Vision-Based Calorie Estimation for Bangladeshi Street Food: A Comparative Study of Detection and Regression Models
यह शोध पत्र बांग्लादेशी स्ट्रीट फूड के लिए विशेष रूप से तैयार की गई एक विजन-आधारित कैलोरी अनुमान प्रणाली प्रस्तुत करता है जो स्केल के लिए 5 टका के सिक्के का उपयोग करके 96.1% mAP और 3,885 छवियों के एक प्रोप्रायटरी डेटासेट पर 95.0% R² स्कोर प्राप्त करने के लिए उच्च प्रदर्शन वाले YOLO11n डिटेक्शन मॉडल को रैंडम फॉरेस्ट रिग्रेशन के साथ जोड़ती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मोटापा दुनिया भर में एक बढ़ती स्वास्थ्य चुनौती है, जो करोड़ों लोगों को प्रभावित कर रहा है और स्वास्थ्य प्रणालियों पर दबाव डाल रहा है। वजन प्रबंधन का एक प्रमुख हिस्सा यह समझना है कि हम जो भोजन खाते हैं उसमें कितनी कैलोरी है। दशकों से, वैज्ञानिकों ने ऐसे कंप्यूटर प्रोग्राम बनाने की कोशिश की है जो किसी भोजन की तस्वीर देखकर उसकी ऊर्जा सामग्री की गणना कर सकें। ये सिस्टम कंप्यूटर विजन नामक आर्टिफिशियल इंटेलिजेंस की एक शाखा पर निर्भर करते हैं, जो मशीनों को छवियों में वस्तुओं को पहचानने और "देखने" की अनुमति देता है, ठीक वैसे ही जैसे इंसान देखते हैं। हालांकि, इनमें से अधिकांश मौजूदा उपकरण पश्चिमी व्यंजनों, जैसे बर्गर या सलाद पर प्रशिक्षित थे, जहाँ सर्विंग का आकार अक्सर मानक होता है या भोजन एक स्पष्ट सीमा वाली प्लेट पर रखा होता है। वे दुनिया के अन्य हिस्सों में पाए जाने वाले जीवंत, विविध और अक्सर अनियमित स्ट्रीट फूड के साथ काफी संघर्ष करते हैं, जहाँ एक सर्विंग एक तला हुआ गोला, एक परतदार पेस्ट्री, या चपटी रोटी का ढेर हो सकती है, और जहाँ वेंडर से वेंडर तक सर्विंग का आकार बहुत अधिक भिन्न हो सकता है। इन विशिष्ट खाद्य पदार्थों के सटीक डेटा के बिना, बांग्लादेश जैसे क्षेत्रों के लोग आसानी से अपने दैनिक सेवन को ट्रैक नहीं कर सकते, जिससे वे स्वस्थ विकल्प चुनने के लिए एक महत्वपूर्ण उपकरण से वंचित रह जाते हैं।
प्रीमियर यूनिवर्सिटी, चटगाँव, बांग्लादेश के शोधकर्ताओं की एक टीम ने विशेष रूप से अपने देश के स्ट्रीट फूड के लिए डिज़ाइन किए गए सिस्टम को बनाकर इस विशिष्ट समस्या को हल करने का बीड़ा उठाया। उन्होंने महसूस किया कि केवल भोजन के प्रकार को पहचानना पर्याप्त नहीं था; कंप्यूटर को यह भी जानना आवश्यक था कि टुकड़े का आकार वास्तव में कितना बड़ा है ताकि कैलोरी का सही अनुमान लगाया जा सके। इसे प्राप्त करने के लिए, उन्होंने एक ऐसी विधि विकसित की जो हर जेब में मिलने वाली एक आम वस्तु—एक पांच टका के सिक्के—को एक अंतर्निहित पैमाने (रूलर) के रूप में उपयोग करती है। तस्वीर में भोजन के बगल में इस सिक्के को रखकर, सिस्टम वास्तविक दुनिया के आकार की गणना कर सकता है, चाहे कैमरा कितनी भी पास या दूर से पकड़ा गया हो। यह दृष्टिकोण जटिल 3D सेंसर या सख्त फोटो लेने के नियमों की आवश्यकता को समाप्त करता है, जिससे यह तकनीक मानक स्मार्टफोन पर रोजमर्रा के उपयोग के लिए व्यावहारिक बन जाती है।
