자동화된 식품 섭취 및 식습관 평가 방법의 개념 개발 및 사용

Summary

이 프로토콜은 새로운 기술 기반 식이 평가 방법을 보여주고 설명합니다. 이 방법은 여러 개의 내장 계량 스케일과 비디오 카메라가있는 식사 트레이로 구성됩니다. 이 장치는 식사 과정에서 음식과 음료 섭취 및 식사 행동의 자동화 된 측정을 통합한다는 점에서 독특합니다.

Abstract

식이 및 먹는 행동 평가 방법의 대다수는 자기 보고를 기반으로 합니다. 부담스러우며 측정 오류도 발생하기 쉽습니다. 최근의 기술 혁신을 통해 사용자와 연구원 모두에게 더 적은 노력이 필요한 보다 정확하고 정확한 식이 및 식습관 평가 도구를 개발할 수 있습니다. 따라서 음식 섭취 및 식습관을 평가하는 새로운 센서 기반 장치가 개발되었습니다. 이 장치는 비디오 카메라와 3 개의 별도 내장 계량 스테이션이 장착 된 일반 식사 트레이입니다. 계량 스테이션은 식사 과정에서 그릇, 접시 및 마시는 컵의 무게를 지속적으로 측정합니다. 얼굴에 배치된 비디오 카메라는 인공 지능(AI)기반자동 얼굴 표현 소프트웨어를 사용하여 분석되는 식사 행동 특성(츄, 바이트)을 기록합니다. 트레이 중량과 비디오 데이터는 무선 수신기를 사용하여 PC(개인용 컴퓨터)로 실시간으로 전송됩니다. 먹는 양, 식기율 및 한입 크기와 같은 관심의 결과는 관심 시점에서 이러한 측정값의 데이터를 빼서 계산할 수 있습니다. 트레이의 현재 버전에 의해 얻은 정보는 연구 목적으로 사용될 수 있으며, 장치의 업그레이드 된 버전은 식이 섭취 및 식사 행동에 대한 보다 개인화 된 조언을 용이하게합니다. 기존의 식이 평가 방법과는 달리, 이 식이 평가 장치는 식사 내에서 직접 음식 섭취를 측정하고 메모리 또는 부분 크기 추정에 의존하지 않습니다. 궁극적으로,이 장치는 따라서 매일 주요 식사 음식 섭취 및 먹는 행동 측정에 적합합니다. 미래에, 이 기술 기반의 식이 평가 방법은 운동, 에너지 섭취 및 식사 행동에 대한 완전한 개요를 얻기 위해 건강 응용 프로그램 또는 스마트 시계에 연결 될 수있다.

Introduction

영양 연구 및 식이 실습에서 과체중 및 비만 문제에 대한 해결책을 찾기 위해 사람들이 무엇을, 얼마나 많이, 어떻게 먹는지에 대한 좋은 척도를 갖는 것이 중요합니다. 식이 섭취량을 평가하기 위해 식품 일기, 24 h 리콜 또는 식품 주파수 설문지^1과같은 기존의 자체 보고서 설문지가 종종 사용됩니다. 이러한 방법은 자기 보고에 의존하므로 사회적 바람직한 답변, 메모리 부족 및 부분 크기를 추정하는 데 어려움이 있기 때문에 시간이 많이 걸리고 편견이 발생하기 쉽습니다^2,3. 식단 품질(음식 유형 및 먹는 양)의 측정 외에도^음식섭취를 늦추는 식사 행동이 식사 4 내에서 과소비를 방지하는 것으로 나타났기 때문에 음식을 먹는 방법을 아는 것도 중요합니다. 먹는 행동을 평가하는 황금 기준은 두 관찰자가 식사를 하는 사람들의 비디오 녹화에 인장하는 것입니다^5. 이 방법은 오히려 노동 집약적이고 시간이 많이 소요되며 행동에 대한 즉각적인 피드백을 허용하지 않습니다.

