お皿に盛られた食べ物の写真を撮ると、その食べ物に含まれる脂肪、タンパク質、炭水化物の量がすぐに携帯電話に表示されるとします。それは可能です。エスター・コックの夢が叶うとき。彼女は博士課程の研究で、それが技術的に可能であることを示しました。
コックはデータサイエンティストです。彼女は研究のために、ハイパースペクトル カメラを使用して食品中の栄養素を特定する可能性を調査しました。このようなカメラは、可視光よりもはるかに遠くまで見える写真を撮影します。コックさんの場合、カメラは脂肪、タンパク質、炭水化物によって吸収されるスペクトルの部分を赤外線で記録します。
ハイパースペクトル カメラは表面に留まるのではなく、物質の奥深くまで観察します。コク氏はカメラにバターとチーズ（赤身または脂肪）を添えたダブルサンドイッチ（白または全粒小麦）をスキャンさせた。 「研究課題は、製品を通してどの程度見えるかということでした。これは単一の製品で実行できることが知られていました。しかし、それが複合製品でも機能するかどうかはわかりませんでした。」
それは部分的には可能だと思われる。 「一部の成分はうまく特定して定量化できましたが、他の成分はそうではありませんでした」とコック氏は言います。 「アルゴリズムでは三目並べを行うのが困難でした。それは両方の脂肪の割合のせいです。」したがって、コック氏は 2 番目の実験で、総脂肪率の正確な予測に焦点を当てました。
画像全体ではなく 1 つのピクセルを測定するセンサーがあります。まだ機能しますか？
エスター・コック、人間の栄養と健康の議長グループ
それはほぼ完璧に機能しました。の 機械学習 73 種類の異なるチーズサンプルの総脂肪とタンパク質の割合を測定することができました。コック: 「97% のケースでうまくいきました。最良のタンパク質モデルはわずか 2 グラムの誤差であり、脂肪モデルはわずか 1.9 グラムの誤差でした。」それにより、 概念実証 彼女によれば、それは大成功だったという。
それが始まりです。栄養試験で使用するにはさらに多くの量が必要です。 「追跡調査では、より多くの異なる製品を測定する必要があります」とコック氏は言います。 「そして、これが研究室の外でも、一点だけの測定で機能するかどうかをテストする必要があります。画像全体ではなく 1 つのピクセルを測定するセンサーがあります。まだ効くの？』
コク氏の研究は、栄養学の研究をより正確かつ容易にすることを目的としています。食行動に関する研究は依然として自己申告に依存していることが多く、したがって回答者の記憶に依存しています。それは本質的に不正確です。ハイパースペクトル カメラは、手頃なサイズで作られていれば、これに役立ちます。
Kok が使用したカメラは、大きな靴箱以上のサイズでした。コック氏：「小型化は進んでいますが、最終的にスマートフォンになるかどうかはあえて言いません。ただし、Apple はすでに携帯電話に赤外線カメラを搭載しており、顔認識に使用しています。」