शोधकर्ताओं ने एक नया इमेज लाइब्रेरी, एक डेटासेट बनाना शुरू किया, जो पहले मौजूद नहीं था। उन्होंने छह लोकप्रिय स्ट्रीट फूड्स: सिंगारा, समोसा, पूरी, पेजू, बेगुनी और स्वयं संदर्भ सिक्के की लगभग चार हजार तस्वीरों को एकत्र किया। ये चित्र विभिन्न स्थितियों में लिए गए थे, पेशेवर स्टूडियो लाइटिंग से लेकर वास्तविक स्ट्रीट स्टॉल के अराजक, कम रोशनी वाले वातावरण तक, ताकि यह सुनिश्चित हो सके कि सिस्टम वास्तविक दुनिया में काम करे। इसके बाद उन्होंने यह देखने के लिए पांच अलग-अलग प्रकार के उन्नत कंप्यूटर विज़न मॉडल का परीक्षण किया कि कौन सा प्रत्येक खाद्य पदार्थ की पहचान और रूपरेखा को सबसे बेहतर तरीके से बना सकता है। ये मॉडल डिजिटल आंखों की तरह कार्य करते हैं, जो छवि में प्रत्येक खाद्य पदार्थ के चारों ओर एक सटीक सीमा खींचते हैं। अपने प्रदर्शन की तुलना करने के बाद, टीम ने पाया कि YOLO11n नामक एक विशिष्ट मॉडल सबसे सटीक था। इसने उच्च विश्वसनीयता के साथ भोजन और उसकी सीमाओं की पहचान की, यहाँ तक कि जब वस्तुएं एक साथ गुच्छों में हों या आंशिक रूप से छिपी हों।
एक बार जब कंप्यूटर ने भोजन की पहचान कर ली और उसकी रूपरेखा बना ली, तो अगला कदम उसका माप करना था। सिस्टम ने पांच टका के सिक्के का पता लगाया, जिसका व्यास 25.5 मिलीमीटर ज्ञात है। पिक्सेल में सिक्के के आकार की तुलना पिक्सेल में भोजन के आकार से करके, सॉफ्टवेयर ने एक स्केलिंग फैक्टर की गणना की। इसने इसे डिजिटल छवि को वास्तविक दुनिया के आयामों में अनुवादित करने की अनुमति दी, जिससे स्नैक की वास्तविक ऊंचाई, चौड़ाई और सतह क्षेत्र का निर्धारण हुआ। इन भौतिक मापों के साथ, शोधकर्ताओं ने इस डेटा को गणितीय उपकरणों के एक अलग सेट में डाला जो पैटर्न खोजने और भविष्यवाणी करने के लिए डिज़ाइन किए गए हैं। उन्होंने यह देखने के लिए कई अलग-अलग प्रेडिक्शन इंजन का परीक्षण किया कि आकार और भोजन के प्रकार के आधार पर कैलोरी की संख्या का सबसे अच्छा अनुमान कौन लगा सकता है। परिणामों ने दिखाया कि 'रैंडम फॉरेस्ट' नामक एक विधि, जो एक एकल, मजबूत निष्कर्ष तक पहुँचने के लिए कई सरल निर्णय लेने वालों के निर्णयों को संयोजित करने के सिद्धांत पर काम करती है, सबसे सटीक अनुमान प्रदान करती है।
अंतिम सिस्टम अत्यधिक प्रभावी सिद्ध हुआ। परीक्षण के दौरान, सर्वश्रेष्ठ विज़न मॉडल और सर्वश्रेष्ठ प्रेडिक्शन इंजन के संयोजन ने इन स्ट्रीट फूड्स की कैलोरी सामग्री का बहुत कम त्रुटि मार्जिन के साथ अनुमान लगाया। अनुमानित कैलोरी और वास्तविक गणना किए गए मान के बीच औसत अंतर छह कैलोरी से भी कम था, और सिस्टम ने डेटा में 95 प्रतिशत विविधताओं की व्याख्या की। सटीकता का यह स्तर बताता है कि यह तरीका आहार संबंधी निगरानी के लिए मोबाइल एप्लिकेशन में उपयोग करने हेतु विश्वसनीय है। शोधकर्ताओं ने यह भी नोट किया कि उनका सिस्टम मानक हार्डवेयर पर चलने के लिए पर्याप्त कुशल है, जिससे उन भारी कम्प्यूटेशनल खर्चों से बचा जा सका जो अक्सर ऐसी तकनीक को रोजमर्रा के उपयोग के लिए अव्यवहारिक बना देते हैं। स्थानीय व्यंजनों पर ध्यान केंद्रित करके और एक सरल, सुलभ संदर्भ वस्तु का उपयोग करके, यह कार्य पोषण संबंधी तकनीक में एक महत्वपूर्ण अंतर को भरता है, जो बांग्लादेश के लोगों के लिए उनके द्वारा प्रतिदिन खाए जाने वाले भोजन की ऊर्जा सामग्री को समझने का एक व्यावहारिक तरीका प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।