
тері талдауы, сверткалы нейронды желілер (CNN), vision-language модельдері (VLM), ұсыным жүйелері, тері күтімі құралдары, мобильді қосымшалар, косметология.Аннотация
Бұл мақалада жасанды интеллект әдістеріне негізделген тері жағдайын талдау және күтім құралдарын жекелендіріп таңдауға арналған мобильді қосымшаның архитектурасы мен бағдарламалық жүзеге асырылуы ұсынылады. Шешім, ең алдымен, терісі жоғары физиологиялық жүктемеге ұшырайтын тұлғаларға – кәсіби спортшылар мен белсенді фитнес әуесқойларына – бағытталған, сонымен қатар кең аудиторияға да қолдануға жарамды. Талдау модулі екі кезеңді тәсіл негізінде құрылған: дерматологиялық таңбаланған ашық селфи-суреттер деректер жиынтығында transfer learning әдісімен оқытылған ResNet тобына жататын сверткалы нейронды желі (CNN) және күрделі кластар үшін CNN нәтижелерін валидациялайтын Gemini Flash 2.5 vision-language моделі. Ұсыным алгоритмі егжей-тегжейлі сипатталған, оған аллергендерді қатаң сүзгілеу, тері түріне байланысты өнімдерді бағалау, белсенді ингредиенттердің үйлесімсіздік графы, сондай-ақ баға санаттары мен брендтердің әртүрлілігін ескеретін іріктеу критерийлері кіреді. Сандық тиімділік көрсеткіштері тері түрін жіктеуде 88,65 % және тері мәселелерін анықтауда 91,35 % дәлдікті көрсетеді; VLM-валидаторын интеграциялау күрделі кластардағы дәлдікті 79,0 %-дан 92,4 %-ға дейін арттырды. Алынған нәтижелер косметология саласындағы мобильді бет талдауы үшін CNN + VLM гибридті тәсілінің практикалық тиімділігін растайды.
