Aportul ridicat de calorii s-a dovedit dăunător la nivel mondial, deoarece a dus la numeroase boli. Cu toate acestea, dieteticienii au greșeala că un aport standard de mai multe calorii este esențial pentru a menține echilibrul corect al conținutului de calorii din corpul uman. În această teză, luăm în considerare categoria de instrumente care utilizează procesarea imaginilor pentru a recunoaște obiecte alimentare simple și multiple, și anume mașină vectorială de suport (SVM). Vă propunem o metodă pentru calibrarea complet automată și ușor de utilizat a dimensiunilor porțiilor de alimente. Această calibrare este necesară pentru a estima numărul total de calorii din porțiile de alimente. În această lucrare, pentru a calcula numărul de calorii din obiectul alimentar, mergem dincolo de metoda de calibrare a caloriilor pe bază de deget care a fost utilizată în trecut, măsurând automat distanța dintre utilizator și obiectul alimentar.

VIDEO DEMO

INTRODUCERE

SISTEM EXISTENT

Alimentele folosite pentru porționare și căutare prin proces de segmentare utilizând transformarea cosinusului discret apoi utilizate pentru a clasifica după K-NN (k cel mai apropiat vecin) prin aceea că este nevoie de mult timp pentru a se pregăti imaginile și pentru a clasifica nu s-a presupus că există date adecvate, putând apărea mai multe pierderi de date.

SISTEMUL PROPUS

În această lucrare, o monitorizare dietetică automată a consumatorilor de cantină care se bazează pe histograme prezintă tehnici pentru recunoașterea automată a alimentelor și estimarea resturilor într-un scenariu de cantină. Deși scenariul cantinei include unele simplificări aparente, cum ar fi condițiile de achiziție a imaginii controlate, meniul săptămânal cunoscut etc., problema recunoașterii alimentelor și a estimării resturilor este încă o problemă provocatoare datorită variațiilor enorme în compoziția tăvii și a plăcilor. Aspectul vizual al aceluiași fel de mâncare se poate schimba foarte mult în funcție de modul în care este așezat pe farfurie. Sistemul este capabil să identifice și să recunoască categoria de alimente și să estimeze cantitatea de alimente și carbohidrați. Mai mult, putem clasifica prin sprijinirea mașinii vectoriale și a identifica diferite calorii ale alimentelor

DIAGRAMĂ BLOC

măsurarea

AVANTAJE

  • Măsurarea consumului de calorii în imaginea alimentelor.
  • Acuratețea sistemului va fi acceptabilă

CERINȚE SOFTWARE

CERERE

CONCLUZIE

În sistemul propus, o metodă de măsurare care estimează cantitatea de calorii din imaginea unui aliment prin măsurarea suprafeței porțiunilor alimentare din imagine și folosind tabele cu informații nutriționale pentru a măsura cantitatea de calorii și nutriția din aliment. Iar caloriile sunt prezentate în rezultatele finale cu valoare aproximativă. Astfel, lucrarea este concepută pentru a ajuta dieteticienii în tratamentul persoanelor obeze sau supraponderale, deși persoanele normale pot beneficia și de sistemul nostru controlând mai îndeaproape alimentația zilnică, fără a se îngrijora de supraalimentare și creșterea în greutate. Acest lucru este simplu și ușor de utilizat. Prin urmare, acest sistem este foarte important în domeniul biomedical, programarea reală Ne-am concentrat pe identificarea produselor alimentare într-o imagine utilizând prelucrarea și segmentarea imaginii, clasificarea alimentelor folosind NN, măsurarea suprafeței porțiunii de alimente și măsurarea caloriilor bazate pe porția de alimente și nutrițional Mese. Rezultatele noastre au indicat o acuratețe rezonabilă a metodei noastre în măsurarea suprafeței.

MUNCĂ VIITOARE

În viitor, implementăm și aceste sisteme utilizând un hardware pentru măsurarea caloriilor și nutriției împreună cu masa. alimente lichide precum lapte, sos, ceai, sucuri etc. de asemenea, este nevoie de mai multă muncă pentru susținerea alimentelor amestecate sau chiar lichide. Sistemul Advance poate fi proiectat pentru a utiliza orice fel de plăci având o culoare diferită pentru captarea unei fotografii în loc doar de alb. O cale evidentă pentru munca viitoare este acoperirea mai multor tipuri de alimente dintr-o varietate de bucătării din întreaga lume

REFERINȚE

1. Ahmad, Z., Khanna, N., Kerr, D.A., Boushey, C.J., Delp, E.J.: O interfață de utilizator de telefonie mobilă pentru evaluarea dietelor bazate pe imagini. În: Imagine electronică IS & T/SPIE, p. 903007. Societatea internațională pentru optică și fotonică (2014)

2. Anthimopoulos, M.M., Gianola, L., Scarnato, L., Diem, P., Mougiakakou, S.G .: Un sistem de recunoaștere a alimentelor pentru pacienții cu diabet zaharat bazat pe un model optimizat de bag-of-features. IEEE Journal of Biomedical and Health Informatics 18 (4), 1261–1271 (2014)

3. Beijbom, O., Joshi, N., Morris, D., Saponas, S., Khullar, S.: Menu-match: restaurant-speci food c food logging from images. În: 2015 IEEE Winter Conference on Applications of Computer Vision (WACV), pp. 844-851. IEEE (2015)

4. Bettadapura, V., Thomaz, E., Parnami, A., Abowd, G., Essa, I.: Folosirea contextului pentru a sprijini recunoașterea automată a alimentelor în restaurante. În: 2015 IEEE Winter Conference on Applications of Computer Vision (WACV), pp. 580–587 (2015)

5. Bianconi, F., Harvey, R., Southam, P., Fern´andez, A.: Comparație teoretică și experimentală a diferitelor abordări pentru clasificarea texturii culorilor. Journal of Electronic Imaging 20 (4) (2011)

6. Chae, J., Woo, I., Kim, S., Maciejewski, R., Zhu, F., Delp, EJ, Boushey, CJ, Ebert, DS: Estimarea volumului folosind șabloane de formă specifică pentru alimente în mobil evaluare dietetică bazată pe imagini. În: Imagine electronică IS & T/SPIE, p. 78730. Societatea Internațională pentru Optică și Fotonică (2011)

7. Chatzichristo fi s, S.A., Boutalis, Y.S.: CEDD: descriptor de directivitate de culoare și margine: un descriptor compact pentru indexarea și recuperarea imaginilor. În: Gasteratos, A., Vincze, M., Tsotsos, J.K. (eds.) ICVS 2008. LNCS, vol. 5008, pp. 312–322. Springer, Heidelberg (2008)

8. Ciocca, G., Napoletano, P., Schettini, R.: Instrument de adnotare a imaginii Iat: Manual. arXiv preprint arXiv: 1502.05212 (2015)

9. Cusano, C., Napoletano, P., Schettini, R.: Intensitate și descriptori de culoare pentru clasificarea texturilor. În: Imagine electronică IS & T/SPIE, p. 866113. Societatea internațională pentru optică și fotonică (2013)

10. Cusano, C., Napoletano, P., Schettini, R.: Combinând modele binare locale și contrastul local al culorilor pentru clasificarea texturilor în condiții de iluminare variabilă. JOSA A 31 (7), 1453–1461 (2014)

Pentru mai multe proiecte de procesare a imaginilor, faceți clic aici