加拿大麥吉爾大學的一個研究小組開發了一種移動應用程序，該應用程序可以實時識別整餐中的食物，并提供有用的營養相關信息。該團隊在arXiv上預發表的最新論文中概述了稱為FoodTracker的新移動應用程序，該論文在東京舉行的第16屆國際機器視覺應用大會上發表。

進行這項研究的研究人員之一Zelijko Zilic對TechXplore表示：“我們的實驗室專注于嵌入式系統上與醫療保健相關的應用程序。”“我們的目標是將自動化納入食品日記，以便關心自己日常消費或患者的人們可以跟蹤他們日常生活中的餐食和營養含量。為此，我們一直在為iPhone提供應用程序(DiaBeatMove和CarbAndMove)協助糖尿病患者和糖尿病前期者管理生活中與運動，營養，胰島素和健康相關的方面。”

在和世界其他，肥胖率上升以及與營養不良有關的問題促使許多研究人員開發可促進健康生活方式選擇的移動應用程序或在線平臺。Zilic和他的同事在最近的研究中專門著手開發智能手機應用程序，該應用程序可以快速，有效地識別用戶實時食用的食物，并為每餐食物提供營養成分。

研究人員開發的移動應用程序FoodTracker非常易于使用。當用戶將他的智能手機相機對準包含他/她的飯菜的盤子時，該應用程序會迅速識別出它的不同成分。

參與這項研究的另一位研究人員孫建寧(Jianing Sun)表示：“我們的FoodTracker應用程序的主要優勢在于它不依賴任何手動數據輸入-僅基于移動攝像頭的圖像即可實現自動食品監測和營養分析。” TechXplore。

首先，Zilic，Sun及其同事開發了一個模型，該模型將深度卷積神經網絡(CNN)與YOLO(一種最新的檢測策略)結合在一起。他們使用廣泛的食物圖像數據庫對該模型進行了訓練，發現該模型在基于近80%圖像的食物檢測中具有平均精度。

FoodTracker營養分析結果的示例(一份)。

Zilic說：“使用我們的方案，我們證明，即使功率適中的智能手機也可以進行所需的食品識別。”“最有意義的發現是FoodTracker的推理時間短，運行時內存低和準確性高，這使其非常實用且易于使用。”

隨后，研究人員將他們的模型集成到FoodTracker應用程序中，并具有營養分析的附加功能。這使該應用可以為基于CNN的模型檢測到的每種食物成分提供重要的營養相關信息(例如卡路里，數量等)。

初步評估表明，FoodTracker應用程序是用于實時識別食物并提供營養指導的有前途的工具。此外，盡管具有AI組件，該應用程序也可以在移動設備上使用，推理時間可以忽略不計，并且對內存的要求很小。

“當我在介紹這項工作時，我發現有許多工業研究人員正在使用最新出現的計算機視覺技術進行食品檢測。”“我什至被邀請到一家在70多個開展業務的國際食品技術公司。我感到人們越來越注意日常飲食的健康用途。”

將來，諸如FoodTracker之類的移動應用程序可以拓寬人們對營養的知識，支持他們更加了解他們每天食用的食物，甚至可以幫助他們改善飲食習慣。Zilic，Sun和他們的同事現在正計劃將應用程序提供的與營養相關的指南與鼓勵健康生活方式的其他模塊集成在一起。

進行這項研究的另一位研究員Katarzyna Radecka告訴TechXplore：“可以檢測食物對象并提取營養成分的全自動應用程序非常復雜，特別是在實際應用中。”“我們的工作邁出了第一步，但可以肯定的是，還有更多的工作要做，例如多任務學習，魯棒性和更好的泛化，體積估計。我們相信，即使是部分解決這些問題，也可能具有極大的價值。社會。”