최근의 기술 발전은 이제 음식 섭취량의 자동화 된 측정과 식사 기간 동안 먹는 행동의 자동화 된 측정을 결합 할 수있는 기회를 제공합니다. 이러한 발전에 대응하여, 새로운 센서 기반 식이 평가 방법이 개발되었다, mEETr라는, 두 네덜란드어 단어의 약어 '미터'(번역 : 측정 장치), 그리고 'eet'(번역: 먹기). mEETr은 3개의 내장 계량스테이션(도 1이 트레이와 센서 플레이트의 디자인을 보여 준다)과 카메라 홀더가 있는 일반 다이닝 트레이입니다. 각 계량 스테이션은 무게를 분배하기 위해 세 개의 삼각형 위치 측정 지점으로 구성됩니다. 계량 스테이션은 그릇, 접시 및 음료컵 또는 유리의 무게를 식사 위에 지속적으로 측정합니다. mEETr에는 비디오 카메라 홀더도 포함되어 있습니다. 현재 카메라 홀더는 트레이와 분리되어 있지만 표준화를 위해 mEETr (접이식 비디오 카메라 스틱)의 다음 업그레이드 후 통합 카메라가 이상적입니다. 카메라는 물린 및 츄의 수에 대한 자동화 된 실시간 분석과 식사 기간의 자동화 된 실시간 분석을 용이하게하여 식습관과 물린 크기에 대한 정보를 생성 할 수 있습니다. 식습관에 대한 자동화된 분석은 새로 개발된 알고리즘을 사용하여 수행됩니다. 다양한 연구 그룹은 사람들에게 식사의 가속화와 사람들이 먹는 수량에 대한 실시간 피드백을 제공하는 장치를^{개발했다 6.} 또한, 증강 포크는^식사7 내에서 물린 수와 빈도에 대한 실시간 피드백을 제공하기 위해 개발되었습니다. 또한, 귀 센서는 자유생활 조건에서 먹는 미세구조를 측정하기 위해 개발되었다^8,9. 이 장치와 유사한 것은 Ioakimidis 외^10에의해 사용된 셋업입니다, 여기서 비디오 측정은 음식 섭취량, 물린 수 및 츄잉 행동을 결정하기 위하여 계량 판과 결합되었습니다.

이러한 장치에 비해 mEETr의 참신은 한 장치에서 두 접시와 음주 컵(n =3)과 먹는 동작(예: 식기율, 물린 물기, 물린 크기 및 츄잉 동작)의 식품 섭취를 자동화된 측정값을 결합한다는 것이다. mEETr은 입증된 바와 같이, 통제된 (실험실) 환경 내에서 음식 섭취 및 식사 행동의 식사 측정 내에서 적합합니다, 그러나 결국 목표는 보육, 노인 가정 및 병원과 같은 재발생 식사 계획이 이용되는 통제되지 않는 환경에서 mEETr을 사용하는 것입니다.

궁극적으로, mEETr은 기존의 식이 평가 방법과 비디오의 수동 코딩보다 음식 섭취 및 식사 행동의 보다 정확하고 정확한 측정을 제공하는 것입니다. 음식 섭취의 더 나은 측정영양및 건강 연구에 도움이 될 것입니다, 뿐만 아니라 그들의 도전에 있는 건강 전문가는 음식 관련 비 전염성 질병의 증가에 대처하기 위하여^11. 궁극적으로 mEETr은 mEETr을 다른 건강 앱이나 스마트 시계와 같은 기존 기술 및 소프트웨어에 연결하여 가정에서 건강 관리에 민감한 사용자뿐만 아니라 연구 및 건강 관리 설정에도 사용할 수 있습니다. 전반적으로, 이러한 건강 조치는 사용자가 나 건강 관리 전문가에게 다양한 건강 행동 패턴 (예를 들어, 음식 섭취, 먹는 행동, 실제 측정, 수면, 스트레스에 따른 에너지 지출)에 대한 다소 다양하고 완전한 개요를 제공하여 사용자가 식단을 최적화하고 건강한 라이프 스타일을 만들 수 있게합니다.

Protocol

이 파일럿 연구는 프로젝트를 시작하기 전에 와게닝겐 대학의 METC에 의해 승인되었다.

