一个基于愿景的饮食调查和评估系统,用于中国大学生

科学领域:

• 计算机视觉 计算机视觉
• 营养科学 营养科学
• 人工智能在健康中的作用

背景情况:

• 大学生面临着不平衡的饮食和营养不良的重大挑战.
• 传统的饮食评估方法依赖于自我报告,这可能会引起偏见和后勤困难.
• 准确的饮食摄入量评估对于理解和改善学生健康至关重要.

研究的目的:

• 开发和验证一种新的计算机视觉系统,用于评估中国大学生的饮食习惯.
• 创建一个专门的数据集,包括大学食堂的食物图像和营养信息.
• 为了实现客观和自动化的饮食评估,减轻传统方法的局限性.

主要方法:

• 开发一个专门的食品数据集 (College Canteen Food-100),包括RGB-D图像,食谱和营养数据.
• 使用物体检测模型 (YOLOv8) 来识别和定位食品.
• 实施一种新的方法,用深度信息来估计非标准份量的食物量.

主要成果:

• 证明了YOLOv8对象检测模型在现实世界食堂环境中识别食物的有效性.
• 验证了非标准食品份额的拟议体积估计方法的准确性.
• 根据已识别的食品和估计的数量,成功地获得了营养信息.

结论:

• 开发的计算机视觉系统为评估大学生饮食习惯提供了一个有希望的客观方法.
• 公开可用的大学食堂食品-100数据集将促进自动化饮食分析的进一步研究和开发.
• 这项技术支持创建用于增强食物摄入量检测和个性化饮食管理的工具.