东方时讯网
加拿大麦吉尔大学的一个研究小组开发了一种移动应用程序，该应用程序可以实时识别整餐中的食物，并提供有用的营养相关信息。该团队在arXiv上预发表的最新论文中概述了称为FoodTracker的新移动应用程序，该论文在东京举行的第16届国际机器视觉应用大会上发表。
进行这项研究的研究人员之一Zelijko Zilic对TechXplore表示：“我们的实验室专注于嵌入式系统上与医疗保健相关的应用程序。”“我们的目标是将自动化纳入食品日记，以便关心自己日常消费或患者的人们可以跟踪他们日常生活中的餐食和营养含量。为此，我们一直在为iPhone提供应用程序(DiaBeatMove和CarbAndMove)协助糖尿病患者和糖尿病前期者管理生活中与运动，营养，胰岛素和健康相关的方面。”
在和世界其他，肥胖率上升以及与营养不良有关的问题促使许多研究人员开发可促进健康生活方式选择的移动应用程序或在线平台。Zilic和他的同事在最近的研究中专门着手开发智能手机应用程序，该应用程序可以快速，有效地识别用户实时食用的食物，并为每餐食物提供营养成分。
研究人员开发的移动应用程序FoodTracker非常易于使用。当用户将他的智能手机相机对准包含他/她的饭菜的盘子时，该应用程序会迅速识别出它的不同成分。
参与这项研究的另一位研究人员孙建宁(Jianing Sun)表示：“我们的FoodTracker应用程序的主要优势在于它不依赖任何手动数据输入-仅基于移动摄像头的图像即可实现自动食品监测和营养分析。” TechXplore。
首先，Zilic，Sun及其同事开发了一个模型，该模型将深度卷积神经网络(CNN)与YOLO(一种最新的检测策略)结合在一起。他们使用广泛的食物图像数据库对该模型进行了训练，发现该模型在基于近80%图像的食物检测中具有平均精度。
FoodTracker营养分析结果的示例(一份)。
Zilic说：“使用我们的方案，我们证明，即使功率适中的智能手机也可以进行所需的食品识别。”“最有意义的发现是FoodTracker的推理时间短，运行时内存低和准确性高，这使其非常实用且易于使用。”
随后，研究人员将他们的模型集成到FoodTracker应用程序中，并具有营养分析的附加功能。这使该应用可以为基于CNN的模型检测到的每种食物成分提供重要的营养相关信息(例如卡路里，数量等)。
初步评估表明，FoodTracker应用程序是用于实时识别食物并提供营养指导的有前途的工具。此外，尽管具有AI组件，该应用程序也可以在移动设备上使用，推理时间可以忽略不计，并且对内存的要求很小。
“当我在介绍这项工作时，我发现有许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。”“我什至被邀请到一家在70多个开展业务的国际食品技术公司。我感到人们越来越注意日常饮食的健康用途。”
将来，诸如FoodTracker之类的移动应用程序可以拓宽人们对营养的知识，支持他们更加了解他们每天食用的食物，甚至可以帮助他们改善饮食习惯。Zilic，Sun和他们的同事现在正计划将应用程序提供的与营养相关的指南与鼓励健康生活方式的其他模块集成在一起。
进行这项研究的另一位研究员Katarzyna Radecka告诉TechXplore：“可以检测食物对象并提取营养成分的全自动应用程序非常复杂，特别是在实际应用中。”“我们的工作迈出了第一步，但可以肯定的是，还有更多的工作要做，例如多任务学习，鲁棒性和更好的泛化，体积估计。我们相信，即使是部分解决这些问题，也可能具有极大的价值。社会。”