Máy quét thực phẩm biến hình ảnh chụp bằng điện thoại thành phân tích dinh dưỡng

Công nghệ này sử dụng các thuật toán học sâu tiên tiến để nhận dạng các mặt hàng thực phẩm dựa vào hình ảnh và tính toán hàm lượng dinh dưỡng của chúng, bao gồm calo, protein, carbohydrate và chất béo.

Trước đây, các nhà nghiên cứu gặp khó khăn trong việc phát triển AI để nhận dạng thực phẩm. Thứ nhất là sự đa dạng về hình ảnh của các loại thực phẩm. Theo Sunil Kumar, đồng tác giả nghiên cứu, không giống như các đồ vật được sản xuất có hình dạng bên ngoài theo tiêu chuẩn, cùng một món ăn có thể trông khác biệt đáng kể tùy thuộc vào người chế biến. Chiếc bánh mì kẹp thịt từ nhà hàng không giống với chiếc bánh mì kẹp ở nơi khác và các phiên bản tự làm lại thêm một lớp phức tạp nữa

Thứ hai là khó khăn khi ước tính kích thước khẩu phần ăn – một yếu tố quan trọng trong tính toán dinh dưỡng. Nhóm nghiên cứu đã khắc phục hạn chế này thông qua bổ sung chức năng tính toán thể tích dựa vào xử lý hình ảnh tiên tiến để đo chính xác thể tích của mỗi loại thực phẩm trên đĩa.

Hệ thống này kết nối thể tích của từng loại thực phẩm trên đĩa với dữ liệu về mật độ và chất dinh dưỡng đa lượng để chuyển đổi hình ảnh 2D thành đánh giá dinh dưỡng. Việc tích hợp các phép tính thể tích với mô hình AI này cho phép phân tích chính xác mà không cần nhập liệu thủ công, giải quyết thách thức từ lâu trong việc theo dõi chế độ ăn uống tự động.

Rào cản lớn thứ ba là hiệu quả tính toán. Các mô hình trước đây đòi hỏi phải xử lý quá nhiều mới có thể sử dụng trong thời gian thực, dẫn đến sự chậm trễ và lo ngại về quyền riêng tư. Trong nghiên cứu mới, các tác giả đã sử dụng công nghệ nhận dạng hình ảnh có tên là YOLOv8 với ONNX Runtime (công cụ giúp các chương trình AI chạy hiệu quả hơn) để xây dựng chương trình nhận dạng thực phẩm trên trang web thay vì dưới dạng ứng dụng có thể tải xuống, cho phép mọi người chỉ cần truy cập trang web bằng trình duyệt web trên điện thoại để phân tích bữa ăn và theo dõi chế độ ăn uống của họ.

Khi thử nghiệm trên một lát pizza, hệ thống đã tính toán được 317 calo, 10 gam protein, 40 gam carbohydrate và 13 gam chất béo – giá trị dinh dưỡng gần giống với tiêu chuẩn tham chiếu. Hệ thống cũng hoạt động tốt khi phân tích các món ăn phức tạp hơn như idli sambhar, món đặc sản của Nam Ấn Độ gồm bánh gạo hấp với món hầm đậu lăng, tính toán được 221 calo, 7 gam protein, 46 gam carbohydrate và chỉ 1 gam chất béo.

Nhóm nghiên cứu đã giải quyết các thách thức về dữ liệu bằng cách kết hợp các danh mục thực phẩm tương tự, loại bỏ các loại thực phẩm ít sử dụng và nhấn mạnh vào một số loại thực phẩm nhất định trong quá trình đào tạo. Các kỹ thuật này đã giúp tinh chỉnh tập dữ liệu đào tạo của họ từ vô số hình ảnh ban đầu thành một tập hợp cân bằng hơn gồm 95.000 trường hợp trên 214 danh mục thực phẩm. Các số liệu hiệu suất kỹ thuật cho thấy AI có thể định vị và nhận dạng chính xác các loại thực phẩm trong khoảng 80% thời gian, ngay cả khi chúng chồng lên nhau hoặc bị che khuất một phần.

Hệ thống đã được triển khai dưới dạng ứng dụng web hoạt động trên các thiết bị di động, giúp bất kỳ ai dùng điện thoại thông minh đều có thể truy cập. Hệ thống có thể được điều chỉnh và sớm mở rộng cho các ứng dụng chăm sóc sức khỏe trên phạm vi rộng hơn.

Theo: vista.gov.vn