面向慢性病人群的智能膳食评估系统

目的基于移动终端拍摄的食物图像对慢性病患者的日常饮食进行智能营养评估。方法构建基于人工智能的膳食评估系统,利用深度学习技术与图像处理方法,实现食物图像的智能分割、识别与营养素估算,使慢性病患者仅依据智能手机拍摄的食品图像即可得到食物的营养素信息。该系统同时支持172类中餐食谱与353种食材的细粒度识别,并在Vireo Food^(-1)72食谱数据集上得到了验证。结果基于卷积神经网络模型的食谱预测准确率为89.72%,食材评估指标微平均(micro-averaging,Micro-F1)提升至79.06%,宏平均(macro-averaging,Macro-F1)提升至64.28%,在Vireo Food^(-1)72食谱数据集上取得了目前食材分类的最佳性能;基于食谱与食材识别结果对食物营养素进行估计,估计值与参考值误差均处于合理的范围内。结论本系统可实现针对慢性病人群的智能膳食评估,便于患者进行每日饮食的自我监督,且有助于辅助营养师完成患者的日常饮食记录与评估,具有实用价值与研究意义。