Back to Search Start Over

Novel approach based on artificial intelligence to evaluate individual wine intake

Authors :
Ministerio de Ciencia e Innovación (España)
Agencia Estatal de Investigación (España)
European Commission
Ministerio de Ciencia, Innovación y Universidades (España)
Consejo Superior de Investigaciones Científicas (España)
CSIC-UC - Instituto de Física de Cantabria (IFCA)
Gobierno de Cantabria
Universidad de Lleida
Cobo Cano, Miriam
Regaño de la Guía, Edgard
Heredia, Ignacio
Aguilar, Fernando
Lloret Iglesias, Lara
García Díaz, Daniel
Yuste, Silvia
Recio-Fernández, Emma
Pérez-Matute, Patricia
Motilva, María-José
Moreno-Arribas, M. Victoria
Bartolomé, Begoña
Ministerio de Ciencia e Innovación (España)
Agencia Estatal de Investigación (España)
European Commission
Ministerio de Ciencia, Innovación y Universidades (España)
Consejo Superior de Investigaciones Científicas (España)
CSIC-UC - Instituto de Física de Cantabria (IFCA)
Gobierno de Cantabria
Universidad de Lleida
Cobo Cano, Miriam
Regaño de la Guía, Edgard
Heredia, Ignacio
Aguilar, Fernando
Lloret Iglesias, Lara
García Díaz, Daniel
Yuste, Silvia
Recio-Fernández, Emma
Pérez-Matute, Patricia
Motilva, María-José
Moreno-Arribas, M. Victoria
Bartolomé, Begoña
Publication Year :
2023

Abstract

[EN] This study arises from the need to propose new methodologies to quantify wine consumption more precisely in order to use subsequently this information in observational food-health studies and dietary intervention studies. It has been developed an algorithm based on a “deep learning” method to determine wine volume from a single-view image, and it has been validated through a consumer study developed via a web application. The new model demonstrated satisfactory performance not only in a “daily lifelike” images dataset but also in “real” images (obtained from the consumer study), with a mean absolute error (MAE) of 10 and 26 mL, respectively. In relation to the data reported by the participants in the consumer study (n=38), average red wine volume in a glass was 114±33 mL, without being affected by factors such as gender, time of consumption, type of wine or type of glass. Therefore, the deep learning system together with the web application developed in this study constitute a diet monitoring tool of substantial value in the accurate assessment of daily wine intake, as well as in the habits of its consumption, with relevant applications in observational studies.<br />[ES] Este estudio surge de la necesidad de nuevas metodologías que permitan cuantificar el consumo de vino con mayor precisión, para posteriormente utilizar esta información en estudios observacionales de alimentación-salud y estudios de intervención de dieta. Se ha desarrollado un algoritmo basado en un método de “aprendizaje profundo”, que permite determinar el volumen de vino en una copa/vaso a partir de una fotografía, y se ha validado en un estudio de consumidores realizado a través de una aplicación web. La aplicación del modelo a imágenes “cuasi-reales” y a imágenes "reales" (obtenidas a partir del estudio de consumidores), ha mostrado una precisión satisfactoria con un error absoluto medio (MAE) de 10 mL y 26 mL, respectivamente. En relación a las pautas de consumo de vino observadas en el estudio de consumidores (n=38), el volumen medio de vino tinto servido en una copa fue de 114±33 mL, sin estar condicionado por factores como el sexo del consumidor, el momento de consumo, el tipo de vino, o el formato de copa/vaso. En síntesis, el sistema de aprendizaje profundo desarrollado junto con la aplicación web, constituyen una herramienta de gran valor para la estimación precisa del volumen de vino consumido diariamente, así como las pautas de su consumo, de gran utilidad para estudios poblacionales

Details

Database :
OAIster
Publication Type :
Electronic Resource
Accession number :
edsoai.on1431957403
Document Type :
Electronic Resource