주의: 이 프로젝트에 참여한 모든 참가자는 눈에 띄고 인식가능한 얼굴을 보여주는 비디오 이미지의 승인을 포함하여 정보에 입각한 동의를 제공했습니다.

1. 샘플 준비 및 참가자 동의

1. 주스(유리 또는 컵), 과일 요구르트(그릇), 과일 조각(접시)을 준비합니다.
   참고: 이러한 식품은 데모 목적으로만 선택됩니다(그림2).
2. 연구에 참여하기로 동의하는 참가자 또는 자원봉사자를 모집합니다.
3. 측정 오류를 피하기 위해 안경을 쓰고(콘택트렌즈를 사용할 수 없는 사람) 및/또는 얼굴 털(수염 또는 콧수염)을 착용한 참가자를 제외합니다.
4. 연구 및 데이터 수집(데이터 저장소, 접근성)에 대해 참가자에게 알립니다. 익명이 아닌 비디오 녹화의 경우 별도의 권한을 얻습니다. 데이터를 수집하기 전에 정보에 입각한 동의에 대한 참가자의 서명을 가져옵니다.

2. 장치 및 측정 위치 설정

참고: 이 프로토콜은 제어된(실험실 을 먹는) 설정의 데이터 수집에적합합니다.

1. 방의 빛이 참가자의 얼굴에 그림자를 고르게 분산되어 있는지 확인하십시오.
2. 참가자 이외의 개인의 존재로 인해 비디오 녹화의 배경 잡음이 발생하지 않습니다.
3. 테이블 앞에 의자에 앉는다. 참가자의 가슴 바로 아래에 탁상이 있습니다.
4. 트레이와 웹캠의 무선 수신기를 랩톱에 연결합니다.
5. 랩톱을 시작합니다. 노트북에 CPU i7-10750H, SSD M.2 512 GB, 메모리 1x 16 GB, DDR4 2933 MHz 비 ECC 메모리, 운영 체제 64 비트 : 노트북에 다음과 같은 사양이 있는지 확인하십시오.
6. 트레이를 켜고 트레이(녹색 표시등)에 충전이 있는지 확인합니다.
7. 각각 대시보드와 함께 커넥터 프로그램(dos), 수신기 및 프로세서 소프트웨어 프로그램을 엽니다.
8. 프로세서 프로그램에서 들어오는 이미지 품질을 확인합니다(그림3).
   참고: 식사 동작을 감지하려면 이미지 품질이 작업 표시줄(녹색)의 마지막 분기 내에 있어야 합니다. 가능한 한 100 % 녹색에 가깝습니다. 그림자 형성은 낮은 이미지 품질로 이어질 수 있습니다.
9. 이미지 프레임이 올바른지 확인하여 이미지 품질이 저하되는 것을 방지합니다. 팔과 어깨를 포함한 가슴까지 참가자의 머리(두개골 위)가 명확하게 보이는지 확인합니다.

