Universidade Presbiteriana Mackenzie
Programa de Pós Graduação em Engenharia Elétrica
Laboratório de Computação Natural
Re...
Roteiro
● Introdução
● Metodologia
● Trabalhos existentes
● Conclusão
● Referências
Introdução
● Grande quantidade de alimentos e dificuldade de
organização da dieta alimentar de pessoas com
diabetes.
● Pro...
Arquitetura Proposta
Sistema Nutricional para Diabéticos
Prato do dia:
Identifique os alimentos
Informações nutricionais
F...
Redes Neurais Artificiais
Sistema Nutricional para Diabéticos
Prato do dia:
Identifique os alimentos
Informações nutricion...
Metodologia
● Levantamento de Requisitos
○ Sistema Especialista para Auxílio na dieta alimentar
de pacientes com Diabetes....
Levantamento de requisitos
● Refeições baseadas na Cesta Básica Brasileira.
● Inicialmente serão utilizados fragmentos deq...
Base de dados
● Fragmentação e normalização da imagem
em uma janela de tamanho 192 por 192
pixels.
● Para treinamento: bas...
Levantamento de Requisitos
Extração de características
● Extração de características feitas utilizando
o MPEG-7.
○ Cor
○ P...
Redes Neurais
● Multi-Layer Perceptron - MLP
○ Rede Neural feedfoward com backpropagation
○ Amplamente utilizada
● Support...
Trabalhos existentes
● Gualda, I. P., Aplicação de Redes Neurais Artificiais
na Ciência e Tecnologia de Alimentos: Estudo ...
Conclusão
● As redes neurais apresentam bom
desempenho na tarefa de classificação de
imagens de alimentos
● As redes MLP e...
Referências
[1] SICHIERI, Rosely et al . Recomendações de alimentação e nutrição saudável para a população
brasileira. Arq...
Próximos SlideShares
Carregando em…5
×

Reconhecimento de alimentos utilizando Redes Neurais Artificiais

663 visualizações

Publicada em

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
663
No SlideShare
0
A partir de incorporações
0
Número de incorporações
1
Ações
Compartilhamentos
0
Downloads
13
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Reconhecimento de alimentos utilizando Redes Neurais Artificiais

