Uma equipe de pesquisa da Universidade McGill no Canadá desenvolveu um aplicativo móvel que pode reconhecer itens alimentares dentro de uma refeição geral em tempo real, fornecer informações úteis relacionadas à nutrição. A equipe descreveu o novo aplicativo móvel, chamado FoodTracker, em um artigo recente pré-publicado no arXiv e apresentado na 16ª Conferência Internacional sobre Aplicações de Visão de Máquina em Tóquio.

"Nosso laboratório se concentra em aplicativos relacionados à saúde em sistemas incorporados, “Zelijko Zilic um dos pesquisadores que realizaram o estudo, disse TechXplore. "Nosso objetivo é trazer a automação para o diário alimentar, para que as pessoas que se preocupam com o seu consumo diário ou pacientes possam acompanhar os alimentos e os conteúdos nutricionais em sua vida diária. Em direção a esse objetivo, fornecemos aplicativos (DiaBeatMove e CarbAndMove) para iPhone que auxiliam diabéticos e pré-diabéticos no controle do exercício, nutrição, insulina e aspectos relacionados à saúde de sua vida. "

O aumento nas taxas de obesidade e problemas associados à má nutrição, tanto nos Estados Unidos como em outros países do mundo todo, encorajou vários pesquisadores a desenvolver aplicativos móveis ou plataformas online que promovam escolhas de estilos de vida mais saudáveis. Em seu estudo recente, Zilic e seus colegas se propuseram especificamente a desenvolver um aplicativo para smartphones que possa reconhecer de forma rápida e eficaz os alimentos que um usuário está consumindo em tempo real, oferecendo informações nutricionais para cada componente de uma refeição.

FoodTracker, o aplicativo móvel desenvolvido pelos pesquisadores, é muito fácil de usar. Quando um usuário aponta a câmera do smartphone para um prato contendo sua refeição, o aplicativo reconhece rapidamente seus diferentes ingredientes.

"A principal vantagem é nosso aplicativo FoodTracker, é que ele não depende de nenhuma entrada manual de dados - obtenha monitoramento automático de alimentos e análise nutricional, baseado exclusivamente em imagens de câmeras móveis, "Jianing Sun, outro pesquisador envolvido no estudo, disse TechXplore.

Em primeiro lugar, Zilic, Sun e seus colegas desenvolveram um modelo que combina uma rede neural convolucional profunda (CNN) com YOLO, uma estratégia de detecção de última geração. Eles treinaram esse modelo usando um amplo banco de dados de imagens de alimentos e descobriram que ele tem uma precisão média na detecção de itens alimentares com base em imagens de quase 80 por cento.

"Usando nosso esquema, mostramos que mesmo smartphones modestos podem realizar o reconhecimento alimentar necessário, "Zilic disse." Entre as descobertas mais significativas estão o curto tempo de inferência, memória de baixo tempo de execução, e alta precisão do FoodTracker, o que o torna muito prático e fácil de usar. "

Subseqüentemente, os pesquisadores integraram seu modelo ao aplicativo FoodTracker, com um recurso adicional para análise nutricional. Isso permite que o aplicativo forneça informações importantes relacionadas à nutrição (por exemplo, calorias, montantes, etc.) para cada componente alimentar detectado pelo modelo baseado na CNN.

As avaliações iniciais sugerem que o aplicativo FoodTracker é uma ferramenta promissora para a identificação de alimentos em tempo real e para fornecer orientação nutricional. Além disso, apesar de seu componente AI, o aplicativo também pode ser usado em dispositivos móveis com tempo de inferência insignificante e tem pequenos requisitos de memória.

“Quando estive no Japão para apresentar este trabalho, Descobri que muitos pesquisadores industriais estão trabalhando na detecção de alimentos com técnicas de visão computacional recentemente emergentes, "Disse Sun." Fui até convidado para uma empresa internacional de tecnologia de alimentos que tem negócios em mais de 70 países. Eu sinto que as pessoas estão prestando cada vez mais atenção ao seu consumo diário para fins de saúde. "

No futuro, aplicativos móveis, como FoodTracker, podem ampliar o conhecimento das pessoas sobre nutrição, apoiá-los a se tornarem mais conscientes dos alimentos que consomem diariamente e talvez até mesmo ajudá-los a melhorar seus hábitos alimentares. Zilic, Sun e seus colegas agora estão planejando integrar as orientações relacionadas à nutrição fornecidas pelo aplicativo com outros módulos que incentivam um estilo de vida mais saudável.

“O aplicativo totalmente automático que pode detectar objetos alimentares e extrair conteúdos nutricionais é muito complicado, especialmente quando se trata de aplicação na vida real, "Katarzyna Radecka, outro pesquisador que realizou o estudo, disse TechXplore. "Nosso trabalho dá um passo inicial nesse sentido, mas com certeza há mais trabalho a ser seguido, por exemplo. aprendizagem multitarefa, robustez e melhor generalização, estimativa de volume. Acreditamos que mesmo uma solução parcial para esses problemas pode ser de grande valor para a sociedade. "

© 2019 Science X Network