3. 계량 시스템 및 데이터 전송

1. 처음으로 mEETr을 사용하기 전에 측정값을 검증합니다.
   참고: mEETr 장치는 3개의 내장 계량스테이션(그림 2)이있는 정기적인 상용 식사 트레이(섬유 강제 에폭시 디너 트레이)로 구성됩니다.
2. 셋업을 검증하려면 트레이가 접시, 그릇 및 마시는 유리의 무게를 지속적으로 측정해야 합니다.
   참고: 전체 범위에서 계량 스케일의 정밀도는 0.3%여야 합니다.
3. 각 계량 플랫폼에 너무 많은 무게를 두지 마십시오. 가장 큰 플랫폼 (저녁 식사 접시)의 최대 무게는 1.5kg입니다. 두 개의 작은 계량 플랫폼 (그릇과 유리)의 최대 무게는 800g입니다. 정확하게 측정할 수 있는 최소 중량은 각 계량 스테이션에 대해 1g입니다.
4. 접시, 컵 및 그릇이 플랫폼이나 주변 트레이에 놓여 있지 않은지 확인합니다. 이를 방지하기 위해 중앙 링을 사용하십시오.
   참고: 각 계량 스테이션은 하나의 스케일로 함께 작용하는 세 개의 삼각형 위치 힘 센서로 구성됩니다. 무게의 균형을 맞추기 위해 삼각형 위치를 선택했습니다.
5. 트레이를 건조하게 유지하십시오. 트레이에는 전자 장치가 포함된 트레이 아래에 50mm 얇은 베이스 패널(중앙 회로 기판)이 포함되어 있습니다.
6. 데이터 전송의 경우 트레이가 무선 수신기에 연결되어 있는지 확인합니다.
   참고: 단거리 무선 신호(약 1m 거리)를 통해 계량 데이터를 1s 간격으로 전송합니다. 수신기를 USB 포트를 통해 PC(개인용 컴퓨터)에 연결합니다.
7. 세 개의 힘 센서는 힘(또는 가중치)을 측정하고, 이를 요약하고 보정된 중량 값으로 변환합니다.
8. 각 사용 후 트레이를 충전합니다.
   참고: 트레이는 내부 배터리 팩으로 구동되며 USB 충전기로 충전할 수 있습니다. 온/오프 슬라이드 스위치는 USB 소켓 근처에 있습니다. 전체 배터리 충전으로 약 20시간 사용이 가능합니다.
9. 식기 세척기에서 트레이를 청소하지 마십시오. 트레이는 식기 세척기 증거가 아닙니다. 청소 스프레이를 사용하여 트레이를 청소하십시오. 트레이가 깨끗하고 건조한 지 확인합니다. 플랫폼을 따라 누수 채널은 액체 유출을 배출합니다.

4. 참가자 설명 및 관찰 시작

1. 참가자 앞에 mEETr을 배치합니다.
2. 참가자에게 1) 원하는 만큼 또는 적게 먹고, 2) 먹는 동안 웹캠을 똑바로 들여다보고, 3) 먹는 동안 얼굴 앞에 손을 넣지 마십시오.
3. 수신기 소프트웨어에서 새 관찰을 시작합니다. 날짜, 참가자 번호, 참가자의 성별, 연령 및 체중 및 높이와 같은 인위적인 데이터를 기록합니다. 관찰 이름에 연구 조건 및 연구 방문과 같은 추가 정보를 포함하십시오.
4. 수신기 소프트웨어의 레코드를 눌러 관찰을 기록합니다.
5. 데이터 수집 중 비디오 녹화 및 들어오는 데이터를 확인하기 위해 대시보드를 활성화합니다(그림4).
6. 녹음전에는 참가자에게 1)을 요청하여 참가자 번호로 카드를 올리고, 2) 식사 시작과 끝에 손을 들어 보세요.
7. 참가자가 식사를 마칠 때 관찰을 종료합니다. 모든 데이터를 스프레드시트로 전송하는 데 2분이 걸립니다.
8. 참가자의 세션 종료입니다.
9. 웹캠과 트레이 수신기를 노트북에서 분리하고 청소 조직이나 청소 스프레이로 청소하십시오.

