基于图像的膳食评估：健康餐盘估计系统

过去二三十年间，饮食的营养质量显著恶化，而这种恶化往往被人们低估。这种恶化加上忙碌的生活方式，加剧了健康问题。认识到这一问题，哈佛大学的研究人员倡导一种均衡的营养餐盘模型来促进健康。受此研究启发，我们的论文介绍了一种创新的基于图像的膳食评估系统，旨在通过图像分析评估餐食的健康程度。我们的系统采用先进的图像分割和分类技术来分析餐盘上的食物项目，评估它们的比例，并计算餐食对哈佛健康饮食建议的符合程度。这种方法利用机器学习和营养科学，为个人提供可操作的健康饮食选择见解。我们的四步框架包括：分割图像、分类项目、基于哈佛健康餐盘研究进行营养评估，以及提供个性化建议。该原型系统通过提供一种可访问的、基于证据的膳食评估工具，在促进更健康的饮食习惯方面显示出有希望的结果。