基于图像的食品识别和体积估计的人工智能系统的审查

科学领域:

• 计算机科学,营养,健康信息学

背景情况:

• 饮食评估对于管理糖尿病和肥胖等慢性疾病至关重要.
• 智能手机应用程序越来越多地用于促进健康的饮食习惯.
• 从食物图像中准确,实时估计营养素是一个关键挑战.

研究的目的:

• 审查最先进的食品自动识别和体积估计方法.
• 评估食品图像细分,分类和体积计算的技术.
• 为基于数据集特征的评估方法提供框架.

主要方法:

• 对计算机视觉方法进行饮食评估的系统审查.
• 分析食品图像数据库,细分,分类和体积估计技术.
• 评估与数据集属性相关的方法性能.

主要成果:

• 对细分,分类和体积估计方法进行有组织的评估.
• 确定当前方法的优点和局限性.
• 方法性能与数据集特征的关联.

结论:

• 本综述提供了自动饮食评估系统的全面概述.
• 它强调了需要改进的领域,并为未来的研究提出了解决方案.
• 这些发现旨在指导开发更有效的健康饮食应用程序.