5. 데이터 평가 및 전송

1. 수신기 소프트웨어의 마지막 관찰을 엽니다. 먹는 행동의 자동화 된 측정은 제목 데이터아래에 저장됩니다. 원시 데이터를 추출하려면 데이터 내보내기를 클릭합니다. 후속 출력 파일에는 참가자 수, 실시간, 상대(시작) 시간 및 테스트 참가자당 사용 식 동작 변수(물린 수, 츄수, 츄잉 지속 시간)에 대한 데이터가 포함되어 있습니다.
   참고: 모든 동작은 타임스탬프가 찍혀 있습니다. 수신기 소프트웨어에서 트레이의 추가 외부 데이터를 추출할 수 있습니다(예: 각 3개의 트레이의 중량에 대한 데이터). 데이터는 초당 10회 기록되고 전송됩니다. 트레이 데이터 수집 시간은 식습관 기록과 동기화됩니다.
2. 프로그램 자체 내에서 다른 막대 차트에서 결과를 요약하고 시각화합니다. 로그 파일(.xsl)(그림5)에서결과를 원시 데이터로 내보냅니다.
3. 로그 파일을 스프레드시트로 내보내고 기본 설정 통계 프로그램을 사용하여 데이터 분석을 수행합니다.
4. 데이터 분석 전에 데이터를 정리합니다.
   참고: 플레이트에 칼붙이로 누르는 왜곡(무게 증가의 원인)으로 인해 트레이의 계량 데이터는 물린 크기를 나타내는 단계 크기, 물린 사이의 시간을 나타내는 단계 길이를 나타내는 단계 크기로 카플란 마이어 곡선으로 청소해야 합니다. 곡선의 시작은 시작 가중치를 나타내고 마지막 단계는 다음과 같이 최종 가중치를 나타냅니다.
   1. 시간 대를 통해 초당 측정으로 부드럽게 하여 극한의 값을 필터링합니다.
   2. 5 g 경계를 설정하고, 무게 고원을 감지하고(즉, +/- 5g 내의 변화 없음), 체중 변화(시간이 지남에 따라 5g 보다 큰 변화)를 감지하여 물린 크기와 부분 의 변화를 나타냅니다.
   3. 접시에 남아있는 칼으로 인한 체중 증가를 제외하십시오.
      참고: 출력은 웨이트 스테이션당 총 중량 변화(= 식사 크기), 평균 물기 크기 및 분당 물기의 끝입니다.
5. 식사 과정에서 먹는 속도(g/sec) 및 물린 크기(g/bite) 변화를 결정하기 위해 트레이 체중 데이터와 먹는 동작을 수동으로 통합합니다(그림6, 도 7, 도 8, 도 9, 도 10).

Representative Results

느린 섭취율(도7),작은 한 모금/물린크기(그림 8)및 더 많은 츄(그림9)는mEETr 트레이에 의해 측정된 요구르트 및 주스(도6)에비해 샐러드의 섭취량이 낮아졌다. 참가자들은 과일 주스에 비해 과일 샐러드를 17% 적게 먹습니다. 모든 식사 행동 특성은 주스, 요구르트 및 샐러드 사이에 차이가 있습니다(그림 7, 그림 8, 그림 9). 참가자들은 요구르트와 주스에 비해 과일 샐러드에 훨씬 더 많이 츄어. 관찰된 츄 수는 요구르트와 과일 샐러드 사이에 3배씩 차이가 있었다. 또한 한 입 크기는 주스에 비해 한 입 당 샐러드 6.5 g로 가장 작았습니다 : 한 모금 당 8 g. 전반적으로, 츄의 수, 물린 크기 및 먹는 비율은 먹는 실험실 조정에서 식사 도중 먹은 양에 영향을 미치는 것처럼 보였습니다. 이러한 사실 인정은 증가한 경구 처리 시간 (츄의 더 높은 수, 더 작은 물린 크기)가 음식 섭취를 감소시키는 것을 보고하는 그밖 연구 결과에 따라^12,13,14,15.

그림 1: 세 개의 계량 스테이션과 위의 인쇄 판의 세 가지 압력 센서가있는 트레이의 그림.

그림 2: mEETr은 테스트 된 식품과 함께 설정합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3: 얼굴의 고정 점을 사용하여 먹는 행동의 자동 감지 (눈과 입).

그림 4: 트레이의 세 계량 스케일과 들어오는 비디오 데이터의 들어오는 데이터를 시각화하는 대시보드.

그림 5: 데이터 수집 개요. 식사 과정에서 세 가지 계량 척도에 대한 식품 중량의 감소는 세 가지 상부 그래프에 의해 표시됩니다. 피크는 칼의 압력에 의해 발생합니다. 물린 한 모금 (지속 시간 포함) 및 츄의 수는 컬러 수평 막대에 의해 마지막 행에 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6: mEETr 트레이로 측정된 제품당 식품 섭취량(g)을참조하십시오.

