Инженеры делают гаджет, распознающий потребляемую еду по звуку
Инженеры Университета штата Нью-Йорк в Буффало пробуют создать гаджет называющиеся AutoDietary, что, будучи закреплённым на шее, сможет выявить поглощаемую человеком еду по звуку, с которым её пережёвывают и глотают. Фитнес-трекеров, пробующих измерить израсходованные человеком калории, на данный момент уже много.
А вот обратный процесс, подсчёт поглощаемых человеком калорий, затруднён. Максимум, на что способны гаджеты – это дать доступ к базе продуктов, да сканировать штрих-коды упаковок для стремительного распознавания типа еды.
Смотрите кроме этого: NVIDIA Shield Tablet K1 сейчас соответствует опытным требованиям к звуку
Продолжительное время в Android наблюдалась неприятность с задержкой воспроизведения звука. Как раз по данной причине в Гугл Play нет опытных приложений для музыкантов, каковые бы разрешали записывать музыку. Для решения данной неприятности Гугл представила в прошедшем сезоне вместе с Android 6.0 Marshmallow опытные требования к аудио, в соответствии с которым задержка звука не должна быть больше 20 миллисекунд, и, должны быть: помощь USB Host, периферийных режимов, звука в формате 24-бит 192 кГц, стерео, выход 7.1 HDMI, MIDI через USB и Bluetooth LE.
Программисты из Буффало, с свойственным их профессии рвением к автоматизации, решили предпринять второй подход к проблеме и попытаться научить гаджет машинально определять еду. Согласно их точке зрения, отличие в структуре разных продуктов в полной мере может оказать помощь различить их по звуку жевания.
Сейчас инженеры составляют базу данных звуков для разных продуктов (а составление баз данных ещё ни при каких обстоятельствах не было таким вкусным), которая войдёт в библиотеку ПО для AutoDietary. По задумке, гаджет закрепляется на шее, и чувствительный микрофон принимает звуки работы челюстей, а после этого отправляет их по bluetooth на смартфон, ПО которого занимается распознаванием типов еды.
В предварительных тестах, в которых приняло участие 12 человек, жевавших шесть видов еды (яблоки, морковь, чипсы, печенье, грецкие орехи и арахис), процент успешного распознавания типа еды устройством пребывал в районе 85. Дабы совладать с очевидными ограничениями устройства (как оно выявит суп либо другие сложные блюда?), разработчики планируют в будущем дополнить его совокупностью биомониторинга. Они сохраняют надежду, что собирая данные об уровне сахара в крови и другие эти, совокупность сможет лучше распознавать типы пищи и давать советы по оздоровлению питания.
