Une application mobile de détection d'aliments alimentée par l'IA

Une équipe de recherche de l'Université McGill au Canada a développé une application mobile capable de reconnaître en temps réel les aliments contenus dans un repas complet, fournissant ainsi des informations utiles sur la nutrition. L’équipe a décrit la nouvelle application mobile, appelée FoodTracker, dans un document publié au préalable sur arXiv et présenté à la 16e Conférence internationale sur les applications de vision industrielle à Tokyo.

"Notre laboratoire se concentre sur les applications liées aux soins de santé sur les systèmes embarqués", a déclaré à TechXplore, l'un des chercheurs ayant réalisé l'étude, Zelijko Zilic. "Nous visons l'automatisation de la journalisation des aliments afin que les personnes qui se soucient de leur consommation quotidienne ou de leurs patients puissent garder un suivi quotidien des aliments et des éléments nutritifs. Pour ce faire, nous fournissons des applications (DiaBeatMove et CarbAndMove) pour iPhone qui aident les diabétiques et les pré-diabétiques à gérer l'exercice, la nutrition, l'insuline et les aspects de leur vie liés à la santé. "

L'augmentation des taux d'obésité et les problèmes liés à la malnutrition aux États-Unis et dans d'autres pays ont incité de nombreux chercheurs à développer des applications mobiles ou des plates-formes en ligne qui favorisent des choix de vie plus sains. Dans leur récente étude, Zilic et ses collègues ont spécifiquement développé une application pour smartphones capable de reconnaître rapidement et efficacement les aliments consommés en temps réel par un utilisateur, offrant des informations nutritionnelles pour chaque composant d'un repas.

FoodTracker, l'application mobile développée par les chercheurs, est très facile à utiliser. Lorsqu'un utilisateur pointe l'appareil photo de son smartphone sur une assiette contenant son repas, l'application reconnaît rapidement ses différents ingrédients.

"Le principal avantage de notre application FoodTracker réside dans le fait qu'elle ne s'appuie pas sur une saisie manuelle des données – réalisez une analyse automatique de la surveillance des aliments et de la nutrition, basée uniquement sur des images provenant de caméras mobiles", a déclaré Jianing Sun, un autre chercheur impliqué dans l'étude. TechXplore.

Tout d'abord, Zilic, Sun et leurs collègues ont développé un modèle combinant un réseau de neurones à convolution profonde (CNN) et YOLO, une stratégie de détection à la pointe de la technologie. Ils ont formé ce modèle à l'aide d'une vaste base de données d'images de produits alimentaires et ont constaté qu'il avait une précision moyenne dans la détection des produits alimentaires basée sur des images de près de 80%.

"En utilisant notre système, nous avons montré que même les smartphones à alimentation modeste peuvent prendre en charge la reconnaissance alimentaire requise", a déclaré Zilic. "Parmi les découvertes les plus significatives figurent le temps d'inférence court, la mémoire d'exécution réduite et la grande précision de FoodTracker, qui le rendent très pratique et facile à utiliser."

Par la suite, les chercheurs ont intégré leur modèle dans l'application FoodTracker, avec une fonctionnalité supplémentaire pour l'analyse de la nutrition. Cela permet à l'application de fournir des informations importantes sur la nutrition (calories, quantités, etc.) pour chaque composant alimentaire détecté par le modèle basé sur CNN.

Les premières évaluations suggèrent que l’application FoodTracker est un outil prometteur pour l’identification en temps réel des aliments et pour la fourniture de conseils en matière de nutrition. De plus, en dépit de son composant IA, l'application peut également être utilisée sur des appareils mobiles avec un temps d'inférence négligeable et ses besoins en mémoire sont minimes.

"Quand j'étais au Japon pour présenter ce travail, j'ai découvert que de nombreux chercheurs industriels travaillaient sur la détection des aliments avec les techniques de vision par ordinateur récemment émergées", a déclaré Sun. "J'ai même été invité dans une entreprise internationale de technologie alimentaire qui exerce ses activités dans plus de 70 pays. Je pense que les gens accordent une attention croissante à leur consommation quotidienne à des fins de santé."

À l'avenir, des applications mobiles telles que FoodTracker pourraient élargir les connaissances des personnes en matière de nutrition, en les aidant à prendre conscience des aliments qu'ils consomment quotidiennement et peut-être même en les aidant à améliorer leurs habitudes alimentaires. Zilic, Sun et leurs collègues envisagent maintenant d'intégrer les conseils relatifs à la nutrition fournis par l'application avec d'autres modules qui encouragent un mode de vie plus sain.

"L'application entièrement automatique capable de détecter les aliments et d'extraire le contenu nutritionnel est très compliquée, en particulier lorsqu'il s'agit d'application réelle", a déclaré à TechXplore, Katarzyna Radecka, une autre chercheuse qui a mené l'étude. "Notre travail est un premier pas dans cette direction, mais il est certain que davantage de travail doit être suivi, par exemple apprentissage multitâche, robustesse et meilleure généralisation, estimation du volume. Nous pensons qu'une solution même partielle de ces problèmes pourrait être très utile pour: société."

© 2019 Science X Network