一种基于图像处理识别方法的自动膳食评估装置的制造方法
【技术领域】
[0001] 本发明属于物联网技术领域，涉及一种基于图像处理识别方法的自动膳食评估 装置，本发明的目的在于使用该技术解决现实生活中食物摄入量测量的问题。它有助于营 养师监测每日营养摄入量。要做到这一点，在食物识别装置的不同步骤中已经采用了各种 图像处理技术。在肥胖症患者的移动设备上使用这种食物识别装置，任何人都可以监控他 /她的食物的摄入量，由此可降低饮食记录者的负担。
[0002]
【背景技术】
[0003] 随着生活质量和水平的不断提升，年轻人中肥胖病患者的数量逐步增长是一个巨 大的问题。不幸的是，这种持续的增长趋势导致2型糖尿病病人的数量也持续增长。在2008 年，肥胖症患者占世界成人人口的十分之一，而在2012年这个数字已增长到六分之一，并 且还在以惊人的速度增长。最近的研宄表明，肥胖的人更可能产生严重的健康疾病，如高血 压、心脏病、2型糖尿病、高血脂、乳腺癌、结肠癌和呼吸疾病等。肥胖症的主要原因是食物和 能量的摄入与消耗之间的不平衡。所以，为了用健康的方式减肥并且维持正常人的健康体 重，必须每天测量食物摄取量。事实上，所有现有的肥胖症治疗技术要求病人每天记录食物 的摄入量来对比能量的摄入和消耗。
[0004] 膳食摄入量，即定义某人每天吃什么。膳食摄入量可以为增加干预方案提供宝贵 意见，从而能够预防许多疾病。在营养和健康领域，精确测量膳食摄入量是开放的研宄课 题。通过引入一个新的半自动膳食评估装置，它有助于营养师监测每日营养摄入量。要做 到这一点，在食物识别装置的不同步骤中已经采用了各种图像处理技术。在肥胖症患者的 移动设备上使用这种食物识别装置，任何人都可以监控他/她的食物的摄入量。
[0005] 本发明的膳食评估装置是由几个独立的部分组成，一个部分的输出信息是另一个 部分的输入信息。因此，整个摄入测量装置对每个操作过程都非常敏感。换句话说，一个早 期阶段(如分割阶段)的错误估计，会将错误传播到整个装置，并降低最终结果的精确度。本 发明为了有一个精确的摄入测量装置，考虑并使用了这一特点。因此，在每个部分的算法的 技术准确性上可以称得上"精准"。整体食物卡路里的精确和准确的测量是需要解决的主 要问题。整体食物卡路里的精确测量是另一个问题。在讨论任何技术问题之前，对本装置 的精度的预期是很重要的。为了回答这个问题，首先必须了解现有的食物营养成分测量方 法的精度。从两个方面进行考虑。首先，如果把一盘食物放到专业营养师面前，他/她不能 仅仅通过简单的观察或手动测量就给出精确的营养成分测量结果，这是因为营养师不知道 盘中食物的精确的成分，例如食物中是否包含盐，如果含有盐则含量是多少，或者它是否包 含油，如果含有油是什么类型(橄榄油，玉米油，动物类，...），如果含有某一类油，其含量是 多少等问题。此外，某些食物不易察觉，例如一片肉隐藏在汤内，使营养师也无法看到。因 此，我们可以看出在现实生活中高精度卡路里测量是不可能实现的。本发明主要是设计一 个在具有内置相机的智能手机或其他移动设备上运行的半自动化测量模块以记录食物的 卡路里摄入量。与现有的临床方法相比，本装置是通过测量食物的体积和其营养成分来计 算卡路里的摄入量。
[0006] 本目标必然不是得到高精度的结果，因为如上文所述，在实际生活中是不可能测 量出高精度的数据的。当然，越精准的装置，最后得出的结论越好。这就是为什么考虑试图 测量食物的摄入部分的体积的大小，并且尽可能准确的辨认食物的类型。但非常重要的是 仅通过食物图片的处理是不可能得到高精度的数据的。
[0007]
【发明内容】
[0008] 本发明的目的是提供一种基于图像处理识别方法的自动膳食评估装置。
[0009] 上述的目的通过以下的技术方案实现： 考虑到在年轻人群中移动设备(例如智能手机和平板电脑）的普及，并且这些通信设备 普遍存在，它们可以加载饮食相关的应用模块，例如我们的食物识别模块。本发明的目的在 于使用该技术解决现实生活中食物摄入量测量的问题。当前这一领域的研宄可以分为三 类，即临床研宄、辅助研宄和半自动化方法研宄。在如24小时膳食回顾（24HR)和食物频率 问卷这类临床研宄中，其数据是由患者手工记录，之后再计算卡路里摄入量。由于这些方法 的数据是手工记录，因此在整个记录过程中可能产生大量的错误。这些方法的另一个缺点 是病人很难将记录应用于治疗。最近，一些研宄人员研宄半自动化的方法。本发明将设计开 发一个简单而实用的半自动化的应用模块，人们可以使用应用模块进行交互。此外，在这种 情况下，通过使用模块化的方法来增加如智能手机这类移动设备的使用机会。使用移动设 备作为用户接口，并且通过网络将自己的食物图像数据发送给专家来计算卡路里摄入量。 移动应用模块提供了一个独特的机制来收集饮食信息，由此可降低饮食记录者的负担。 [0010] 在早期阶段，用户用移动设备拍摄图像，随后进行预处理步骤。然后，在分割步骤 中对每个图像进行分析并提取出各个食物部分。众所周知，若非具有良好的图像分割机制， 该装置则不能够适当地处理图像。因此，本项目将这个步骤分解成了更多的步骤。为此， 我们使用了颜色分割、K均值聚类和纹理分割等工具。对于每个检测到的食品部分，特征提 取过程必须被执行。对于每个检测到的食物图像，必须执行特征提取步骤。在这一步骤中 将会提取出食物的各种属性，如大小、形状、颜色和纹理等。所提取的特征将被发送到分类 步骤，分类步骤使用SVM方案将食物识别出来。最后，通过估计食物部分的面积，并参照营 养表，计算出食物中卡路里的含量。
[0011]图像分析模块的步骤如下： 1、预处理 首先，为了分割可以获得准确的结果，必须将图像的大小简单变换为标准格式。这样 做能够将图像与标准尺寸的图像相比较进行分类。如果图像的尺寸无法与其他任何尺寸兼 容，则对图像使用裁剪或填充技术。
[0012] 2、图像分割 在下面的部分，我们将介绍在本装置中采用的图像分割工具。
[0013] I) K均值聚类 均值漂移算法是一种无需聚类数目的先验知识并且不限制聚类形状的非参数聚类技 术。K-均值算法