Estimativa da resposta glicêmica em refeições para diabéticos utilizando visão computacional
Carregando...
Data
2017
Tipo de documento
Artigo Científico
Título da Revista
ISSN da Revista
Título de Volume
Área do conhecimento
Ciências Exatas e da Terra
Modalidade de acesso
Acesso aberto
Editora
Autores
Bitencourt, Julio Henrique
Corégio, Marcus Hert Da
Orientador
Pereira, Max Roberto
Coorientador
Resumo
This paper describes a computational model to estimate nutrientspresent in meals to diabetic people, through digital images. Techniques ofdigital image processing along with computational vision will be applied totreatment and standardization of acquired images, associated with machinelearning techniques to recognition and classification of meal foods. The resultstaken by the model will be confronted against data present in nutritionaltables, defining its inference. After the results validation we got 81,49%precision in food recognizing and a relative mean error of 12,56% on volumeestimation.
Este artigo descreve um modelo computacional para realizar estimativa de nutrientes presentes em refeições para pessoas diabéticas através de imagens digitais. Foram aplicadas técnicas de processamento digital de imagens juntamente com visão computacional para tratamento e padronização das imagens adquiridas, associadas a técnicas de aprendizado de máquina para reconhecimento e classificação dos alimentos da refeição. Os resultados obtidos pelo modelo foram confrontados com dados presentes em tabelas nutricionais, definindo sua inferência. Após a validação dos resultados foi obtido 81,49% de acerto no reconhecimento dos alimentos e erro médio relativo de 12,56% na estimativa de volume.
Este artigo descreve um modelo computacional para realizar estimativa de nutrientes presentes em refeições para pessoas diabéticas através de imagens digitais. Foram aplicadas técnicas de processamento digital de imagens juntamente com visão computacional para tratamento e padronização das imagens adquiridas, associadas a técnicas de aprendizado de máquina para reconhecimento e classificação dos alimentos da refeição. Os resultados obtidos pelo modelo foram confrontados com dados presentes em tabelas nutricionais, definindo sua inferência. Após a validação dos resultados foi obtido 81,49% de acerto no reconhecimento dos alimentos e erro médio relativo de 12,56% na estimativa de volume.
Palavras-chave
Visão computacional, Aprendizado de máquina, Resposta glicêmica, Diabetes, Estimativa