Modalità di rilevamento in tempo reale (a sinistra) e analisi nutrizionale dalla galleria locale (a destra) sull'app FoodTracker. Credito:Sole, Radecka &Zilic.
Un team di ricerca della McGill University in Canada ha sviluppato un'applicazione mobile in grado di riconoscere in tempo reale gli alimenti all'interno di un pasto complessivo, fornendo utili informazioni relative alla nutrizione. Il team ha delineato la nuova applicazione mobile, chiamato FoodTracker, in un recente documento pre-pubblicato su arXiv e presentato alla 16a Conferenza internazionale sulle applicazioni di visione artificiale a Tokyo.
"Il nostro laboratorio si concentra su applicazioni sanitarie su sistemi embedded, " Zelijko Zilic uno dei ricercatori che ha effettuato lo studio, ha detto a TechXplore. "Miriamo a portare l'automazione nel diario alimentare, in modo che le persone che si prendono cura del loro consumo quotidiano o dei pazienti possano continuare a tenere traccia dei pasti e dei contenuti nutrizionali nella loro vita quotidiana. Verso quel traguardo, abbiamo fornito app (DiaBeatMove e CarbAndMove) per iPhone che aiutano i diabetici e i pre-diabetici nella gestione dell'esercizio, nutrizione, l'insulina e gli aspetti legati alla salute della loro vita".
L'aumento dei tassi di obesità e dei problemi associati alla cattiva alimentazione sia negli Stati Uniti che in altri paesi del mondo ha incoraggiato numerosi ricercatori a sviluppare applicazioni mobili o piattaforme online che promuovono scelte di vita più sane. Nel loro recente studio, Zilic e i suoi colleghi si sono prefissi di sviluppare un'applicazione per smartphone in grado di riconoscere in tempo reale in modo rapido ed efficace il cibo che un utente sta consumando, offrendo dati nutrizionali per ogni componente di un pasto.
FoodTracker, l'app mobile sviluppata dai ricercatori, è molto facile da usare. Quando un utente punta la fotocamera del suo smartphone su un piatto contenente il suo pasto, l'app riconosce rapidamente i suoi diversi ingredienti.
"Il vantaggio principale è la nostra app FoodTracker, è che non si basa su alcun inserimento manuale dei dati, ottenere il monitoraggio automatico degli alimenti e l'analisi nutrizionale, basato esclusivamente sulle immagini delle fotocamere mobili, "Sole Jianing, un altro ricercatore coinvolto nello studio, ha detto a TechXplore.
Prima di tutto, Zilic, Sun e i loro colleghi hanno sviluppato un modello che combina una rete neurale convoluzionale profonda (CNN) con YOLO, una strategia di rilevamento all'avanguardia. Hanno addestrato questo modello utilizzando un ampio database di immagini di alimenti e hanno scoperto che ha una precisione media nel rilevamento di prodotti alimentari basata su immagini di quasi l'80%.
Un esempio dei risultati dell'analisi nutrizionale di FoodTracker (con una porzione). Credito:Sole, Radecka &Zilic.
"Utilizzando il nostro schema, abbiamo dimostrato che anche smartphone di modesta potenza possono effettuare il riconoscimento alimentare richiesto, " Zilic ha detto. "Tra i risultati più significativi ci sono il breve tempo di inferenza, memoria di runtime ridotta, e l'elevata precisione di FoodTracker, che lo rendono molto pratico e facile da usare."
Successivamente, i ricercatori hanno integrato il loro modello nell'applicazione FoodTracker, con una funzione aggiuntiva per l'analisi nutrizionale. Ciò consente all'app di fornire importanti informazioni relative all'alimentazione (ad es. calorie, importi, ecc.) per ogni componente alimentare rilevato dal modello basato sulla CNN.
Le valutazioni iniziali suggeriscono che l'app FoodTracker è uno strumento promettente per l'identificazione in tempo reale degli alimenti e per fornire indicazioni nutrizionali. Inoltre, nonostante la sua componente AI, l'app può essere utilizzata anche su dispositivi mobili con tempi di inferenza trascurabili e ha requisiti di memoria ridotti.
"Quando ero in Giappone per presentare questo lavoro, Ho scoperto che molti ricercatori industriali stanno lavorando sul rilevamento degli alimenti con tecniche di visione artificiale recentemente emergenti, " ha detto Sun. "Sono stato persino invitato a un'azienda internazionale di tecnologia alimentare che ha attività in più di 70 paesi. Sento che le persone stanno prestando sempre maggiore attenzione al loro consumo quotidiano a fini di salute".
Nel futuro, applicazioni mobili come FoodTracker potrebbero ampliare le conoscenze delle persone sulla nutrizione, aiutandoli a diventare più consapevoli del cibo che consumano quotidianamente e magari aiutandoli anche a migliorare le loro abitudini alimentari. Zilic, Sun e i suoi colleghi stanno ora pianificando di integrare la guida relativa alla nutrizione fornita dall'app con altri moduli che incoraggiano uno stile di vita più sano.
"L'applicazione completamente automatica in grado di rilevare gli oggetti alimentari ed estrarre il contenuto nutrizionale è molto complicata, soprattutto quando si tratta di applicazioni nella vita reale, "Katarzyna Radecka, un altro ricercatore che ha condotto lo studio, ha detto a TechXplore. "Il nostro lavoro fa un primo passo verso di esso, ma ci sono sicuramente altri lavori che dovrebbero essere seguiti, per esempio. apprendimento multi-task, robustezza e migliore generalizzazione, stima del volume. Riteniamo che anche una soluzione parziale a questi problemi possa essere di grande valore per la società".
© 2019 Scienza X Rete
