加拿大麦吉尔大学的一种探讨小组开发了一个搬动利用程序，该利用程序可行实时辩别整餐中的食物，并提供有效的营养相干消息。该团队在arXiv上预发表的全新论文中概述了称为FoodTracker的新搬动利用程序，该论文在东京举办的第16届世界机器视线利用大会上发表。

发展这项探讨的探讨人士之一Zelijko Zilic对TechXplore显示：“咱们的实验室专注于镶嵌式体系上与医疗保健相干的利用程序。”“咱们的指标是将自动化归入食品日记，以便关注本人平常花费或患者的大家可行跟进它们平常生活中的餐食和营养含量。为这，咱们一直在为iPhone提供给用程序(DiaBeatMove和CarbAndMove)辅助糖尿病患者和糖尿病前期者治理生活中与活动，营养，胰岛素和健康相干的方面。”

在和全球其它，肥胖率上升以及与营养不良相关的难题促使众多探讨人士开发可推进健康生活形式抉择的搬动利用程序或在线平台。Zilic和他的同事在最近的探讨中专门着手开发智能电话利用程序，该利用程序可行迅速，有用地辩别使用者实时食用的食物，并为每餐食物提供营养成分。

探讨人士开发的搬动利用程序FoodTracker十分易于运用。当使用者将他的智能电话相机对准包涵他/她的饭菜的盘子时，该利用程序会快速辩别出它的不同成分。

参加这项探讨的另一位探讨人士孙建宁(Jianing Sun)显示：“咱们的FoodTracker利用程序的最重要的优势在于它不依赖全部手动数据输入-仅鉴于搬动摄像头的图像即可实现自动食品监测和营养剖析。” TechXplore。

起首，Zilic，Sun及其同事开发了一种模子，该模子将深度卷积神经网站(CNN)与YOLO(一个全新的检验战略)联合在一同。它们运用广大的食物图像数据库对该模子发展了训练，发觉该模子在鉴于近80%图像的食物检验中具备平均精度。

FoodTracker营养剖析结果的示例(一份)。

Zilic说：“运用咱们的方案，咱们声明，即便功率适宜的智能电话也可行发展所需的食品辩别。”“最有意义的发觉是FoodTracker的推理时间短，运转时内存低和明确性高，这使其十分实用且易于运用。”

随后，探讨人士将它们的模子集成到FoodTracker利用程序中，并具备营养剖析的附带功效。这使该利用可行为鉴于CNN的模子检验到的每种食物成分提供要紧的营养相干消息(比如卡路里，数量等)。

初步估价表达，FoodTracker利用程序是用于实时辩别食物并提供营养指导的有前途的用具。另外，虽然具备AI组件，该利用程序也可行在搬动设施上运用，推理时间可行疏忽不计，而且对内存的请求很小。

“当咱在推荐这项事业时，咱发觉有众多产业探讨人士正好运用全新显露的计算机视线技艺发展食品检验。”“咱什至被邀请到全家在70若干展开营业的世界食品技艺企业。咱感觉大家越来越注意平常饮食的健康用途。”

将来，诸如FoodTracker之类的搬动利用程序可行拓宽大家对营养的常识，扶持它们愈加理解它们每天食用的食物，甚而可行帮助它们改进饮食习惯。Zilic，Sun和它们的同事此刻正计划将利用程序提供的与营养相干的指南与勉励健康生活形式的其它模块集成在一同。

发展这项探讨的另一位探讨员Katarzyna Radecka叮嘱TechXplore：“可行检验食物对象并提取营养成分的全自动利用程序十分繁杂，特别是在实质利用中。”“咱们的事业迈出了第一步，但可行确信的是，另有更多的事业要做，比如多任务学习，鲁棒性和更没有问题泛化，空间预计。咱们信任，即便是部分解决这点难题，也可能具备极大的价格。社会。”