Fotonen voor Voedselinname: macronutriënten meten met hyperspectrale beeldvorming en machine learning

Wat als een camera de voedingswaarde van een maaltijd kan bepalen door er simpelweg een foto van te maken? Dat is de visie achter dit onderzoek. Meten wat mensen daadwerkelijk eten is verrassend moeilijk. Huidige methoden zijn afhankelijk van het geheugen van individuen en van zelfrapportage over hun voedselinname, wat vaak onnauwkeurig en tijdrovend is. Dit proefschrift verkent een objectiever alternatief: hyperspectrale beeldvorming, een cameratechnologie die gedetailleerde chemische informatie vastlegt vanuit voedsel, ver voorbij wat het menselijk oog kan zien. In combinatie met machine learning, de technologie achter veel moderne patroonherkenningssystemen, kunnen deze camera's het vet- en eiwitgehalte voorspellen van voedingsmiddelen zoals boterhammen en kaas, zonder fysiek contact of beschadiging van het monster. Dit onderzoek toont aan dat deze combinatie effectief is, en legt de basis voor een toekomstig geautomatiseerd systeem: richt een apparaat op een bord en verkrijg direct de voedingssamenstelling. Een betekenisvolle stap naar nauwkeurigere en objectievere meting van voedselinname.