използва

Изследователите на CMU предлагат мултимодална система за проследяване на храни и прием на течности

Храната играе голяма роля за нашето здраве и поради тази причина много хора, които се опитват да подобрят диетата си, често проследяват какво ядат. Ново носимо устройство от изследователи от Училището по компютърни науки на университета Карнеги Мелън помага на потребителите да проследяват своите хранителни навици с висока точност.

FitByte, неинвазивна, носима сензорна система, съчетава откриването на звук, вибрации и движения, за да увеличи точността и да намали фалшивите положителни резултати. Тя може да помогне на потребителите да постигнат своите здравни цели чрез проследяване на поведенчески модели и дава на практикуващите инструмент за разбиране на връзката между диетата и заболяванията и за наблюдение на ефикасността на лечението.

Устройството проследява всички етапи на прием на храна. Той открива дъвчене, преглъщане, жестове с ръка в уста и визуални ефекти на приема и може да бъде прикрепен към всеки чифт потребителски очила. „Основните сензори на устройството са акселерометри и жироскопи, които в този момент са почти във всяко устройство, като вашите телефони и вашите часовници“, каза Mayank Goel, асистент в Института за софтуерни изследвания и Института за човешко-компютърно взаимодействие.

Инфрачервен сензор за близост открива жестове ръка в уста. За да идентифицира дъвченето, системата следи движението на челюстта, използвайки четири жироскопа около ушите на потребителя. Сензорите гледат зад ухото, за да проследят огъването на темпоралния мускул, докато потребителят движи челюстта си. Високоскоростните акселерометри, поставени близо до слушалката на очилата, възприемат вибрациите на гърлото по време на преглъщане. Тази технология се справя с дългогодишното предизвикателство за точно откриване на пиенето и приема на меки неща като кисело мляко и сладолед.

Малка камера в предната част на очилата сочи надолу, за да заснеме само зоната около устата и се включва само когато моделът открие, че потребителят яде или пие. „За да се справим с проблемите на поверителността, в момента обработваме всичко офлайн“, каза Абделкарием Бедри, докторант на HCII. „Заснетите изображения не се споделят никъде, освен телефона на потребителя.“

В този момент системата разчита на потребителите да идентифицират храната и напитките на снимки. Но изследователският екип има планове за по-голямо внедряване на тестове, които ще предоставят данните, моделите за задълбочено обучение, необходими за автоматично разпознаване на типа храна.

FitByte беше тестван в пет неограничени ситуации, включително обедна среща, гледане на телевизия, бърза закуска, упражнения във фитнес зала и туризъм на открито. Моделирането на такива шумни данни позволява на алгоритъма да обобщава в различни условия.

"Нашият екип може да вземе сензорни данни и да намери модели на поведение. В какви ситуации хората консумират най-много? Ядат ли преяждане? Ядат ли повече, когато са сами или с други хора? Ние също работим с клиницисти и практикуващи в проблеми, които биха искали да решат ", каза Гоел.

Екипът ще продължи да разработва системата, като добави още неинвазивни сензори, които ще позволят на модела да открива нивата на глюкоза в кръвта и други важни физиологични мерки. Изследователите също създават интерфейс за мобилно приложение, което може да споделя данни с потребители в реално време.

Други допринесли изследователи включват студентите от CMU Диана Ли, Рушил Хурана и Кунал Бхувалка. Документът беше приет от Конференцията по човешки фактори в изчислителните системи (CHI 2020), която беше насрочена за този месец, но беше отменена поради пандемията COVID-19. Предлага се в цифровата библиотека на ACM.