Optimización de la investigación en estudios alimenticios a través de una herramienta inteligente para el análisis de datos

Abstract

La alimentación actual ha decaído en comparación con generaciones anteriores. La prevalencia alarmante de comida rápida, snacks y refrescos carentes de nutrientes es notoria. Este comportamiento ha llevado a dietas desequilibradas, con exceso de grasas, carnes y falta de nutrientes esenciales. Surge una necesidad urgente de sensibilizar a la sociedad y proporcionar una herramienta orientativa para mejorar la calidad de la alimentación, al tiempo que facilite a los investigadores la realización de estudios alimenticios. Con el auge de la inteligencia artificial y la versatilidad de las redes neuronales, se busca aplicar este campo de la informática al problema alimenticio de la sociedad. Un ejemplo de ello es el proyecto ”WineGut_BrainUP”, que utilizo redes convolucionales para determinar la cantidad de vino en una copa mediante una imagen, con el objetivo de obtener medidas más precisas para su uso en estudios alimenticios. En línea con este enfoque, se aspira a implementar una herramienta similar para predecir el peso de ciertas frutas como continuación a este proyecto. Por ende, como resultado de este trabajo de fin de master, se pretende desarrollar la mencionada herramienta, además de implementar una herramienta de recogida de datos que proporcione consejos alimenticios a los usuarios.

Today’s diets have declined compared to previous generations. The alarming prevalence of nutrient-deficient fast food, snacks and soft drinks is notorious. This behaviour has led to unbalanced diets, with an excess of fats and meats, and a lack of essential nutrients. There is an urgent need to raise awareness and provide a guidance tool to improve dietary quality, while facilitating dietary studies for researchers in this field. With the rise of artificial intelligence and the versatility of neural networks, the aim is to apply this field of computer science to society’s food problem. An example of this is the ”WineGut_BrainUP” project, which used convolutional networks to determine the amount of wine in a glass using an image, with the aim of obtaining more accurate measurements for use in food studies. In line with this approach, the aim is to implement a similar tool to predict the weight of certain fruits as a continuation of this project. Therefore, as a result of this master’s thesis, it is intended to develop the aforementioned tool, in addition to implementing a data collection tool that provides dietary advice to users.