Inteligencia artificial aplicada en nutrición: reconocimiento de imágenes con aprendizaje profundo y fine tuning : aplicación Móvil para Reconocimiento Automático de Alimentos mediante Visión por Computador y Aprendizaje Profundo
Year: 2026
Type: dissertation
Abstract: Este trabajo presenta NutriVisionAIEPN, una aplicación móvil Android que identifica alimentos y estima su contenido nutricional mediante visión por computador y aprendizaje profundo. El sistema emplea YOLOv11n, un modelo compacto de 2.6 millones de parámetros, ajustado con fine-tuning sobre un dataset propio de 300 imágenes anotadas manualmente. El vocabulario final incluye 83 clases: 77 ingredientes y 6 platos tradicionales, con énfasis en gastronomía ecuatoriana y latinoamericana. El desarrollo se organizó en seis etapas. Primero, se curó y filtró Food-101 mediante un detector automático de platos para seleccionar muestras pertinentes. Luego, se anotaron cajas delimitadoras en Roboflow. El entrenamiento se ejecutó hasta un máximo de 80 épocas, pero se detuvo anticipadamente mediante early stopping, iniciando desde pesos preentrenados en COCO. Posteriormente, el modelo se exportó a TensorFlow Lite en FP32 para inferencia en dispositivo. El mapeo nutricional se construyó consultando FoodData Central del USDA. Finalmente, se implementó la aplicación en Flutter, integrando detección visual, presentación de información nutricional y gestión de usuarios con Firebase. En resultados, el modelo alcanzó [email protected] de 37.7%, precisión de 41.0% y recall de 37.4% en el conjunto de prueba. En un Samsung Galaxy S23 Plus, la app ejecuta inferencia offline en 950 ms (950–953 ms). La ejecución local mejora privacidad, reduce consumo de datos y permite uso en entornos sin conectividad. El error medio de estimación nutricional es ±6.5% frente a valores certificados. En conjunto, se demuestra la viabilidad técnica de asistentes nutricionales que operen íntegramente en el dispositivo, sin dependencia de infraestructura en la nube.
Author: Donoso Aizaga, Kevin Sebastian
Language: Spanish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7219180629