그림 7: mEETr 트레이 및 자동 식습관 비디오 분석을 기반으로 한 제품당 식사 속도(g/min).

그림 8: mEETr 트레이 및 자동 식습관 비디오 분석을 기반으로 한 제품당 평균 물기 크기(g).

그림 9: mEETr 트레이 및 자동 식습관 비디오 분석을 기반으로 한 제품당 총 츄 수.

그림 10: 세 가지 계량 플랫폼, 동작 및 타임 스탬프를 포함한 측정의 원시 데이터 출력.

Discussion

건강한 식단과 건강한 식습관은 과체중과^{비만(11)의}예방 및 해결책에 중요한 역할을 하는 것으로 나타났다. 그러나, 식이 섭취량과 먹는 행동을 측정하는 데 사용되는 많은 방법은 사용자, 연구원 및 건강 관리 전문가에게 부담스니이며 메모리 및 부분 크기 추정에 의존하기 때문에 편향 될 수 있습니다. mEETr을 사용하여, 독립적으로 또는 기존의 비디오 및 식이 평가 방법과 함께, 노력과 식이 섭취 및 먹는 행동 평가의 정확성과 정밀도를 감소시킬 것이다.

mEETr을 사용하려면 몇 가지 중요한 단계를 해결해야 합니다. 한 가지 기본적인 방법론적 고려 사항은 녹화된 비디오의 얼굴 분석과 관련된 개인 정보 보호입니다. 참가자에 대 한 익명은 윤리적 연구의 필수적인 기능. 그러나 얼굴 분석이 mEETr의 일부가되는 경우 익명성은^{거의 불가능합니다 16.} 따라서, 연구 환경에서 mEETr의 사용은 데이터 안전에 관한 광범위한 조항이 필요하며 정보에 입각한 동의 및 기타 참가자 문서에주의를 기울여야 합니다. 궁극적으로, mEETr 얼굴 레코딩의 업그레이드 된 버전에서 비디오 데이터를 저장하지 않고 장치 내에서 실시간으로 처리됩니다. 따라서 얼굴 기록의 저장이 보증되지 않으며 익명 데이터 수집을 허용합니다.

프로토콜의 또 다른 중요한 단계는 mEETr의 이 버전에서 모든 데이터 스트림이 독립적이라는 것입니다. 데이터 분석은 계량 스테이션을 기반으로 수행됩니다. 그런 다음 특정 그릇이나 특정 접시 또는 컵 위치에서 제공 된 것과 데이터를 결합하는 것은 연구원에게 달려 있습니다. 데이터 스트림의 혼합을 방지하기 위해 트레이의 구조는 그릇, 플레이트 또는 컵이 특정 식기에 맞는 링으로 인해 특정 위치에만 배치할 수 있도록 합니다.

결국, 데이터 스트림의 즉각적인 통합이 수행되어 그릇/접시/컵의 체중 변화가 물린 것을 검증하고 그 반대의 경우도 마찬가지이며 식사 직후 식사 행동에 대한 자동 피드백을 허용하는 실시간 의사 결정에 대한 추가 검증 조치의 역할을 합니다.

이러한 중요한 단계 외에도 데이터 모니터링 및 문제 해결 또는 오류 잡기를 단순화해야 하며, 이는 다음과 같은 수정의 도움으로 달성될 수 있습니다: (1) 시스템 시작의 자동화, (2) 자동 식습관 감지를 위한 비디오 품질에 대한 정보를 제공하는 대시보드의 품질 지표 통합, (3) 노트북에 대한 메모리 요구 사항 감소 (4) 비식시간 동안 측정 시도를 방지하는 자동 이벤트 감지.

