Food Recognizer App

Submission kelas Belajar Penerapan Machine Learning untuk Flutter (Dicoding).

Aplikasi mengenali jenis makanan dari sebuah gambar memakai model AIY Vision Classifier Food V1, lalu melengkapinya dengan informasi gizi dan resep referensi.

Aplikasi langsung bisa dijalankan tanpa konfigurasi (flutter pub get lalu flutter run). Model sudah dibundel di assets/. Lihat SETUP.md untuk menambahkan Gemini API key yang bersifat opsional.

Alur aplikasi

Home Page ──► pilih gambar (kamera / galeri)
   │              │
   │              └──► Cropper (opsional)
   │
   ├──► Result Page ──► foto + nama makanan + confidence score
   │        │            + Nutrition Facts (Gemini API)
   │        │            + Reference (TheMealDB API)
   │        │
   │        └──► Detail Page ──► foto, bahan, langkah pembuatan
   │
   └──► Camera Page ──► deteksi real-time dari camera stream

Pemenuhan kriteria

Kriteria 1 — Pengambilan Gambar (Advanced)

Ketentuan	Implementasi
image_picker dari kamera & galeri	lib/service/image_picker_service.dart
Gambar tampil di halaman	lib/ui/home_page.dart
image_cropper untuk memotong gambar	ImagePickerService.cropImage, tombol Crop & Analyze
camera untuk camera stream	lib/widget/camera_view.dart, lib/ui/camera_page.dart

Kriteria 2 — Machine Learning (Skilled)

Ketentuan	Implementasi
Model food classifier resmi	AIY Vision Classifier Food V1, 2024 kelas, di assets/aiy_food_V1.tflite
LiteRT (flutter_litert)	lib/service/image_classification_service.dart
Inferensi di Isolate	lib/service/isolate_inference.dart

Interpreter dibuat sekali di main thread, lalu alamat memorinya (interpreter.address) dikirim ke isolate. Dengan begitu preprocessing gambar dan interpreter.run() berjalan di background thread sehingga UI tidak freeze.

Kriteria 3 — Halaman Prediksi (Advanced)

Ketentuan	Implementasi
Foto yang diambil pengguna	_UserImage di lib/ui/result_page.dart
Nama makanan hasil inferensi	ClassificationItem
Confidence score (persentase)	Classification.percentage
TheMealDB: nama, foto, bahan, instruksi	lib/service/meal_db_service.dart, lib/ui/detail_page.dart
Gemini API: kalori, karbo, lemak, serat, protein	lib/service/gemini_service.dart
API key lewat --dart-define	String.fromEnvironment di lib/env/env.dart

Struktur project

lib/
├── controller/     ChangeNotifier untuk tiap layar
├── env/            pembacaan Gemini API key
├── model/          Classification, Meal, Nutrition, UiState
├── service/        LiteRT, Isolate, image picker, MealDB, Gemini
├── ui/             Home, Result, Detail, Camera
├── utils/          konversi CameraImage ke Image
└── widget/         komponen yang dipakai ulang

Catatan teknis

• Bentuk tensor dibaca dari model, bukan di-hardcode, sehingga tetap benar meskipun berkas modelnya suatu saat diganti.
• Output uint8 dinormalisasi dengan membaginya terhadap total skor, sehingga confidence score selalu berjumlah 100%.
• Kelas __background__ (indeks 0) tidak ditampilkan karena bukan nama makanan.
• Orientasi EXIF foto kamera diluruskan dengan bakeOrientation sebelum masuk ke model, agar foto potret tidak terbaca miring.
• Frame kamera baru dilewati selama frame sebelumnya masih diproses, supaya antrean inferensi tidak menumpuk.