Modo de detección en tiempo real (izquierda) y análisis de nutrición de la galería local (derecha) en la aplicación FoodTracker. Crédito:Sol, Radecka y Zilic.
Un equipo de investigación de la Universidad McGill en Canadá ha desarrollado una aplicación móvil que puede reconocer alimentos dentro de una comida en general en tiempo real. proporcionando información útil relacionada con la nutrición. El equipo describió la nueva aplicación móvil, llamado FoodTracker, en un artículo reciente publicado previamente en arXiv y presentado en la 16ª Conferencia Internacional sobre Aplicaciones de Visión Artificial en Tokio.
"Nuestro laboratorio se centra en aplicaciones relacionadas con la salud en sistemas integrados, "Zelijko Zilic, uno de los investigadores que llevó a cabo el estudio, dijo a TechXplore. "Nuestro objetivo es llevar la automatización al registro de alimentos, para que las personas que se preocupan por su consumo diario o los pacientes puedan seguir rastreando los alimentos y el contenido nutricional en su vida diaria. Hacia ese objetivo, hemos estado proporcionando aplicaciones (DiaBeatMove y CarbAndMove) para iPhone que ayudan a diabéticos y prediabéticos a manejar el ejercicio, nutrición, la insulina y los aspectos de su vida relacionados con la salud ".
El aumento de las tasas de obesidad y los problemas asociados con la mala nutrición tanto en los EE. UU. Como en otros países de todo el mundo ha alentado a numerosos investigadores a desarrollar aplicaciones móviles o plataformas en línea que promuevan opciones de estilo de vida más saludables. En su estudio reciente, Zilic y sus colegas se propusieron específicamente desarrollar una aplicación para teléfonos inteligentes que pueda reconocer rápida y efectivamente los alimentos que consume un usuario en tiempo real. ofreciendo información nutricional para cada componente de una comida.
FoodTracker, la aplicación móvil desarrollada por los investigadores, es muy fácil de usar. Cuando un usuario apunta la cámara de su teléfono inteligente a un plato que contiene su comida, la aplicación reconoce rápidamente sus diferentes ingredientes.
"La principal ventaja es nuestra aplicación FoodTracker, ¿Es que no se basa en ninguna entrada manual de datos? Logre un seguimiento automático de los alimentos y un análisis nutricional. basado únicamente en imágenes de cámaras móviles, "Jianing Sun, otro investigador involucrado en el estudio, dijo a TechXplore.
En primer lugar, Zilic, Sun y sus colegas desarrollaron un modelo que combina una red neuronal convolucional profunda (CNN) con YOLO, una estrategia de detección de vanguardia. Entrenaron este modelo utilizando una amplia base de datos de imágenes de alimentos y encontraron que tiene una precisión promedio en la detección de alimentos basados en imágenes de casi el 80 por ciento.
Un ejemplo de los resultados del análisis nutricional de FoodTracker (con una porción). Crédito:Sol, Radecka y Zilic.
"Utilizando nuestro esquema, Demostramos que incluso los teléfonos inteligentes con una potencia modesta pueden realizar el reconocimiento de alimentos requerido, ", Dijo Zilic." Entre los hallazgos más significativos se encuentran el corto tiempo de inferencia, memoria de tiempo de ejecución baja, y alta precisión de FoodTracker, lo que lo hace muy práctico y fácil de usar ".
Después, los investigadores integraron su modelo en la aplicación FoodTracker, con una función adicional para el análisis nutricional. Esto permite que la aplicación proporcione información importante relacionada con la nutrición (por ejemplo, calorías, cantidades, etc.) para cada componente alimentario detectado por el modelo basado en CNN.
Las evaluaciones iniciales sugieren que la aplicación FoodTracker es una herramienta prometedora para la identificación de alimentos en tiempo real y para proporcionar orientación nutricional. Es más, a pesar de su componente de IA, la aplicación también se puede utilizar en dispositivos móviles con un tiempo de inferencia insignificante y tiene pocos requisitos de memoria.
"Cuando estuve en Japón para presentar este trabajo, Descubrí que muchos investigadores industriales están trabajando en la detección de alimentos con técnicas de visión por computadora emergentes recientemente, ", Dijo Sun." Incluso me invitaron a una empresa internacional de tecnología alimentaria que tiene negocios en más de 70 países. Siento que la gente está prestando cada vez más atención a su consumo diario por motivos de salud ".
En el futuro, Las aplicaciones móviles como FoodTracker podrían ampliar el conocimiento de las personas sobre nutrición, ayudándoles a ser más conscientes de los alimentos que consumen a diario y quizás incluso ayudándoles a mejorar sus hábitos alimenticios. Zilic, Sun y sus colegas ahora planean integrar la guía relacionada con la nutrición proporcionada por la aplicación con otros módulos que fomentan un estilo de vida más saludable.
"La aplicación totalmente automática que puede detectar objetos alimenticios y extraer contenidos nutricionales es muy complicada, especialmente cuando se trata de aplicaciones de la vida real, "Katarzyna Radecka, otro investigador que realizó el estudio, dijo a TechXplore. "Nuestro trabajo da un paso inicial hacia eso, pero seguro que se debe seguir trabajando más, p.ej. aprendizaje multitarea, robustez y mejor generalización, estimación de volumen. Creemos que incluso una solución parcial a estos problemas podría ser de gran valor para la sociedad ".
© 2019 Science X Network