개선을 위해 이러한 영역 의 상단에, 주의를 보증 mEETr을 사용할 때 몇 가지 문제가있다. 첫째, mEETr의 다음 버전은 식기 세척기에서 세척할 수 있도록 방수처리되어야 합니다. 둘째, 먹는 행동의 유효한 조치를 얻으려면 참가자는 다양한 제한 및 규칙을 준수해야합니다. mEETr을 타용하기 위해 비디오가 중단되지 않고 사용자가 츄잉하는 동안 카메라를 똑바로 보는 것이 중요합니다. 또한, 알고리즘이 츄와 제비를 감지하려면, 사용자는 1) 어깨와 손을 포함한 프레임에서 완전히 볼 수 있어야 2) 얼굴에 그림자가 없습니다; 빛의 표준화가 필요합니다. 이러한 전제 조건은 자연 또는 정상적인 먹는 행동을 방해. 먹는 것은 정상적인 생활 조건에서 본질적으로 사회적 인 일이기 때문에 이러한 제한을 갖는 것은 정상적인 사회적 식사 행동과 쉽게 메쉬되지 않습니다. 따라서, mEETr의 정확한 사용은, 지금, 비 전통적인 먹는 방법이 필요합니다. 참가자가 특정 식사 규칙이나 제한을 준수할 필요가 없는 보다 강력한 측정을 위해 알고리즘을 변경해야 합니다. 일반적으로, mEETr의 사용은 mEETr 트레이를 사용하여 무엇을 먹는지에 대한 인식으로 인해 변경 된 음식 섭취의 결과로 사용자 반응성을 만들 수 있습니다. 이는 내장 계량 스테이션이 완전히 숨겨져 있을 때 방지될 수 있으며, 표준 얼굴 높이가 필요하지 않도록 트레이 내에 통합된 비스 아이 카메라를 사용할 수 있습니다. 따라서 mEEtr의 현재 버전은 실험실 기반 연구에만 적합합니다. 이 기술에 필요한 제한 과 규칙으로 인해 결과는 자유로운 생활 패턴으로 직접 변환되지 않습니다.

이러한 변경 사항 옆에는 현재 시스템의 두 가지 기능 확장이 있으며 나중에 통합해야 합니다. 첫째, 플레이트에 있는 식품의 다량 영양소 함량을 분석하기 위해 mEETr에 추가 하이퍼스펙트럼 카메라 기술을 추가해야 합니다. 이것은 여전히 식사 당 칼로리 섭취 측정을 허용하면서 접시에있는 정확한 식품 품목에 대한 지식의 필요성을 회피 할 것입니다. 둘째, 식품을 자동으로 인식하는 기계 학습 접근 방식을 현재 비디오 분석에 첨부하여 시스템을 추가로 자동화할 수 있습니다. 식사 인식을 더욱 높이기 위해 접시의 음식과 음료에만 초점을 맞춘 두 번째 카메라를 추가할 수 있습니다.

이상적으로, mEETr 트레이와 카메라는 기존의 식이 앱 생태계에 연결될 수 있으며, 이는 mEETr 결과를 식이 앱및 영양사^2에직접 입력할 수 있게 한다. mEETr에 의해 수집 된 정보에 기초하여, 즉각적인 피드백과 조언을 고려 하는 소비자 또는 환자에 게 제공 될 수 있습니다 (매크로)영양소 섭취 및 먹는 행동 (음식 질감 및 먹는 속도). 이것은 사용자가 건강한 라이프 스타일을 만들기 위해 자신의 식단과 먹는 행동을 최적화 할 수 있습니다.

Materials

Name	Company	Catalog Number	Comments
Battery	na	na	Battery pack (LiPo) and charge electronics via an USB port connector. No data from this port.
Connector program	Noldus		Noldus Information technology software dashboard nview
Dinner tray	na	na	Standard dinner tray from glass inforced epoxy
Larger scale	na	na	One high range custom made scale based on a triple force sensor method.
Mainboard	na	na	A mainboard converting the three scale measurements to calibrated weight numbers. This board also contains the low power short range RF transmitter.
OS Windows	Microsoft		windows 10 Pro 64 bit
Processor program	Noldus		Noldus Information technology software FaceReader
Receiver program	Noldus		Noldus Information technology software Observer
RF receiver	na	na	Custom build USB converter connected to a RF receiver. This receiver has a squelch setting for making it low range sensitive.
Small scales	na	na	Two low range custom made scales based on a triple force sensor method.