基于人工智能的泰国食品饮食评估系统:开发和验证

科学领域:

• 营养科学 营养科学
• 人工智能的人工智能
• 计算生物学 计算生物学

背景情况:

• 传统的泰国美食饮食评估方法是劳动密集型的,容易出现错误.
• 准确的饮食评估对于营养研究和慢性疾病管理至关重要.

研究的目的:

• 推出INMU iFood,这是一个由人工智能驱动的系统,用于从图像中估计泰国菜的营养价值.
• 在泰国食品的背景下提高饮食评估的准确性和效率.

主要方法:

• 利用基于AI的系统,INMU iFood,使用图像识别,手动输入和条形码扫描.
• 将核心模型从Yolov4-tiny升级为Yolov7,并将训练数据集扩展到非碳水化合物食品.
• 通过条码扫描与开放食品事实数据库集成,可以访问超过3000种食品.

主要成果:

• 基于Yolov7的INMU iFood系统在食品标识方面表现出更高的准确性,特别是在复杂图像方面.
• 与之前的基于Yolov4的系统相比,蛋白质和脂肪估计得到了显著的改善.
• 条码扫描集成扩大了系统的实用性,提供了全面的营养数据库.

结论:

• INMU iFood提供了一个有前途,准确和多功能工具,用于对泰国美食的饮食评估.
• 该系统支持研究人员,医疗保健专业人员和个人监测饮食摄入量并改善健康结果.
• 通过加强饮食跟踪,INMU iFood促进营养研究,并促进更好的健康.