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

L'obesità è una crescente sfida sanitaria a livello mondiale, che colpisce centinaia di milioni di persone e mette sotto pressione i sistemi sanitari. Una parte fondamentale della gestione del peso è comprendere quante calorie ci sono nei cibi che mangiamo. Per decenni, gli scienziati hanno cercato di costruire programmi informatici in grado di guardare la fotografia di un pasto e calcolarne il contenuto energetico. Questi sistemi si affidano a un ramo dell'intelligenza artificiale chiamato visione artificiale, che permette alle macchine di "vedere" e identificare oggetti nelle immagini in modo simile a come fanno gli essori umani. Tuttavia, la maggior parte di questi strumenti esistenti è stata addestrata su piatti occidentali, come hamburger o insalate, dove le porzioni sono spesso standard o il cibo si trova su un piatto con confini chiari. Essi faticano significamente con i cibi di strada vibranti, vari e spesso irregolari tipici di altre parti del mondo, dove una singola porzione può essere una pallina fritta, una pasta sfoglia o una pila di pane piatto, e dove la dimensione della porzione può variare enormemente da un venditore all'altro. Senza dati accurati su questi specifici alimenti, le persone in regioni come il Bangladesh non possono monitorare facilmente il proprio apporto quotidiano, rimanendo prive di uno strumento cruciale per compiere scelte più sane.

Un team di ricercatori della Premier University di Chattogram, in Bangladesh, si è posto l'obiettivo di risolvere questo problema specifico creando un sistema progettato esclusivamente per i cibi di strada del loro paese. Avevano compreso che non era sufficiente riconoscere semplicemente il tipo di cibo; il computer doveva anche sapere esattamente quanto fosse grande il pezzo per stimare correttamente le calorie. Per raggiungere questo obiettivo, hanno sviluppato un metodo che utilizza un oggetto comune presente in ogni tasca — una moneta da cinque Taka — come un righello integrato. Posizionando questa moneta accanto al cibo in una fotografia, il sistema può calcolare la dimensione reale dello spuntino, indipendentemente da quanto la fotocamera fosse vicina o lontana. Questo approccio evita la necessità di sensori 3D complessi o regole rigide per lo scatto delle foto, rendendo la tecnologia pratica per l'uso quotidiano su uno smartphone standard.

I ricercatori hanno iniziato costruendo una nuova libreria di immagini, un dataset che prima non esisteva. Hanno raccolto quasi quattromila fotografie di sei popolari cibi di strada: Singara, Somusa, Puri, Peaju, Beguni e la moneta di riferimento stessa. Queste immagini sono state scattate in varie condizioni, dall'illuminazione professionale da studio ai contesti caotici e scarsamente illuminati dei veri stand di strada, garantendo che il sistema funzionasse nel mondo reale. Hanno poi testato cinque diversi tipi di modelli avanzati di visione artificiale per vedere quale potesse identificare e delineare meglio la forma di ogni alimento. Questi modelli agiscono come occhi digitali, tracciando un bordo preciso attorno a ogni pezzo di cibo nell'immagine. Dopo aver confrontato le loro prestazioni, il team ha scoperto che un modello specifico, noto come YOLO11n, era il più accurato. Esso ha identificato con successo il cibo e i suoi confini con un alto grado di affidabilità, anche quando gli articoli erano raggruppati o parzialmente nascosti.

Una volta che il computer aveva identificato il cibo e tracciato il suo contorno, il passo successivo era misurarlo. Il sistema ha rilevato la moneta da cinque Taka nell'immagine, che ha un diametro noto di 25,5 millimetri. Confrontando la dimensione della moneta in pixel con la dimensione del cibo in pixel, il software ha calcolato un fattore di scala. Ciò gli ha permesso di tradurre l'immagine digitale in dimensioni reali, determinando l'altezza, la larghezza e l'area superficiale effettiva dello spuntino. Con queste misurazioni fisiche in mano, i ricercatori hanno inserito i dati in un set separato di strumenti matematici progettati per trovare schemi e fare previsioni. Hanno testato diversi motori di previsione per vedere quale potesse indovinare meglio il conteggio calorico in base alla dimensione e al tipo di cibo. I risultati hanno mostrato che un metodo chiamato Random Forest, che funziona combinando le decisioni di molti semplici decisori per raggiungere una conclusione singola e robusta, produceva le stime più accurate.

Il sistema finale si è dimostrato altamente efficace. Durante i test, la combinazione del miglior modello di visione e del miglior motore di previsione poteva stimare il contenuto calorico di questi cibi di strada con un margine di errore molto piccolo; la differenza media tra le calorie stimate e il valore effettivo calcolato era inferiore a sei calorie, e il sistema spiegava il 95 percento delle variazioni dei dati. Questo livello di accuratezza suggerisce che il metodo sia abbastanza affidabile da poter essere utilizzato in applicazioni mobili per il monitoraggio dietetico. I ricercatori hanno anche notato che il loro sistema è abbastanza efficiente da poter girare su hardware standard, evitando i pesanti costi computazionali che spesso rendono tale tecnologia impraticabile per l'uso quotidiano. Concentrandosi sulla cucina locale e utilizzando un oggetto di riferimento semplice e accessibile, questo lavoro colma una lacuna significativa nella tecnologia nutrizionale, offrendo un modo pratico per le persone in Bangladesh di comprendere il contenuto energetico del cibo che mangiano ogni giorno.