Utilización del Deep Learning para la estimación de calorías en platos de comida

En los últimos años, muchas aplicaciones tecnológicas han sido implementadas para controlar el incremento en enfermedades producidas por malos hábitos alimenticios como la diabetes y la obesidad. Sin embargo, muchas de estas dependen de la ayuda del usuario para el cálculo de calorías, y en caso de ser automáticas, requieren de datos precargados sobre los pesos y contenido calórico de los alimentos o incluso necesitan múltiples imágenes para su estimación. Adicionalmente, no existe una gran oferta de soluciones tecnológicas que se enfoquen en comidas latinoamericanas. Por lo tanto, en este proyecto se llevó a cabo el desarrollo de un sistema de estimación de calorías en platos de comida latinoamericana basados en la clasificación de los alimentos, utilizando un modelo de deep learning junto a redes neuronales convolucionales logrando una precisión de 71.42%. Para ello se analizaron más de 1000 imagenes de 7 categorías distintas: Carne, Pollo, Arroz, Pasta, Puré de papa, Salmón y Ensalada.

• Autores: Villarreal, Jorge; Tejeda, Jose; Zapata, Fabio
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/9406
• Acceso en línea: http://hdl.handle.net/10584/9406
• Palabra clave: Estimación de calorías; Redes neuronales convolucionales; Clasificación de alimentos en imágenes; Aprendizaje profundo, Conjunto de datos; Food calorie estimation; Convolutional Neural Network; Food Image Classification; Deep Learning; Dataset
• License: Universidad del Norte