Состав на этикетке написан мелко и на языке технолога. Сервисы-«пугалки» в этой нише устроены одинаково: любой Е-номер красится в красный, чтобы напугать и продать подписку. Задача была противоположная: разобрать состав честно — оценка снижается только там, где для ограничения есть доказательная база, и по каждому ингредиенту есть объяснение, почему он оценён именно так.
Три способа входа: фотография этикетки, текст состава или штрихкод (для импортных товаров). Распознавание текста с фотографии работает локально, на своём сервере — Tesseract OCR, без отправки снимков во внешние платные API. Дальше ингредиенты сопоставляются с собственной базой, где у каждого есть объяснение.
Оценка по шкале 0–100 считается детерминированно и полностью без нейросети: состав, пищевая ценность, сахар, соль, степень переработки. Одинаковый состав всегда получает одинаковый балл — оценку можно проверить и оспорить, потому что видна логика, а не «так решил ИИ».
Тот же скелет, что и на остальных моих проектах: Next.js 15 на фронтенде, FastAPI на бэкенде, всё в Docker. Логика оценки закрыта 64 автотестами — именно ей люди верят, и именно там ошибка дороже всего.
Это кейс про распознавание документов и фотографий с проверяемой логикой поверх: приём накладных, анкет, этикеток, показаний — любой поток бумаги, который надо превратить в структурированные данные. Такие проекты — от 450 000 ₽ под ключ; из чего складывается цена — в отдельном разборе.
Первый разговор бесплатный и ни к чему не обязывает. Если задача решается проще и дешевле, чем вам кажется, — услышите это сразу.
Обсудить проект