Desarrollo de una aplicación para fomentar hábitos alimenticios saludables basado en la clasificación de imágenes con redes neuronales

Abstract

El sobrepeso constituye un problema de salud pública a nivel mundial, asociado a la generación y agravamiento de diversas enfermedades crónicas. En el contexto peruano, más del 70% de la población adulta presenta exceso de peso. Frente a esta problemática, esta investigación propone el desarrollo de una aplicación móvil destinada a promover hábitos alimenticios saludables mediante la clasificación automática de imágenes de alimentos. Para determinar el modelo de clasificación a integrar en la aplicación, se entrena un modelo Vision Transformer (ViT), y un modelo YOLOv11, entrenados con un Dataset de 20 platos peruanos clasificados en categorías de entrada, almuerzo y cena. Se decide utilizar el modelo ViT en la aplicación, ya que tiene una precisión del 96.4%, y un F1-Score del 95.5%, supera al YOLO en ambas métricas. Luego se implementó un Chatbot que ofrece recomendaciones personalizadas, ajustadas al perfil nutricional y al historial de consumo del usuario, con el objetivo de llevar el seguimiento diario del consumo calórico del usuario. Mediante evaluaciones de usabilidad y pruebas de rendimiento, se validó la eficacia de la aplicación ejecutándose con un 61 FPS promedio, y una aceptación favorable de la aplicación por parte de los usuarios con un 91.4% de aceptación y un 88.5% de interés en un uso frecuente. Los resultados respaldan su viabilidad como una herramienta innovadora para mejorar los hábitos alimenticios de los usuarios y el control del peso corporal, proponiendo además futuras ampliaciones en la cobertura de alimentos y la integración de la participación de especialistas para potenciar su impacto en la salud pública.

Overweight is a global public health problem, associated with the generation and worsening of various chronic diseases. In the Peruvian context, more than 70% of the adult population is overweight. Facing this issue, this research proposes the development of a mobile application designed to promote healthy eating habits through the automatic classification of food images. To determine the classification model to be integrated into the application, a Vision Transformer (ViT) model and a YOLOv11 model were trained using a Dataset of 20 Peruvian dishes classified into appetizer, main course (lunch), and dinner categories. The ViT model was selected for the application because its Precision of 96.4% and F1-Score of 95.5% surpassed the YOLO model in both metrics. Subsequently, a Chatbot was implemented to offer personalized recommendations, adjusted to the user's nutritional profile and consumption history, with the aim of providing daily tracking of the user's caloric intake. Through usability evaluations and performance tests, the application's effectiveness was validated, running at an average of 61 FPS, and receiving favorable user acceptance with 91.4% approval and 88.5% interest in frequent use. The results support its viability as an innovative tool for improving users' eating habits and body weight control, proposing further future extensions in food coverage and the integration of specialist participation to enhance its impact on public health.