TODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEMMiranda, Fábio Roberto deFincatti, Fernando Cesar Furtado Ballesteros2022-07-132022-07-132021https://repositorio.insper.edu.br/handle/11224/3736Este projeto trata do uso de redes neurais no desenvolvimento de ferramentas com o intuito de facilitar o cotidiano de pessoas com diabetes o que precisam controlar sua dieta. O objetivo específico é desenvolver um software capaz de estimar o número de macronutrientes de uma refeição através de uma imagem 2D capturada por uma câmera de smartphone, utilizando-se de princípios baseados em visão computacional. A linguagem de programação utilizada foi o Python, utilizando-se desde modelos baseados em bibliotecas como Tensorflow e Keras, até algoritmos inteiramente construídos do zero, ou seja, utilizando bibliotecas apenas para contas aritméticas básicas. Foi utilizado transfer learning para obtenção de melhores resultados. Os recursos para treinar as redes neurais foram retirados das bases Food 101 e ImageNet. Foram obtidos bons resultados. Os Melhores resultados foram obtidos com o uso de transfer learning, baseado na rede Xception, treinada previamente com a ImageNet. Para 6 classes de alimento, foi obtido uma acurácia de 86%, sendo utilizadas seis mil imagens, sendo quatro mil para treino e duas mil para teste. Os resultados demonstram que o uso de técnicas como transfer learning possuem boa precisão.23 p.DigitalPortuguêsdiabetesmacronutrientesinteligência artificialtransfer learningneural networksmobilereportmobileneural networkstransfer learningartificial intelligencemacronutrientsdiabetes