相关实验视频
Updated: Jun 18, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.9K
使用计算机视觉和人工智能算法自动化食品重量和内容估计:第二阶段
Bryan Gonzalez1, Gonzalo Garcia2, Sergio A Velastin3,4
1Escuela de Ingeniería Eléctrica, Pontificia Universidad Católica de Valparaíso, Valparaíso 2362804, Chile.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
这项研究使用人工智能和计算机视觉来估计餐厅的食物份额. 该系统准确地识别食品,并估计重量,提高餐饮服务的效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 食品科学 食品科学 食品科学
背景情况:
- 准确量化食品成分对于餐饮服务至关重要.
- 传统的部分估计方法可能是劳动密集型,容易出现错误.
研究的目的:
- 开发和验证人工智能驱动的系统,用于食品含量识别和份量大小估计.
- 在自助服务环境中利用计算机视觉技术进行自动化食品量化.
主要方法:
- 使用YOLO (You Only Look Once) 深度学习架构进行对象检测.
- 采用RGB和深度摄像头来捕捉食物体积和估计重量.
- 开发了特定食品的密度模型,用于准确的体重计算.
主要成果:
- 在食品含量识别方面获得了0.873的平均平均精度 (mAP).
- 在重量估计中显示出较低的误差率:大米为5.07%,肉为3.75%.
- 在现实世界的餐厅环境中验证了系统的可行性和准确性.
结论:
- 拟议的AI和计算机视觉系统为自动化食品量化提供了可行和准确的解决方案.
- 这项技术可以显著提高食品餐饮服务的效率和精度.
- 在营养分析和库存管理方面可能有进一步的应用.
