Kunstmatige intelligentie en computervisie voor kwantitatieve beoordeling van eetgedrag en stedelijke voedsellandschappen

Wat we eten en waar we voedsel kunnen kopen is cruciaal voor onze gezondheid, maar onderzoek hiernaar is altijd traag en kostbaar geweest. Onderzoekers besteden weken aan het bekijken van video's van mensen die eten om happen te tellen, of aan het rondlopen in buurten om te controleren welk voedsel er beschikbaar is. Mijn promotieonderzoek ging over hoe kunstmatige intelligentie dit werk kan overnemen.

Op stadsniveau gebruikte ik online restaurantmenu's uit Boston, Londen en Dubai om in kaart te brengen welke buurten toegang hebben tot gezond voedsel. Ik ontdekte dat rijkere gebieden meer voedzame opties bieden. Op individueel niveau ontwikkelde ik AI-modellen die video's van mensen die eten bekijken en automatisch hun happen, kauwbewegingen en slokjes tellen met een hoge nauwkeurigheid. Deze tools werden gecombineerd in een open-source platform dat de analysetijd verkort van zes weken naar zes uur.

Door voedingsonderzoek sneller en schaalbaarder te maken, helpt dit werk wetenschappers en beleidsmakers om beter te begrijpen hoe mensen eten en dit uiteindelijk te verbeteren.