相关实验视频
Updated: May 5, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.9K
营养评估系统集成语义细分和点云建模技术
Chin-Hsuan Lin1, Jung-Tang Huang2
1Institute of mechatronic engineering, National Taipei University of Technology, Taipei, Taiwan.
Scientific reports
|November 10, 2025
概括
这项研究介绍了一种使用人工智能和深度摄像头进行精确的食跟踪的家庭系统. 它监测食物量和营养含量,通过更好的饮食习惯帮助预防慢性疾病.
科学领域:
- 生物医学工程 生物医学工程
- 营养科学 营养科学
- 计算机视觉 计算机视觉
背景情况:
- 均衡的营养对于预防慢性疾病至关重要.
- 准确的家庭饮食监测是具有挑战性的.
- 现有的方法往往缺乏详细的,自动化的食物摄入量分析.
研究的目的:
- 开发和评估一个新的基于家庭的系统,用于自动营养监测.
- 准确量化食物的体积,成分和营养摄入量.
- 为了支持长期的饮食分析,预防慢性疾病.
主要方法:
- 整合了一个Nvidia Jetson AGX Xavier和英特尔RealSense D435深度摄像头.
- 深度学习用于食品项目识别,跟踪和语义细分.
- 使用点云处理 (RANSAC,ICP,DBSCAN) 来进行体积估计.
- 基于云的数据聚合用于分析营养摄入量和进食速度.
主要成果:
- 该系统可以独立地准确识别和跟踪多种食品.
- 通过食物点云重建,精确估计食量和组成.
- 成功将估计的量与营养数据库连接起来.
- 能够在较长时间内对家庭进行全面的营养评估.
结论:
- 开发的系统提供了准确的,自动监控家庭营养.
- 为个性化的饮食评估和慢性疾病管理提供了有价值的数据.
- 展示了综合人工智能和传感器技术在营养科学中的潜力.

