所有文章 > 正文

一款由人AI驱动的食品检测移动应用程序FoodTracker,可进一步实现食物营养的分析

作者: Jansfer

时间: 2019-09-29 15:38

加拿大麦吉尔大学(McGill University)的一个研究小组开发了一款手机应用程序,可以快速有效地实时识别用户正在消费的食物,为每一餐的每一种成分提供营养信息。

美国和世界其他国家已经逐渐开始出现肥胖率上升以及与营养不良等一系列的健康问题,这便促使许多研究人员开发移动应用程序或在线平台,以促进更健康的生活方式选择。加拿大麦吉尔大学(McGill University)的一个研究小组开发了一款手机应用程序,可以快速有效地实时识别用户正在消费的食物,为每一餐的每一种成分提供营养信息。该团队在arXiv上发表的一篇论文中概述了这款名为FoodTracker的新型移动应用,并在东京举行的第16届机器视觉应用国际会议上进行发表。

1 (5).jpg

这项研究的研究人员之一Zelijko Zilic告诉TechXplore,他们的实验室专注于嵌入式系统上的医疗相关应用,其目标是将自动化应用到食品日志中,这样使用者就可以进一步了解他们正在消费的食物并可以持续跟踪这些食物中的营养成分。为了实现这一目标,研究人员一直在为iPhone提供DiaBeatMove和CarbAndMove这两款应用程序以帮助糖尿病患者和糖尿病前期患者管理他们生活中的锻炼、营养、胰岛素和健康等相关方面的事宜。

这款移动应用程序FoodTracker非常容易使用,用户仅需要将智能手机摄像头对准盛有饭菜的盘子,该应用程序会迅速识别出不同的食材。参与这项研究的另一位研究员Jianing Sun告诉TechXplore,他们的食品追踪应用程序的关键优势在于,它不依赖任何手动数据输入,只基于手机摄像头的图像就能实现食品自动监测和营养分析。

首先,Zilic、Sun和他们的同事开发了一个模型,将深度卷积神经网络(CNN)和一种最先进的检测策略YOLO结合起来。之后,他们使用一个广泛的食品图像数据库对这个模型进行训练,并发现基于图像的食品检测平均准确率接近80%。

2 (5)_wps图片.jpg

Zilic表示,通过他们的方案可以证明,即使是功率不大的智能手机也能进行所需的食物识别。其中最有意义的发现是推断时间短,运行时内存低,和食物跟踪器的高精度,这使得它非常实用和易于使用。

随后,研究人员将他们的模型集成到食品跟踪应用程序中,并添加了一个用于营养分析的附加功能。这使得APP能够为基于CNN的模型检测到的每一种食物成分提供如卡路里、数量等重要的营养相关信息。

对食品跟踪APP的初步评价表明,这个APP是一种很有前途的可以实时识别食品和提供营养指导的工具。此外,尽管它是一组人工智能模型,但该应用程序的内存很小且对食物的推理时间可以忽略不计,因此可以广泛的在移动设备上使用。

Sun表示说,当他在日本介绍这项工作时,发现有很多工业研究人员正在使用最新出现的计算机视觉技术进行食品检测。他甚至被邀请到一家在70多个国家开展业务的国际食品技术公司。由此可见,为了拥有一个更加健康的身体,人们越来越关注他们的日常饮食。

所以在不久的将来,诸如Food Tracker之类的移动应用程序可以帮助人们更好地了解营养,并以越来越认真的方式为他们提供详细的指导。Zilic、Sun和他们的同事现在正计划将该应用提供的营养相关指导与其他鼓励健康生活方式的模块整合起来。

开展这项研究的另一位研究人员Katarzyna Radecka告诉TechXplore,全自动应用程序可以检测食物对象并提取营养成分,但这在实际应用中非常复杂。这项工作已经迈出了第一步,但肯定还有比如多任务学习、鲁棒性和更好的泛化、容量估计等更多的工作要做。研究人员相信,即使是研发出了这些问题的部分解决方案,也会对社会的发展具有极大的价值。

参考:https://techxplore.com/news/2019-09-foodtracker-ai-powered-food-mobile-application.html

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多