Dibuje su imagen de comida, y la inteligencia artificial le indica inmediatamente su recuento de calorías, contenido de grasa y valor nutricional, no más diario de alimentos o sujetos.
Este escenario futuro ahora está muy cerca de la realidad, gracias al sistema de IA desarrollado por los investigadores de la Escuela de Ingeniería de NYU Tandon que promete una nueva herramienta para millones de personas que desean controlar su peso, diabetes y otras condiciones de salud alimentaria.
En una disertación presentada en la 6ª Conferencia Internacional IEE sobre informática móvil e informática sostenible, estas tecnologías utilizan algoritmos avanzados de aprendizaje profundo para identificar alimentos en fotos y calcular su contenido nutricional, incluidas calorías, proteínas, proteínas, proteínas.
Durante más de una década, el Grupo de Investigación de Incendios de NYU, que incluye al autor principal del artículo, Prabhodar Pandar y el co -autorista Sunil Kumar, ha estudiado los desafíos de salud y operativos del bombero. Numerosos estudios de investigación sugieren que el 73-88 % del transportista y el 76-87 % de los bomberos voluntarios tienen sobrepeso u obesidad, con riesgos cardiovasculares y otros riesgos para la salud que amenazan los preparativos operativos. Estos resultados afectaron directamente el desarrollo de su sistema de seguimiento de alimentos con potencia de IA.
“Los métodos tradicionales para comer cantidades de alimentos, dijo Panandra, profesora de investigación asociada del Departamento de Escuela de Ingeniería de NYU Tandon”, dijo Panandra, “los métodos tradicionales de seguimiento de alimentos dependen en gran medida de sí mismo, lo cual es notorio”. “Nuestro sistema elimina el error humano de la igualdad”.
A pesar de la clara simplicidad de este concepto, el desarrollo de una identidad alimentaria confiable ha perturbado a los investigadores durante años. Los esfuerzos anteriores lucharon con tres desafíos básicos que el equipo de NYU Tandon ha superado.
“La diversidad visual de los alimentos es increíble”, dijo Kumar, profesor de ingeniería mecánica en Abu Dhabi y NYU Tandon, una red global de ingeniería mecánica en NYU Tandon. “A diferencia de los artículos fabricados con exposiciones estándar, el mismo plato puede verse dramáticamente sobre la base de los cuales se ha desarrollado. La hamburguesa de un restaurante es menos similar a cualquier persona desde otra ubicación, y la versión doméstica agrega otra capa de complejidad”.
Anteriormente, el sistema también se rechazó en el momento de la estimación de los sistemas, que es un factor importante en el cálculo nutricional. El avance del equipo de NYU es su función de cálculo volométrico, que utiliza el procesamiento de imágenes modernas para medir el área precisa de cada alimento en un plato.
Este sistema está vinculado al área ocupada de cada alimento con densidad y datos de macronómeros para convertir imágenes 2D en diagnóstico nutricional. Esta integración del cálculo métrico de volumen con el modelo AI permite el análisis exacto sin una entrada manual, que resuelve el desafío a largo plazo en el seguimiento automático de alimentos.
El tercer obstáculo importante ha sido el rendimiento computacional. Los modelos anteriores requieren una procertic de uso real prácticamente una gran cantidad de potencia de procesamiento, a menudo requiere un procesamiento en la nube que introduce retrasos y preocupaciones de privacidad.
Los investigadores utilizaron una poderosa tecnología de identificación de imágenes con tiempo de ejecución de ONNX (un dispositivo que ayuda a ejecutar programas de IA de manera más eficiente), que opera en un sitio web en lugar de una aplicación descargable, que permite a las personas analizar sus alimentos y usar su dieta para detectar a sus webbers.
Cuando se prueban las rodajas de pizza, el sistema tiene 317 calorías, 10 gramos de proteína, 40 gramos de carbohidratos y 13 gramos de grasa – valores nutricionales que cierran la calidad de referencia. Se desempeñó bien al analizar platos más complejos como Adali Sambahar, una característica del sur de la India que incluye pasteles de arroz hervidos con estufas de lentejas, para las cuales se calcula 221 calorías, 7 gramos de proteína, 46 gramos de carbohidatos y solo 1 gramo de grasa.
“Uno de nuestros objetivos era garantizar que el sistema funcione en diversas ofertas de alimentos y alimentos”, dijo Panandra. “Queríamos que fuera tan preciso con un hot dog, 280 calorías según nuestro sistema, como lo es con una masa de Oriente Medio, en la que nuestro sistema identifica 310 calorías y 18 gramos de grasa”.
Los investigadores resolvieron desafíos de datos combinando categorías de alimentos similares, eliminando los tipos de alimentos con muy pocos ejemplos y dando énfasis adicional a algunos alimentos durante el entrenamiento. Estas técnicas ayudaron a mejorar sus datos de entrenamiento con innumerables imágenes tempranas en la categoría de comidas 214.
La medición del rendimiento técnico es impresionante: este sistema logró una puntuación promedio relacionada con el mapa (MAP) de 0.7941 en la intersección de la puerta de 0.5 (IOU). Este es el caso con los no expertos, esto significa que la IA puede encontrar e identificar adecuadamente los alimentos al 80 % del tiempo, incluso cuando se superponen o parcialmente confundidos.
Este sistema se ha implementado como una aplicación web que funciona en dispositivos móviles, lo que hace posible a cualquier persona con un teléfono inteligente. Los investigadores describen su sistema existente como un “concepto de prueba” que pronto puede ser mejor y más para las aplicaciones de atención médica más amplias.
Además de Panandra y Kumar, los autores de esta disertación son Paradat Kumar Thomalpali y Tarama Mandal, los cuales son estudiantes de la maestría en el Departamento de Informática e Ingeniería de NYU Tandon.
