فهرست نشریات علمی دسترسی آزاد ایران

سبک زندگی سالم و رژیم غذایی متعادل نقش حیاتی در حفظ سلامت انسان‌ها ایفا می‌کند. در این دوره از تغییر سریع سبک زندگی و فناوری، یک سیستم تشخیص و بخش‌بندی مواد غذایی مبتنی بر موبایل که مواد غذایی را شناسایی کند، می‌تواند بسیار مفید باشد و عادات غذایی را بهبود بخشد. در این مقاله یک سیستم جدید ارائه شده است که با دریافت تصویر ورودی، مواد غذایی داخل تصویر را تشخیص و بخش‌بندی می‌کند. این سیستم از تکنیک‌ها و مدل‌های یادگیری عمیق استفاده می‌کند. الگوریتم‌ مورد استفاده YOLO است که با بهره‌مندی از روش‌های ساده‌ مبتنی بر رگرسیون، توانایی تشخیص و بخش‌بندی مواد غذایی را با یک گذر از شبکه فراهم می‌آورد که با هدف بهبود دقت و سرعت در تشخیص ارائه شده است. این روش‌ها شامل استفاده از YOLOv7 برای تشخیص مواد غذایی و استفاده از بخش‌بندی نمونه‌ای YOLOv5، YOLOv7 و YOLOv8 برای بخش‌بندی تصاویر است. علاوه بر این، مجموعه‌داده‌ای از غذاهای ایرانی حاوی مواد غذایی مختلف تهیه و مورد استفاده قرار گرفت. بر اساس نتایج، مقادیر دقت، یادآوری و دقت متوسط میانگین YOLOv7 به ترتیب 844/0، 924/0 و 932/0 به دست آمد. همچنین، عملکرد بخش‌بندی نمونه‌ای YOLOv7 نسبت به YOLOv5 و YOLOv8 بهتر بود که مقادیر دقت بخش‌بندی، یادآوری و دقت متوسط میانگین 5/0 برای YOLOv7 به ترتیب 959/0، 943/0 و 906/0 است. نتایج حاکی از آن هستند که روش پیشنهاد شده در این مقاله دقت بالا در تشخیص مواد غذایی ایرانی و همچنین سرعت و دقت بالا در بخش‌بندی نمونه‌ای را فراهم می‌کند. بنابراین با استفاده از الگوریتم YOLO، می‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌توان غذاهای ایرانی را با دقت بالا تشخیص داد و تصاویر آن‌ها را تقسیم بندی کرد. این پژوهش از طریق تکنولوژی هوشمند و الگوریتم‌‌های جدید یادگیری عمیق به ترویج سبک زندگی سالم از طریق تکنولوژی هوشمند در ایران می‌پردازد.