Desarrollo de un modelo de inteligencia artificial para la detección automática de productos en un frigorífico

Abstract

En este Trabajo de Fin de Grado (TFG), se busca desarrollar un modelo de inteligencia artificial que permita realizar una detección de productos en un frigorífico utilizando imágenes enviadas por un sistema IoT cada vez que se abre el frigorífico. Este proyecto se centra en la transformación de un frigorífico convencional en uno inteligente, haciéndolo económicamente asequible. Si bien tiene múltiples aplicaciones, una de sus principales funciones es el seguimiento de los hábitos alimenticios. El proyecto comenzó realizando reconocimiento de imágenes mediante ResNet50, con una amplia base de datos de imágenes de alimentos. Sin embargo, este enfoque se encontró con limitaciones, ya que solo podía reconocer un alimento por imagen. Para superar esta limitación, se realizó detección de objetos mediante YOLO (You Only Look Once). Se creó una nueva base de datos de imágenes de alimentos, que se etiquetaron a través de la herramienta en línea makesense.ai. Este conjunto de datos etiquetados se utilizaron para entrenar el algoritmo de detección de objetos YOLO. Los resultados muestran que el nuevo algoritmo es capaz de detectar múltiples alimentos en una imagen, lo que mejora significativamente su utilidad y aplicabilidad en comparación con el enfoque inicial. Esta investigación muestra el potencial que tiene la inteligencia artificial y el IoT para contribuir a la salud y el bienestar en la vida diaria.

In this Bachelor’s Final Project, the goal is to develop an an artificial intelligence model that allows for the detection of products inside a refrigerator using images sent by an IoT system every time the refrigerator is opened. This project focuses on transforming a conventional refrigerator into a smart one, making it economically viable. Although it has multiple applications, one of its primary functions is monitoring eating habits. The project started by performing image recognition through ResNet50, with a comprehensive database of food images. However, this approach encountered limitations, as it could only recognize one food per image. To overcome this limitation, object detection was performed using YOLO (You Only Look Once). A new food image database was created, which was labeled through the online tool makesense.ai. This labeled dataset was used to train the YOLO object detection algorithm. The results show that the new algorithm can detect multiple foods in an image, significantly enhancing its utility and applicability compared to the initial approach. This research demonstrates the potential of artificial intelligence and IoT in contributing to health and well-being in everyday life.