面向计算机视觉驱动的泥状食物颜色-营养评估

在四分之一的人患有营养不良的情况下，计算机视觉或可提供一种在营养领域引入新层次自动化的途径，以可靠监测食物与营养素摄入。本研究中，我们提出一种新方法，通过计算机视觉驱动的营养传感系统中泥状食物稀释系列的透射成像，利用微调的深度自编码器网络建模颜色与维生素 A 含量之间的联系，该网络在此被训练以预测甘薯泥的相对浓度。实验结果表明，该深度自编码器网络在初级（6 个月）与中级（8 个月）商业制备的甘薯泥样本上可达到 80% 的准确率。预测误差可由光学性质的根本差异解释，对此我们进一步讨论。