ИИ в сфере питания: компьютерное зрение помогает придерживаться здорового рациона

Многие из нас стремятся правильно питаться и поддерживать себя в форме. Согласно опросу, 70% людей хотят стать здоровее, а для 50% из них правильное питание — приоритет. Иногда мы обращаемся за советом к врачам и диетологам. Однако это может отнимать много времени и требовать записи на приём и ведения дневника питания. Особенно утомительно отслеживать питание, к тому же при этом легко допустить ошибку.

ИИ и компьютерное зрение помогают упростить здоровое питание и сделать его доступнее. Они могут анализировать рацион, отслеживать потребление питательных веществ и даже предлагать рецепты с учётом твоих целей в области здоровья. Эти технологии также помогают выявлять аллергены, упрощая планирование питания и делая его безопаснее для людей с ограничениями в рационе. В этой статье мы подробнее рассмотрим, как эти технологии применяются для отслеживания питания и подбора рецептов. Также мы узнаем, как ИИ в области питания влияет на отрасль здравоохранения.

Рис. 1. Подсчёт калорий в блюде с помощью ИИ.

Компьютерное зрение для отслеживания питания и анализа продуктов#

Недостаточное или неправильное питание может привести к различным проблемам со здоровьем. Исследователи установили, что употребление слишком большого или слишком малого количества определённых продуктов и питательных веществ повышает риск сердечных заболеваний и инсульта. Поэтому очень важно следить за своим рационом. Традиционно для этого нужно вручную записывать съеденные продукты, оценивать размеры порций и искать информацию о питательной ценности. Это занимает много времени и может приводить к ошибкам. Технологии ИИ и компьютерного зрения значительно упрощают отслеживание питания.

Когда садишься за стол, можно сфотографировать тарелку или миску, а модели компьютерного зрения проанализируют изображение и определят разные продукты. Затем система ИИ сможет оценить размер порций и предоставить подробную информацию о питательной ценности. Например, с помощью обнаружения объектов системы компьютерного зрения могут точно определять продукты на тарелке. Для обучения таких моделей подходят общедоступные наборы данных, например Food Recognition 2022.

Рис. 2. Использование модели компьютерного зрения Ultralytics YOLOv8 для обнаружения клубники.

Затем распознанные продукты можно сопоставить с обширной базой данных о питательной ценности. Продвинутые алгоритмы, например оценка глубины, помогают оценить размер порций. Определив продукты и оценив размеры порций, система может рассчитать калорийность, содержание макронутриентов (белков, жиров и углеводов) и микронутриентов (витаминов и минералов), предоставив подробную информацию о составе блюда.

Приложения для отслеживания питания на основе компьютерного зрения#

Одно из самых популярных применений компьютерного зрения для отслеживания питания — мобильные приложения. Кратко рассмотрим несколько приложений для отслеживания питания на базе ИИ.

SnapCalorie — приложение, которое с помощью компьютерного зрения оценивает калорийность и содержание макронутриентов по фотографии. Обученное на 5000 блюдах приложение снижает погрешность оценки калорийности до менее чем 20% и превосходит большинство людей. Результаты можно сохранить в дневнике питания или экспортировать в фитнес-платформы, например Apple Health.

Ещё одна интересная инновация в области отслеживания питания с помощью ИИ — LogMeal API. Он использует алгоритмы глубокого обучения, натренированные на больших наборах изображений еды, чтобы точно обнаруживать и распознавать продукты. Модели LogMeal распознают 1300 блюд с точностью 93% и предоставляют подробный анализ питательной ценности, определяют ингредиенты и оценивают размер порций. LogMeal API легко интегрировать в приложения для отслеживания питания в ресторанах, киосках самообслуживания, стартапах в сфере пищевых технологий, медицинских организациях и других компаниях.

Рис. 3. Определение продуктов с помощью LogMeal.

Использование ИИ для подбора рецептов#

ИИ может предлагать полезные рецепты из продуктов, которые есть у тебя на кухне. Методы компьютерного зрения, например сегментация, помогают определять разные ингредиенты на фотографии холодильника или кладовой. Затем большая языковая модель (LLM), например ChatGPT, может на основе этих данных предложить рецепты с помощью генеративного ИИ. Поскольку LLM можно задавать запросы, ты можешь указать ограничения в питании, например веганский рацион, отсутствие глютена или низкое содержание углеводов, и система ИИ подберёт рецепты с учётом этих условий.

Рис. 4. Распознавание ингредиентов с помощью компьютерного зрения.

«Sous Chef» — пример такой технологии, созданный на основе настроенной версии ChatGPT. Он может предлагать рецепты из имеющихся у тебя продуктов. Ты можешь указать ингредиенты в запросе или загрузить фотографию продуктов из холодильника.

