本研究旨在通过分析移动设备（如智能手机）捕获的食物图像来改进膳食评估的准确性，提出了一种新的基于卷积神经网络的食品图像识别算法，并将该方法应用于两个真实数据集（UEC-256 和 Food-101）中，取得了令人瞩目的结果。

Jun, 2016

利用图像处理和人工智能的最新进展，本文提出了 AI4Food-NutritionFW 框架，用于根据可配置的饮食习惯创建食物图像数据集，并通过多维度指标评估个体的饮食行为健康指数，取得了令人期待的结果。

Sep, 2023

本文评估了食物识别和营养应用的现状，识别可能阻碍或促进其使用的因素，并概述了相关的研究和发展。

Jun, 2023

利用手机相机，基于餐馆菜单照片数据库，结合计算机视觉技术，识别不同餐馆不同食品种类的图像，以达到自动化的饮食日记记录。

Oct, 2015

当代社会中，运用人工智能进行自动食品识别在营养追踪、减少食物浪费以及提升食品生产和消费效率等方面具有巨大的潜力。该研究使用预训练的 MobileNetV2 模型，结合多种技术手段，提高了食品识别的性能和鲁棒性，从而可应用于实际应用中。

May, 2024

本文综述了人工智能在农业食品系统中的应用，首先总结了农业食品系统中的数据获取方法，其次介绍了农业、畜牧和渔业中人工智能方法的进展和应用，包括农业食品的分类、生长监测、产量预测和质量评估等，同时强调了转变现代农业食品系统所面临的潜在挑战和有前途的研究机会。

May, 2023

本文提出了一种同时实现食品本地化和识别的方法，该方法可以生成食品激活图，并识别各种食品类型和相关物品，并且在精度和召回率方面相对于具有相似问题的物体定位具有更高的结果，同时也适用于传统图像和自我中心图像。

Apr, 2016

本论文研究了精准食品识别在新加坡的需求，推出了面向新加坡的健康护理服务平台 FoodSG，发布了经过系统清洁和筛选的 FoodSG-233 本地化食品数据集，并将监督对比学习集成到食品识别模型 FoodSG-SCL 中以提高其准确性。通过全面的评估，为数据管理社区中的从业者分享有关食品相关数据密集型医疗应用的见解。

Jan, 2023

研究了自动饮食评估系统中视觉识别食物的核心功能，使用深度多标签学习方法评估了几种最先进的神经网络，以在图像中检测任意数量的成分，并针对编码使用了多个著名的神经网络模型。在使用挑战性数据集 Nutrition5K 上，取得了有希望的初步结果，并为未来的探索奠定了坚实的基础。

Oct, 2022

智能饮食助手利用机器学习提供个性化的膳食建议，特别关注患有糖尿病等疾病的用户。该应用程序利用基于文本编码器和图像骨干的 Grounding DINO 模型，在不需要标记数据集的情况下增强食物识别能力。该模型在 COCO 数据集上达到 52.5 的 AP 得分，展示出在真实场景中的高准确性，利用注意机制根据用户提供的标签和图像精确识别对象。该应用程序使用 React Native 和 TypeScript 开发，可以在多个平台上无缝运行，并集成了自托管的 PostgreSQL 数据库，确保数据完整性和提升用户隐私。关键功能包括个性化营养概况、实时食物扫描和健康洞察，有助于健康管理和生活方式优化的明智膳食选择。未来发展目标是整合可穿戴技术，提供更个性化的健康建议。

Jun, 2024