Mode de détection en temps réel (à gauche) et analyse nutritionnelle de la galerie locale (à droite) sur l'application FoodTracker. Crédit :Soleil, Radecka &Zilic.
Une équipe de recherche de l'Université McGill au Canada a développé une application mobile qui peut reconnaître les aliments dans un repas global en temps réel, fournir des informations utiles sur la nutrition. L'équipe a présenté la nouvelle application mobile, appelé FoodTracker, dans un article récent prépublié sur arXiv et présenté à la 16e Conférence internationale sur les applications de vision artificielle à Tokyo.
"Notre laboratoire se concentre sur les applications liées à la santé sur les systèmes embarqués, " Zelijko Zilic l'un des chercheurs qui a mené l'étude, a déclaré TechXplore. "Nous visons à introduire l'automatisation dans la journalisation alimentaire, afin que les personnes soucieuses de leur consommation quotidienne ou les patients puissent continuer à suivre les aliments et le contenu nutritionnel dans leur vie quotidienne. Vers cet objectif, nous avons fourni des applications (DiaBeatMove et CarbAndMove) pour iPhone qui aident les diabétiques et les pré-diabétiques à gérer l'exercice, nutrition, l'insuline et les aspects de leur vie liés à la santé."
L'augmentation des taux d'obésité et des problèmes associés à une mauvaise nutrition aux États-Unis et dans d'autres pays du monde a encouragé de nombreux chercheurs à développer des applications mobiles ou des plateformes en ligne qui favorisent des choix de vie plus sains. Dans leur étude récente, Zilic et ses collègues se sont notamment attachés à développer une application pour smartphones capable de reconnaître rapidement et efficacement les aliments qu'un utilisateur consomme en temps réel, offrant des informations nutritionnelles pour chaque composant d'un repas.
Suivi alimentaire, l'application mobile développée par les chercheurs, est très facile à utiliser. Lorsqu'un utilisateur pointe la caméra de son smartphone vers une assiette contenant son repas, l'application reconnaît rapidement ses différents ingrédients.
"Le principal avantage est notre application FoodTracker, est-ce qu'il ne repose sur aucune entrée de données manuelle - réalisez une surveillance automatique des aliments et une analyse nutritionnelle, uniquement basé sur des images de caméras mobiles, " Jianing Soleil, un autre chercheur impliqué dans l'étude, a déclaré TechXplore.
Tout d'abord, Zilic, Sun et leurs collègues ont développé un modèle qui combine un réseau de neurones à convolution profonde (CNN) avec YOLO, une stratégie de détection de pointe. Ils ont formé ce modèle à l'aide d'une large base de données d'images d'aliments et ont découvert qu'il avait une précision moyenne de détection des aliments sur la base d'images de près de 80 pour cent.
Un exemple des résultats de l'analyse nutritionnelle de FoodTracker (avec une portion). Crédit :Soleil, Radecka &Zilic.
"En utilisant notre schéma, nous avons montré que même les smartphones à faible puissance peuvent entreprendre la reconnaissance alimentaire requise, " a déclaré Zilic. " Parmi les résultats les plus significatifs, il y a le court temps d'inférence, mémoire d'exécution faible, et une grande précision de FoodTracker, ce qui le rend très pratique et facile à utiliser."
Ensuite, les chercheurs ont intégré leur modèle dans l'application FoodTracker, avec une fonction supplémentaire pour l'analyse nutritionnelle. Cela permet à l'application de fournir des informations nutritionnelles importantes (par exemple, calories, les montants, etc.) pour chaque composant alimentaire détecté par le modèle basé sur CNN.
Les premières évaluations suggèrent que l'application FoodTracker est un outil prometteur pour l'identification en temps réel des aliments et pour fournir des conseils nutritionnels. De plus, malgré sa composante IA, l'application peut également être utilisée sur des appareils mobiles avec un temps d'inférence négligeable et nécessite peu de mémoire.
"Quand j'étais au Japon pour présenter ce travail, J'ai découvert que de nombreux chercheurs industriels travaillaient sur la détection des aliments avec des techniques de vision par ordinateur récemment émergentes, ", a déclaré Sun. "J'ai même été invité dans une entreprise internationale de technologie alimentaire qui exerce ses activités dans plus de 70 pays. J'ai l'impression que les gens font de plus en plus attention à leur consommation quotidienne à des fins de santé."
À l'avenir, des applications mobiles telles que FoodTracker pourraient élargir les connaissances des gens sur la nutrition, les accompagner dans leur prise de conscience des aliments qu'ils consomment au quotidien et peut-être même les aider à améliorer leurs habitudes alimentaires. Zilic, Sun et ses collègues prévoient maintenant d'intégrer les conseils liés à la nutrition fournis par l'application avec d'autres modules qui encouragent un mode de vie plus sain.
"L'application entièrement automatique qui peut détecter les objets alimentaires et extraire les contenus nutritionnels est très compliquée, surtout quand il s'agit d'applications réelles, " Katarzyna Radecka, un autre chercheur qui a mené l'étude, a déclaré TechXplore. "Notre travail fait un premier pas vers cela, mais il y a certainement d'autres travaux à suivre, par exemple. apprentissage multitâche, robustesse et meilleure généralisation, estimation de volume. Nous pensons que même une solution partielle à ces problèmes pourrait être d'une grande valeur pour la société."
© 2019 Réseau Science X