Возможно, ты задаёшься вопросом: действительно ли нам нужна такая система? Системы подбора рецептов с помощью ИИ дают много преимуществ: например, они сокращают пищевые отходы, помогая рационально использовать имеющиеся ингредиенты, и разнообразят меню изысканными блюдами. Они также помогают поддерживать сбалансированный рацион. Например, персональные планы питания, составленные генератором рецептов на основе ИИ, могут помочь тебе достичь фитнес-целей. Такие системы также делают процесс готовки гораздо интереснее и творчески насыщеннее.

Стартапы, внедряющие инновации на основе ИИ в индустрии питания#

В сфере продуктов питания и питания людей ведётся немало интересной работы с применением ИИ. Рассмотрим несколько стартапов, которые интегрируют ИИ в продукты, которые мы едим каждый день.

Journey Foods — стартап из США, который предоставляет аналитические данные об ингредиентах для разработки и запуска новых упакованных продуктов питания. Его платформа для анализа данных JourneyAI изучает миллионы ингредиентов и данные цепочек поставок, чтобы находить идеальные ингредиенты для каждого продукта. Она собирает и хранит огромные объёмы данных о химических веществах и питательных веществах, чтобы создавать оптимальные рецептуры. Платформа также помогает производителям упакованных продуктов эффективнее управлять полным жизненным циклом продукции благодаря поиску новых решений на основе данных.

Ещё один инновационный стартап в индустрии питания — Viome. Viome использует искусственный интеллект и технологию секвенирования мРНК, чтобы давать персональные рекомендации по питанию и здоровью. Компания предлагает тесты, которые можно пройти дома: они анализируют микробиом и экспрессию генов, чтобы точно оценить состояние здоровья человека. Эти данные помогают выявить первопричины дисбаланса микробиома и воспаления. На основе полученных сведений Viome назначает индивидуально подобранные добавки и рекомендации по питанию, учитывающие уникальные биохимические особенности каждого человека. Уделяя особое внимание профилактике хронических заболеваний и устранению первопричин проблем со здоровьем, Viome делает передовые решения для управления здоровьем доступными и персонализированными.

Рис. 5. Рекомендации по питанию на основе ИИ и секвенирования генома.

Взвешиваем недостатки ИИ-диетологов#

Несмотря на многочисленные преимущества систем питания на основе ИИ, важно понимать и их недостатки. Одна из главных проблем — конфиденциальность и безопасность данных. Таким системам нужен доступ к конфиденциальной личной информации о здоровье и питании. Если эти данные плохо защищены, ими могут злоупотребить или их могут украсть.

Кроме того, существует проблема предвзятости алгоритмов ИИ. Если обучающие данные недостаточно разнообразны, рекомендации могут быть неточными для разных людей и привести к плохим советам для отдельных групп. Ещё одна проблема — риск чрезмерной зависимости от технологий. ИИ может давать полезную информацию, но он не должен заменять опыт диетологов и медицинских работников.

Влияние на медицинскую отрасль#

Системы отслеживания питания и работы диетологов на основе ИИ способны преобразить медицинскую отрасль и изменить роль диетологов и других специалистов в здравоохранении. Кроме того, у людей появится больше возможностей получать рекомендации по питанию. Около 40% людей не считают нужным советоваться с врачом, прежде чем добавить пищевую добавку в свой ежедневный рацион. ИИ упрощает получение экспертного мнения и может побудить людей чаще обращаться за дополнительными рекомендациями, прежде чем менять свой рацион.

ИИ может коренным образом изменить подходы к питанию и управлению рационом. Александра Каплан, диетолог-нутрициолог из Core Nutrition в Уэстчестере, штат Нью-Йорк, говорит: «Если ИИ работает точно, он может быть очень полезен, потому что поможет мне точно определить размер порции того, что лежит на тарелке, а затем и состав еды, чтобы пациенты могли лучше понимать, что они едят во время приема пищи».

ИИ не заменяет диетологов, а служит мощным инструментом, дополняющим их экспертные знания. ИИ может предоставлять аналитические данные, которые помогают принимать клинические решения и разрабатывать более эффективные планы лечения. Например, ИИ может выявлять закономерности в пищевых привычках пациента, способствующие развитию хронических заболеваний, и помогать диетологам вмешиваться раньше и эффективнее.

Кратко об ИИ в сфере питания#

Компьютерное зрение и ИИ значительно упрощают отслеживание рациона и даже могут стать твоим персональным диетологом. Эти технологии помогают улучшить здоровье пациентов благодаря точному наблюдению и индивидуальным планам питания, а также снизить расходы на здравоохранение, сделав большинство сложных процессов работы диетолога эффективнее. Хотя у ИИ есть ограничения — например, проблемы с точностью и нехватка человеческого участия, — инновации на основе ИИ могут дополнить опыт специалистов и улучшить качество помощи в вопросах питания. До репликаторов еды из «Звёздного пути» ещё далеко, но ИИ уже меняет будущее индустрии питания.

Давай внедрять инновации вместе! Загляни в наш репозиторий на GitHub, чтобы узнать о нашем вкладе в развитие ИИ. Узнай, как мы применяем ИИ в таких отраслях, как производство и здравоохранение.