Investigadores desarrollan una herramienta digital de análisis de imagen que permite cuantificar el volumen de vino tinto servido en una copa a partir de una simple fotografía. El modelo de análisis de imagen desarrollado constituye una herramienta útil para la evaluación precisa de los patrones de consumo de vino, según publica el ICVV en su web.
Un equipo de investigación multidisciplinar en el que participa el ICVV junto con el Instituto de Investigación en Ciencias de la Alimentación (CIAL), el Instituto de Física de Cantabria (IFCA) y el CIBIR (Centro de Investigación Biomédica de La Rioja) han desarrollado una herramienta digital de análisis de imagen que permite cuantificar el volumen de vino tinto servido en una copa o vaso, a partir de una simple fotografía tomada con un teléfono móvil.
Para ello se ha aplicado un método de aprendizaje profundo (deep learning, DL) que se ha validado con un estudio de consumidores en el que han participado un total de 38 voluntarios, consumidores habituales de vino tinto, que han ido tomando fotos de su consumo habitual durante 3 semanas.
Los resultados han mostrado que el modelo de DL demostró una buena precisión para el cálculo del volumen de vino tinto, a partir de fotografías tomadas en situaciones reales de consumo, permitiendo estimar que el volumen medio de vino tinto consumido en una copa es de 114 ± 33 mL dependiendo del formato de copa. El modelo de análisis de imagen desarrollado en el marco de este trabajo constituye una herramienta útil para la evaluación precisa de los patrones de consumo de vino. No obstante, esta herramienta podría tener futuras aplicaciones en los estudios de mercado y de percepción de los consumidores, relacionados con el volumen de vino contenido en la copa.
La evaluación de los patrones alimentarios en estudios epidemiológicos y poblacionales se lleva a cabo de forma habitual mediante la recogida de la información a través de los Cuestionarios de Frecuencia de Consumo de Alimentos (FFQs). Los FFQs presentan importantes limitaciones ya que consideran un peso o volumen ya predefinido para cada alimento, lo que supone una infra- o sobreestimación de la ración dificultando el cálculo preciso de la ingesta diaria de macro- y micronutrientes y, en consecuencia, la calidad de la dieta. Este problema es especialmente importante en el caso del vino, ya que las FFQs estandarizan una ración (copa/vaso de vino) a 100 mL, lo que no siempre se corresponde con la realidad. La mejora en la precisión del consumo de vino es un paso fundamental para estimar la ingesta de sus compuestos bioactivos, fundamentalmente polifenoles, asociados con la prevención de determinadas enfermedades crónicas de alta incidencia, siempre en el marco de un consumo moderado y asociado a un estilo de dieta mediterránea. En este sentido, la aplicación de la inteligencia artificial al análisis de imágenes abre nuevas perspectivas para mejorar y normalizar la recogida de información relativa al peso/volumen de la ingesta diaria de determinados alimentos.
Este trabajo se enmarca dentro del proyecto “Desarrollo y validación de un sistema de información digitalizado para la evaluación integral de hábitos alimentarios en grupos poblacionales (integrALIMENTA)(PDC2022-133861-C21 y PDC2022-133861-C22), financiado por el Ministerio de Ciencia e Innovación en el marco de la Convocatoria “prueba de Concepto”-2022 (NextGenerationEU, Plan de Recuperación, Transformación Resiliencia).
Los resultados de este trabajo se han publicado en la revista Heliyon:Cobo, M., Relaño de la Guía, E., Heredia, I., Aguilar, F., Lloret-Iglesias, L., García, D., Yuste, S., Recio-Fernández, E., Pérez-Matute, P., Motilva, M-J., Moreno-Arribas, V., Bartolomé, B. (2024). Novel digital-based approach for evaluating wine components’ intake: A deep learning model to determine red wine volume in a glass from single-view images. Heliyon, https://doi.org/10.1016/j.heliyon.2024.e35689