Publicação

Visão computacional para deteção de hábitos alimentares

Detalhes bibliográficos
Resumo:	O excesso de peso e a obesidade são fatores comportamentais que têm vindo a causar um aumento substancial de mortes em Portugal. Estes fatores podem trazer complicações musculoesqueléticas, efeitos metabólicos como diabetes, riscos cardiovasculares, efeitos sobre a saúde mental e o aparecimento e/ou agravamento de cancro. Seguir uma dieta saudável é importante não apenas para controlar os níveis de açúcar, mas também o perfil lipídico, a tensão arterial, minimizando assim o risco cardiovascular e de complicações microvasculares. Torna-se, portanto, crucial a implementação de soluções que orientem os utilizadores a optar por opções alimentares mais benéficas à sua saúde, para que os indivíduos previnam o aparecimento de outras doenças ou exacerbações das doenças que já possam possuir. Estas soluções podem ser manuais como a contagem manual de hidratos de carbono ou digitais como as várias aplicações móveis existentes no mercado que permitem a monitorização de doenças e o controlo nutricional. Atualmente, grande parte da sociedade possui um dispositivo móvel com capacidade de tirar fotografias e cada vez mais os telemóveis são usados como assistentes pessoais, ajudando o ser humano a ser mais eficaz nas suas tarefas diárias. Estes dispositivos representam um recurso computacional versátil, com grande capacidade de deteção e inferência. As técnicas de machine learning aplicadas nas câmaras dos telemóveis permitem a estabilização de imagem, tradução de texto automática, deteção de objetos, reconhecimento de rostos, entre outros. Os próprios sensores dos telemóveis são cada vez mais complexos e podem ser usados para detetar movimentos e padrões, inferir níveis de stress e emocionais do utilizador, reconhecimento de lugares, estimativa de profundidade dos elementos numa fotografia, e assim por diante. Estes sensores possibilitam a extração de dados sem que o utilizador tenha de realizar uma tarefa específica. O objetivo desta tese foi implementar e estudar sistemas inovadores que, através de visão computacional, auxiliem na tarefa de controlo nutricional e que permitam a monitorização de doenças. Neste âmbito, desenvolveuse um sistema de reconhecimento de alimentos utilizando Detectron2 com o modelo PointRend que, com o auxílio de um modelo de Regressão Linear capaz de prever uma estimativa do peso dos alimentos presentes em uma imagem, permitiu que o controlo nutricional se tornasse em uma tarefa simples. A solução proposta nesta dissertação permitirá que o utilizador poupe tempo e esforço, e que realize decisões alimentares mais conscientes. Além disso, esta solução também estará preparada para auxiliar pacientes diabéticos, indicando, por exemplo, as unidades de insulina que deve injetar, tendo em conta a refeição que irá ingerir.
Autores principais:	Antelo, Ana Catarina Lopes
Assunto:	Visão Computacional Reconhecimento de alimentos Estimativa de peso Saúde Diabetes Computer Vision Food recognition Weight estimation Health Diabetes
Ano:	2022
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso aberto
Instituição associada:	Instituto Politécnico do Porto
Idioma:	português
Origem:	Repositório Científico do Instituto Politécnico do Porto

Descrição
Resumo:	O excesso de peso e a obesidade são fatores comportamentais que têm vindo a causar um aumento substancial de mortes em Portugal. Estes fatores podem trazer complicações musculoesqueléticas, efeitos metabólicos como diabetes, riscos cardiovasculares, efeitos sobre a saúde mental e o aparecimento e/ou agravamento de cancro. Seguir uma dieta saudável é importante não apenas para controlar os níveis de açúcar, mas também o perfil lipídico, a tensão arterial, minimizando assim o risco cardiovascular e de complicações microvasculares. Torna-se, portanto, crucial a implementação de soluções que orientem os utilizadores a optar por opções alimentares mais benéficas à sua saúde, para que os indivíduos previnam o aparecimento de outras doenças ou exacerbações das doenças que já possam possuir. Estas soluções podem ser manuais como a contagem manual de hidratos de carbono ou digitais como as várias aplicações móveis existentes no mercado que permitem a monitorização de doenças e o controlo nutricional. Atualmente, grande parte da sociedade possui um dispositivo móvel com capacidade de tirar fotografias e cada vez mais os telemóveis são usados como assistentes pessoais, ajudando o ser humano a ser mais eficaz nas suas tarefas diárias. Estes dispositivos representam um recurso computacional versátil, com grande capacidade de deteção e inferência. As técnicas de machine learning aplicadas nas câmaras dos telemóveis permitem a estabilização de imagem, tradução de texto automática, deteção de objetos, reconhecimento de rostos, entre outros. Os próprios sensores dos telemóveis são cada vez mais complexos e podem ser usados para detetar movimentos e padrões, inferir níveis de stress e emocionais do utilizador, reconhecimento de lugares, estimativa de profundidade dos elementos numa fotografia, e assim por diante. Estes sensores possibilitam a extração de dados sem que o utilizador tenha de realizar uma tarefa específica. O objetivo desta tese foi implementar e estudar sistemas inovadores que, através de visão computacional, auxiliem na tarefa de controlo nutricional e que permitam a monitorização de doenças. Neste âmbito, desenvolveuse um sistema de reconhecimento de alimentos utilizando Detectron2 com o modelo PointRend que, com o auxílio de um modelo de Regressão Linear capaz de prever uma estimativa do peso dos alimentos presentes em uma imagem, permitiu que o controlo nutricional se tornasse em uma tarefa simples. A solução proposta nesta dissertação permitirá que o utilizador poupe tempo e esforço, e que realize decisões alimentares mais conscientes. Além disso, esta solução também estará preparada para auxiliar pacientes diabéticos, indicando, por exemplo, as unidades de insulina que deve injetar, tendo em conta a refeição que irá ingerir.