AI 시스템, 음식 사진을 즉시 영양 정보로 변환

식사 사진을 찍고 칼로리 수, 지방 함량, 영양소 분석을 즉시 받아보는 것을 상상해보세요. 이 미래적 비전은 NYU Tandon School of Engineering의 혁신적인 연구 덕분에 현실에 한 걸음 더 다가가고 있습니다. 이 대학의 연구자들이 개발한 선구적인 AI 시스템은 우리가 식단, 체중, 당뇨병 및 영양과 관련된 다른 건강 상태를 관리하는 방식을 혁신할 것을 약속합니다.

이 기술은 다음에 설명되어 있습니다. 종이 제6회 IEEE 모바일 컴퓨팅 및 지속 가능한 정보학 국제 컨퍼런스에서 발표된 이 기술은 고급 딥 러닝 알고리즘을 활용하여 이미지에서 식품을 인식하고 영양 성분을 계산합니다. 여기에는 칼로리, 단백질, 탄수화물 및 지방과 같은 주요 지표가 포함됩니다.

"음식 섭취량을 추적하는 전통적인 방법은 자체 보고에 크게 의존하는데, 이는 악명 높게 신뢰할 수 없습니다." NYU Tandon의 기계 공학과 조교수이자 저자인 프라보드 파닌드레는 보도자료에서 이렇게 말했습니다. "저희 시스템은 방정식에서 인적 오류를 제거합니다."

10년 이상 동안, Panindre와 공동 저자 Sunil Kumar를 포함한 NYU의 Fire Research Group은 중요한 소방관 건강 문제를 조사해 왔습니다. 연구에 따르면, 직업 소방관과 자원 소방관 모두의 상당수가 과체중이거나 비만이며, 이로 인해 심혈관 위험과 운영상의 문제가 증가합니다. 이러한 놀라운 통계는 AI 기반 식품 추적 시스템 개발의 직접적인 동기가 되었습니다.

신뢰할 수 있는 음식 인식 AI를 만드는 것은 어려운 업적이었습니다. 이전의 노력은 음식의 엄청난 시각적 다양성을 비롯한 여러 문제로 인해 실패했습니다.

"음식의 순수한 시각적 다양성은 놀랍습니다." NYU Abu Dhabi의 기계 공학 교수이자 NYU Tandon의 기계 공학 글로벌 네트워크 교수인 쿠마르는 덧붙여 말했습니다. "표준화된 외관을 가진 제조된 물건과 달리, 같은 요리라도 누가 준비했는지에 따라 극적으로 다르게 보일 수 있습니다."

또 다른 장애물은 영양 평가에 중요한 부분 크기를 정확하게 추정하는 것이었습니다. NYU 팀의 획기적인 발전은 정교한 이미지 처리를 활용하여 접시에 있는 각 음식이 차지하는 정확한 면적을 측정하는 체적 계산 기능을 포함합니다. 이 통합은 수동 입력 없이도 2D 이미지를 정확한 영양 평가로 변환합니다.

효율적인 실시간 처리도 과제였습니다. 이전 모델 대부분은 엄청난 연산 능력과 클라우드 처리가 필요했고, 이로 인해 지연과 개인정보 보호 문제가 발생했습니다. NYU 연구원들은 ONNX Runtime과 함께 YOLOv8을 사용하여 웹사이트에서 실행되는 식품 식별 시스템을 개발했으며, 이를 통해 사용자는 휴대전화의 웹 브라우저를 통해 쉽게 액세스할 수 있었습니다.

피자 한 조각과 남인도 요리인 이들리 삼바르를 포함한 다양한 음식에 이 시스템을 테스트한 결과, 이 시스템은 표준 기준과 거의 일치하는 영양가를 나타냈습니다.

"저희 목표 중 하나는 다양한 요리와 음식 프레젠테이션에서 시스템이 작동하도록 하는 것이었습니다." Panindre가 덧붙였습니다. "저희는 핫도그(저희 시스템에 따르면 280칼로리)와 바클라바(저희 시스템에서 310칼로리, 18그램의 지방이 있는 것으로 식별)의 정확도를 원했습니다."

연구자들은 유사한 식품 범주를 결합하고 대표성이 낮은 식품 유형에 초점을 맞춰 데이터를 최적화하고, 데이터 세트를 95,000개 식품 범주에 걸쳐 214개 이미지로 정제했습니다. 이 시스템은 Intersection over Union(IoU) 임계값 0.7941에서 평균 평균 정밀도(mAP) 점수 0.5을 달성했는데, 이는 부분적으로 가려져 있어도 약 80%의 시간 동안 식품 항목을 정확하게 식별할 수 있다는 것을 의미합니다.

현재 웹 애플리케이션으로 제공되는 이 시스템은 곧 더 광범위한 의료 애플리케이션에 적용될 수 있는 "개념 증명"으로 설명됩니다.

출처: NYU 탄돈 공학부