Utilización del Deep Learning para la estimación de calorías en platos de comida
Autor
Villarreal, Jorge
Tejeda, Jose
Zapata, Fabio
Fecha
2020-12-17Resumen
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. In recent years, multiple web and mobile applications have been implemented to control the proliferation of diseases caused by poor eating habits such as diabetes and obesity. However, many of these solutions depend on human intervention to calculate calories, and even if it is automatic, they require preloaded data on the weights and caloric content of the food or even need multiple images for their estimation. In addition, there is not a considerable offer of technological solutions that focus on Latin American foods. Also, there is not an app that can classify categories. Therefore, in this project, we built a dataset to store systematically the images and the design and implementation of system to estimate calories in Latin American food dishes was developed based on the classification of the foods, using a deep learning model with convolutional neural networks achieving a precision of 71.42%. We analyze more than a thousand images with seven categories: Meat, Chicken, Rice, Pasta, Mashed potatoes, Salmon and Salad.