Aplicaciones de machine learning para el análisis de comida: obtención y depuración de los datos para el análisis automático de comida.

Abstract

La alimentación constituye un pilar esencial en la vida humana y su análisis puede ofrecer valiosa información sobre la salud y el bienestar de las personas. Sin embargo, este análisis es un procedimiento complejo que demanda tiempo y dedicación, lo que ha impulsado la creación de herramientas automatizadas para agilizar dicho proceso. En el presente Trabajo de Integración Curricular, se presenta el desarrollo de una base de datos diseñada para ser compatible con algoritmos de entrenamiento y clasificación de imágenes de comida. Este documento detalla el proceso de construcción de dicho conjunto de datos, el cual se deriva de una base de datos preexistente. La obtención y procesamiento de las imágenes de comida involucra la revisión de repositorios y la consideración de parámetros de calidad y variedad en las imágenes. Asimismo, el proceso de limpieza de datos comprende la eliminación de valores atípicos, errores y duplicados, seguido de su respectivo etiquetado. Se ofrece una descripción minuciosa del proceso de segmentación y etiquetado de las imágenes. Finalmente, se presenta la estructura definitiva de la base de datos junto con los resultados obtenidos en las pruebas de predicción con diferentes algoritmos. Se concluye que la base de datos generada es apta para su implementación en modelos de aprendizaje automático, y los resultados de las pruebas de predicción son alentadores. Este trabajo sienta las bases para futuras investigaciones en el análisis automatizado de alimentos mediante la aplicación de técnicas de Machine Learning.