Aplicação de deep learning na avaliação do conteúdo nutricional.

Abstract

Este trabalho investiga o uso de modelos Vision Transformer (ViT) para estimar macronutrientes presentes em pratos de comida a partir de imagens 2D. A estimativa precisa de macronutrientes é um desafio relevante em aplicações de saúde, especialmente para pessoas com condições como diabetes mellitus tipo 1, que precisam monitorar a ingestão de nutrientes regularmente. O estudo original que serve como referência utilizou um modelo pré-treinado na base JFT-300M, uma coleção de grande escala e diversidade que não está disponível publicamente, dificultando a reprodutibilidade dos resultados. Com o objetivo de avaliar alternativas viáveis, dois modelos ViT foram treinados e avaliados utilizando as bases COYO e ImageNet. A hipótese investigada é que o modelo pré-treinado na base COYO, por ser considerada semelhante à JFT-300M, poderia alcançar resultados superiores ao modelo pré-treinado na ImageNet e mais próximos ao baseline original. Os resultados demonstram que o modelo pré-treinado na JFT-300M apresentou desempenho superior, evidenciado por menores erros médios absolutos (MAE) e percentuais (MAE%) para todas as métricas avaliadas. Por outro lado, o modelo pré-treinado na COYO apresentou os piores resultados, o que sugere que a natureza multimodal e menos curada dessa base limita a extração de características relevantes para a tarefa. O modelo pré-treinado na ImageNet apresentou desempenho intermediário, sendo mais eficaz que o COYO, mas ainda inferior ao baseline. Estes resultados reforçam a importância da curadoria e da relevância do domínio das imagens no pré-treinamento dos modelos. Este estudo contribui ao demonstrar que, embora bases de dados abertas como COYO possam ser alternativas interessantes, a sua eficácia é limitada para tarefas específicas como a estimativa de macronutrientes. Além disso, o trabalho sugere direções futuras, como a expansão da base de dados com pratos típicos brasileiros, a integração de dados 3D e o desenvolvimento de aplicações móveis para democratizar o acesso a ferramentas de análise nutricional.