Vision-Based Calorie Estimation for Bangladeshi Street Food: A Comparative Study of Detection and Regression Models

تعد السمنة تحدياً صحياً متزايداً في جميع أنحاء العالم، حيث تؤثر على مئات الملايين من الناس وتضغط على الأنظمة الصحية. ويتمثل جزء رئيسي من إدارة الوزن في فهم عدد السعرات الحرارية الموجودة في الطعام الذي نأكله. لعقود من الزمن، حاول العلماء بناء برامج حاسوبية يمكنها النظر إلى صورة لوجبة وحساب محتواها من الطاقة. تعتمد هذه الأنظمة على فرع من فروع الذكاء الاصطناعي يسمى "رؤية الحاسوب"، والذي يسمح للآلات بـ "رؤية" وتحديد الأشياء في الصور تماماً كما يفعل البشر. ومع ذلك، فإن معظم هذه الأدوات الموجودة قد تم تدريبها على الأطببات الغربية، مثل البرغر أو السلطات، حيث تكون أحجام الحصص غالباً معيارية أو حيث يوضع الطعام في طبق بحدود واضحة. وهي تواجه صعوبة كبيرة مع أطعمة الشارع النابضة بالحياة والمتنوعة، وغير المنتظمة غالباً، الموجودة في أجزاء أخرى من العالم، حيث قد تكون الحصة الواحدة عبارة عن كرة مقلية، أو معجنات هشة، أو رزمة من الخبز المفرود، وحيث يمكن أن يختلف حجم الحصة بشكل كبير من بائع لآخر. وبدون بيانات دقيقة حول هذه الأطعور المحددة، لا يمكن للناس في مناطق مثل بنغلاديش تتبع مدخولهم اليومي بسهولة، مما يتركهم دون أداة حاسمة لاتخاذ خيارات أكثر صحة.

لقد وضع فريق من الباحثين من جامعة بريمير في تشاتوجرام، بنغلاديش، هدفاً لحل هذه المشكلة المحددة من خلال إنشاء نظام مصمم حصرياً لأطعمة الشارع في بلدهم. وقد أدركوا أن مجرد التعرف على نوع الطعام لم يكن كافياً؛ إذ كان على الكمبيوتر أيضاً أن يعرف بالضبط مدى كبر حجم القطعة لتقدير السعرات الحرارية بشكل صحيح. ولتحقيق ذلك، طوروا طريقة تستخدم جسماً شائعاً موجوداً في كل جيب — عملة "خمسة تاكا" — كمسطرة مدمجة. فمن خلال وضع هذه العملة بجانب الطعام في صورة فوتوغرافية، يمكن للنظام حساب الحجم الحقيقي للوجبة الخفيفة، بغض النظر عن مدى قرب أو بعد الكاميرا. هذا النهج يتجاوز الحاجة إلى مستشعرات ثلاثية الأبعاد معقدة أو قواعد صارمة لالتقاط الصور، مما يجعل التكنولوجيا عملية للاستخدام اليومي على هاتف ذكي قياسي.

بدأ الباحثون ببناء مكتبة جديدة من الصور، وهي مجموعة بيانات لم تكن موجودة من قبل. لقد جمعوا ما يقرب من أربعة آلاف صورة لستة أنواع من أطعمة الشارع الشعبية: سينغارا، سوموسا، بوري، بيـاجو، بيغوني، والعملة المرجعية نفسها. وقد التُقطت هذه الصور في ظروف متنوعة، من إضاءة الاستوديو الاحترافية إلى البيئات الفوضوية وخافتة الإضاءة في أكشاك الشارع الفعلية، مما يضمن عمل النظام في العالم الحقيقي. ثم اختبروا خمسة أنواع مختلفة من نماذج رؤية الحاسوب المتقدمة لمعرفة أي منها يمكنه تحديد ورسم حدود شكل كل عنصر غذائي بأفضل طريقة. تعمل هذه النماذج مثل العيون الرقمية، حيث ترسم حداً دقيقاً حول كل قطعة طعام في الصورة. وبعد مقارنة أدائها، وجد الفريق أن نموذجاً واحداً محدداً، يُعرف باسم YOLO11n، كان الأكثر دقة؛ فقد نجح في تحديد الطعام وحدوده بدرجة عالية من الموثوقية، حتى عندما كانت العناصر متجمعة معاً أو مخفية جزئياً.

بمجرد أن حدد الكمبيوتر الطعام ورسم حدوده، كانت الخطوة التالية هي قياسه. اكتشف النظام عملة "خمسة تاكا" في الصورة، والتي يبلغ قطرها المعروف 25.5 ملم. ومن خلال مقارنة حجم العملة بالبكسل مع حجم الطعام بالبكسل، حسب البرنامج عامل القياس. سمح هذا بترجمة الصورة الرقمية إلى أبعاد العالم الحقيقي، وتحديد الطول والعرض ومساحة السطح الفعلية للوجبة الخفيفة. ومع وجود هذه القياسات الفيزيائية في اليد، قام الباحثون بتغذية البيانات في مجموعة منفصلة من الأدوات الرياضية المصممة لإيجال الأنماط وإجراء التنبؤات. لقد اختبروا عدة محركات تنبؤ مختلفة لمعرفة أي منها يمكنه تخمين عدد السعرات الحرارية بشكل أفضل بناءً على حجم ونوع الطعام. وأظهرت النتائج أن طريقة تسمى "الغابة العشوائية" (Random Forest)، والتي تعمل من خلال الجمع بين قرارات العديد من صناع القرار البسيطين للوصول إلى استنتاج واحد قوي، قد أنتجت أدق التقديرات.

لقد أثبت النظام النهائي فعالية عالية. فعند اختباره، استطاع الجمع بين أفضل نموذج رؤية وأفضل محرك تنبؤ تقدير محتوى السعرات الحرارية لهذه الأطعمة الشعبية بهامش خطأ صغير جداً؛ حيث كان متوسط الفرق بين السعرات الحرارية المقدرة والقيمة المحسوبة الفعلية أقل من ست سعرات حرارية، وفسر النظام 95 بالمائة من التباينات في البيانات. يشير هذا المستوى من الدقة إلى أن الطريقة موثوقة بما يكفي لاستخدامها في تطبيقات الهاتف المحمول لمراقبة النظام الغذائي. كما لاحظ الباحثون أن نظامهم فعال بما يكفي للعمل على الأجهزة القياسية، متجنباً التكاليف الحسابية الثقيلة التي غالباً ما تجعل مثل هذه التكنولوجيا غير عملية للاستخدام اليومي. ومن خلال التركيز على المطبخ المحلي واستخدام مرجع بسيط وسهل الوصول، يسد هذا العمل فجوة كبيرة في التكنولوجيا الغذائية، مما يوفر طريقة عملية للناس في بنغلاديش لفهم محتوى الطاقة في الطعام الذي يتناولونه كل يوم.