Real-World Deployment at SK Presint 11 (2) Putrajaya
Bibora Vision AI has officially kicked off pilot testing at Kantin Guru (Teachers Canteen), SK Presint 11 (2) Putrajaya. This real-world deployment marks a significant milestone in bringing AI-powered visual self-checkout to school and canteen environments.
"Bibora Vision AI is currently pilot testing at Kantin Guru SK Presint 11 (2) Putrajaya, achieving 82% accuracy in scanning and identifying complex Nasi Campur plates in real time."
Why Nasi Campur Presents a Unique AI Challenge
Nasi Campur is notorious for being one of the hardest food categories for traditional automated billing. Dishes feature overlapping curries, varying gravy density (kuah banjir), and different portion cuts of chicken, fish, and vegetables placed closely together on a single plate.
Despite these visual complexities, our overhead computer vision model is already achieving 82% accuracy in identifying distinct dishes and portion sizes during peak lunch hours.
Key Highlights of the Pilot Test
- Location: Kantin Guru, SK Presint 11 (2) Putrajaya
- Current Recognition Accuracy: 82% (and continuously improving with daily model training)
- Primary Dish Focus: Nasi Campur, side dishes, traditional curries, and beverages
- Target Outcome: Drastically reduce queue times for teachers during short break intervals so they can spend more time resting and preparing for classes.
Step-by-Step AI Scanning Process
- Plate Placement: Teachers place their Nasi Campur plate directly under the Bibora Vision AI kiosk's overhead camera.
- Instant Instance Segmentation: The camera captures the plate visual and runs neural network instance segmentation to detect rice, gravies, meats, and vegetables.
- Itemized Billing & Pricing: The kiosk calculates the exact bill based on detected dishes and displays the total in under 1 second.
- Cashless Checkout: Teachers scan and pay instantly using DuitNow QR or e-wallets, completing checkout in seconds.
Next Steps and Model Optimization
With active data ingestion from Kantin Guru SK Presint 11 (2), our deep learning model receives continuous dataset updates daily. As more plate variations are scanned, the neural network's confidence score continues to rise toward our target 99%+ accuracy threshold across all Malaysian canteen menus.
Ujian Sebenar di Kantin Guru SK Presint 11 (2) Putrajaya
Bibora Vision AI secara rasminya telah memulakan ujian rintis di Kantin Guru, SK Presint 11 (2) Putrajaya. Ujian di lokasi sebenar ini adalah langkah penting untuk membawakan sistem bayaran layan diri berasaskan visi AI ke persekitaran sekolah dan kafeteria.
"Bibora Vision AI kini sedang menjalani ujian rintis di Kantin Guru SK Presint 11 (2) Putrajaya, mencatatkan ketepatan 82% dalam mengimbas dan mengecam pinggan Nasi Campur pelbagai lauk secara langsung."
Kenapa Nasi Campur Sangat Mencabar Untuk AI?
Nasi Campur terkenal sebagai salah satu kategori makanan yang paling susah untuk sistem bil automatik biasa. Pinggan selalunya penuh dengan kuah bertindih, kuah banjir campur-campur, serta potongan ayam, ikan, dan sayur yang diletakkan rapat-rapat atas satu pinggan.
Walaupun dengan cabaran visual macam tu, model visi komputer kami berjaya capai 82% ketepatan dalam mengecam lauk dan saiz hidangan waktu rehat tengah hari.
Perkara Utama Dari Ujian Rintis Ini
- Lokasi: Kantin Guru, SK Presint 11 (2) Putrajaya
- Ketepatan Pengecaman Semasa: 82% (dan makin meningkat dengan latihan model harian)
- Fokus Menu Utama: Nasi Campur, lauk pauk sampingan, gulai tradisional, dan minuman
- Matlamat Utama: Mengurangkan masa beratur para guru waktu rehat yang singkat supaya cikgu-cikgu ada lebih masa untuk berehat dan bersedia untuk kelas seterusnya.
Proses Imbasan AI Langkah Demi Langkah
- Letak Pinggan: Guru meletakkan pinggan nasi campur terus di bawah kamera atas kiosk Bibora Vision AI.
- Pengecaman Segera: Kamera menangkap imej pinggan dan menjalankan segmentasi AI untuk mengesan nasi, kuah, lauk daging/ayam, dan sayur-sayuran.
- Pengiraan Bil Automatik: Kiosk mengira jumlah harga berdasarkan lauk yang dikesan dan paparkan bil dalam masa bawah 1 saat.
- Bayaran Tanpa Tunai: Guru terus imbas bayar guna DuitNow QR atau e-wallet, selesai dalam beberapa saat sahaja.
Langkah Seterusnya dan Peningkatan Model
Dengan data sebenar yang dikumpul dari Kantin Guru SK Presint 11 (2), model deep learning kami dikemas kini setiap hari. Semakin banyak variasi pinggan yang diimbas, keyakinan sistem semakin meningkat menuju sasaran ketepatan 99%+ untuk semua menu kafeteria dan restoran di Malaysia.