相关实验视频
Updated: Jan 15, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.9K
使用人工智能和计算机视觉来检测和监测针对儿童的不健康食品和饮料营销:一项数据驱动的研究
Guanlan Hu1,2, Ofek Gross3, Emily Ziraldo1
1Department of Nutritional Sciences, Temerty Faculty of Medicine, University of Toronto, ON, Canada.
EClinicalMedicine
|October 13, 2025
概括
人工智能 (AI) 有效地识别了包装上针对儿童的食品营销. 这项技术有助于评估法规和理解营销营销.
科学领域:
- 公共卫生 公共卫生
- 计算机科学 计算机科学
- 食品市场营销 食品营销
背景情况:
- 儿童肥胖和与饮食有关的非传染性疾病是关键的全球健康问题.
- 针对儿童的不健康食品营销是其中的一个重要因素.
- 手动评估营销实践是低效和资源密集的.
研究的目的:
- 开发和应用人工智能 (AI) 来识别针对儿童的食品和包装上的营销元素.
- 分析针对儿童的营销,营养质量和价格之间的关系.
- 为了估计拟议的加拿大针对儿童的营销法规的影响.
主要方法:
- 在8283个标记食品包装图像上训练图像分类算法 (CNN,kNN,SVM).
- 利用YOLOv12对象检测来识别针对儿童的特定营销特征.
- 将AI策略应用于1765种早餐谷物产品,以评估营销特征和监管影响.
主要成果:
- 一个卷积神经网络 (CNN) 模型在识别针对儿童的营销方面实现了0.90准确度.
- 39.2%的早餐谷物显示针对儿童的营销,其中89.5%根据拟议的法规被认为是不健康的.
- 针对儿童的营销显示,与产品价格没有显著的负面关联.
结论:
- 引入了第一个人工智能驱动的方法来识别和分类食品包装上针对儿童的营销.
- 人工智能方法为政策监测和营销影响分析提供了可扩展的解决方案.
- 支持基于证据的政策制定,以保护儿童免受不健康食品营销的影响.