  1. 1. Universidade Presbiteriana Mackenzie Programa de Pós Graduação em Engenharia Elétrica Laboratório de Computação Natural Reconhecimento de alimentos utilizando Redes Neurais Artificiais Dávila Cruz - davilapatricia11@gmail.com Rafael Alves - rfelixmg@gmail,com Taciana Cruz - taciana.alessandra@gmail.com LCoN Meetings (11/09/2013)
  2. 2. Roteiro ● Introdução ● Metodologia ● Trabalhos existentes ● Conclusão ● Referências
  3. 3. Introdução ● Grande quantidade de alimentos e dificuldade de organização da dieta alimentar de pessoas com diabetes. ● Problema: Como auxiliar nutricionistas e endocrinologistas no acompanhamento de seus pacientes diabéticos? ● Proposta: Arquitetura de um Sistema Especialista para Auxílio na dieta alimentar de pacientes com Diabetes. ● Utilização de Redes Neurais Artificiais para Classificação dos alimentos através das imagens obtidas.
  4. 4. Arquitetura Proposta Sistema Nutricional para Diabéticos Prato do dia: Identifique os alimentos Informações nutricionais Fig 1: Arquitetura Proposta, Fonte: Própria
  5. 5. Redes Neurais Artificiais Sistema Nutricional para Diabéticos Prato do dia: Identifique os alimentos Informações nutricionais Fig 1: Arquitetura Proposta, Fonte: Própria
  6. 6. Metodologia ● Levantamento de Requisitos ○ Sistema Especialista para Auxílio na dieta alimentar de pacientes com Diabetes. ○ Módulo Redes Neurais Artificiais ● Treinar uma rede neural artificial para fazer o reconhecimento de alimentos presentes na imagem de uma refeição. ● Redes Neurais: ○ Support Vector Machine - SVM ○ Back propagation Multi-Layer Perceptron - MLP ○ Self-organized Maps - SOM ● Classificação
  7. 7. Levantamento de requisitos ● Refeições baseadas na Cesta Básica Brasileira. ● Inicialmente serão utilizados fragmentos dequatro alimentos básicos: Fig 2. Exemplos de imagens de cada variedade de alimentos utilizadas para o treinamento da rede neural. Carne grelhada; Arroz branco; Feijão carioca e Alface. Fonte: Própria. 192 px
  8. 8. Base de dados ● Fragmentação e normalização da imagem em uma janela de tamanho 192 por 192 pixels. ● Para treinamento: base composta por 40 imagens para cada tipo de alimento. Totalizando 160 padrões.
  9. 9. Levantamento de Requisitos Extração de características ● Extração de características feitas utilizando o MPEG-7. ○ Cor ○ Posição ○ Contornos ○ Textura ● Concatenação das características extraidas em um vetor númerico
  10. 10. Redes Neurais ● Multi-Layer Perceptron - MLP ○ Rede Neural feedfoward com backpropagation ○ Amplamente utilizada ● Support Vector Machine - SVM ○ Analise de regressão ○ Rede baseada em aprendizagem estatística ○ Classificador binário linear não probabilístico ○ Sutil a mudança de parâmetros ● Self-organized Maps - SOM ○ Não supervisionada ○ Aprendizado competitivo
  11. 11. Trabalhos existentes ● Gualda, I. P., Aplicação de Redes Neurais Artificiais na Ciência e Tecnologia de Alimentos: Estudo de Casos ● B. D’ebska, B. Guzowska-Swider. Application of artificial neural network in food classification (Radial Basis Function) ● Marini, F. Artificial neural networks in foodstuff analyses: Trends and perspectives: A review
  12. 12. Conclusão ● As redes neurais apresentam bom desempenho na tarefa de classificação de imagens de alimentos ● As redes MLP e SVM devem ser testadas para comparação e escolha da solução ótima
  13. 13. Referências [1] SICHIERI, Rosely et al . Recomendações de alimentação e nutrição saudável para a população brasileira. Arq Bras Endocrinol Metab, São Paulo , v. 44, n. 3, June 2000 . Available from <http://www. scielo.br/scielo.php?script=sci_arttext&pid=S0004-27302000000300007&lng=en&nrm=iso>. access on 04 Sept. 2013. http://dx.doi.org/10.1590/S0004-27302000000300007. [2] A. Rocha, D. Hauagge, J. Wainer, S. Goldenstein, “Automatic fruit and vegetable classification from images,” in Elsevier Computer and Electronics in Agriculture (COMPAG), v. 70, issue 1, pp. 96-104, 2010. [3] S.Arivazhagan, R.Newlin Shebiah, S.Selva Nidhyanandhan, L.Ganesan, “Fruit recognition using color and texture features,” Journal of Emerging Trends in Computing and Information Sciences, vol 1, no. 2, pp. 90-94, 2010. [4] W. Seng, S. Mirisaee, “A new method for fruits recognition system,” Electrical Engineering and Informatics, 2009. ICEEI '09. International Conference on , vol.01, no., pp.130,134, 5-7 Aug. 2009. [5] Mikhail Anatholy Koslowski, Favero Guilherme Santos, Gustavo B. Borba, Humberto Gamba, "Fruits Classification Using MPEG - 7 Descriptors from Image Patches", Proceedings of IX Workshop de Visao Computacional (WVC 2013), 03-05 June 2013. [6] M. Bastan, H. Cam, U. Gudukbay, O. Ulusoy, “BilVideo-7: An MPEG- 7 Compatible Video Indexing and Retrieval System”, IEEE MultiMedia, vol. 17, no. 3, pp. 62-73, July-September 2010.

×