เทคโนโลยีปัญญาประดิษฐ์ในการแนะนำการบริโภคอาหารสำหรับผู้สูงอายุและบุคคลทุกช่วงวัย
บทวิเคราะห์งานวิจัย
งานวิจัยนี้มุ่งพัฒนาโมบายแอปพลิเคชันที่ใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อแนะนำการบริโภคอาหารที่เหมาะสมสำหรับผู้สูงอายุและบุคคลทุกช่วงวัย จุดเด่นของงานวิจัยนี้คือการผสานรวมฐานข้อมูลโภชนาการ ดัชนีน้ำตาล (Glycemic Index - GI) และมวลน้ำตาล (Glycemic Load - GL) เข้ากับเทคโนโลยี AI โดยเฉพาะการใช้ Deep Learning และ Convolutional Neural Network (CNN) ในการจดจำประเภทและปริมาณอาหารจากภาพถ่าย ซึ่งเป็นการนำเทคโนโลยีที่ทันสมัยมาประยุกต์ใช้กับปัญหาสุขภาพที่สำคัญในสังคมผู้สูงอายุอย่างมีประสิทธิภาพ
กระบวนการวิจัยครอบคลุมตั้งแต่การรวบรวมและสร้างฐานข้อมูลคุณภาพสูงของอาหารไทย ซึ่งเป็นการสร้างชุดข้อมูล (dataset) ที่สำคัญสำหรับการฝึกฝนโมเดล AI ไปจนถึงการออกแบบและพัฒนาแอปพลิเคชัน การทดสอบประสิทธิภาพ และการประเมินความพึงพอใจจากผู้ใช้งาน การใช้โมเดล Deep Learning โดยเฉพาะ CNN เป็นเทคนิคที่เหมาะสมสำหรับการจดจำภาพอาหาร เนื่องจากความสามารถในการเรียนรู้ feature ที่ซับซ้อนจากรูปภาพ ทำให้สามารถแยกแยะประเภทและปริมาณอาหารได้อย่างแม่นยำ การเลือกใช้สถาปัตยกรรมแบบ Mobilenet V2 และ YOLOv8-nano สะท้อนให้เห็นถึงความใส่ใจในการออกแบบแอปพลิเคชันให้ทำงานได้อย่างมีประสิทธิภาพบนอุปกรณ์พกพาที่มีข้อจำกัดด้านทรัพยากร
การนำ GI และ GL มาใช้ในการแนะนำปริมาณอาหาร ถือเป็นนวัตกรรมที่สำคัญ โดยเฉพาะอย่างยิ่งสำหรับผู้ป่วยโรคเบาหวานหรือผู้ที่มีความเสี่ยงต่อโรคไม่ติดต่อเรื้อรัง การคำนวณปริมาตรและน้ำหนักอาหารจากภาพ เป็นอีกหนึ่งความท้าทายที่งานวิจัยนี้สามารถแก้ไขได้ ซึ่งจะช่วยให้ผู้ใช้งานได้รับคำแนะนำที่แม่นยำมากขึ้น นอกจากนี้ การรวบรวมข้อมูลจากผู้เชี่ยวชาญ เช่น นักโภชนาการ และการทดสอบกับกลุ่มตัวอย่างที่หลากหลาย ช่วยสร้างความน่าเชื่อถือและความถูกต้องของแอปพลิเคชัน ผลการประเมินความพึงพอใจที่อยู่ในระดับมาก แสดงให้เห็นถึงศักยภาพของแอปพลิเคชันในการตอบโจทย์ความต้องการของผู้ใช้งาน อย่างไรก็ตาม ข้อเสนอแนะเพิ่มเติมเกี่ยวกับการเพิ่มชนิดของอาหารและการพัฒนาระบบอ่านออกเสียง เป็นข้อมูลที่มีประโยชน์สำหรับการพัฒนาแอปพลิเคชันในอนาคต ซึ่งจะช่วยให้แอปพลิเคชันเข้าถึงกลุ่มผู้สูงอายุที่มีข้อจำกัดในการมองเห็นหรือการอ่านได้ดียิ่งขึ้น
งานวิจัยนี้ถือว่ามีความสมบูรณ์ ครอบคลุมทุกขั้นตอนของการวิจัยและพัฒนา ตั้งแต่การวางแผน การเก็บรวบรวมข้อมูล การวิเคราะห์ข้อมูล ไปจนถึงการทดสอบและประเมินผล การใช้เทคโนโลยี AI และฐานข้อมูลโภชนาการที่ครบถ้วน ทำให้แอปพลิเคชันนี้มีศักยภาพที่จะช่วยเหลือผู้คนในการบริโภคอาหารอย่างถูกต้องและมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งกลุ่มผู้สูงอายุที่มักมีข้อจำกัดด้านสุขภาพและความสะดวกในการเข้าถึงข้อมูลด้านโภชนาการ
งานวิจัยนี้เหมาะกับอุตสาหกรรมใด
งานวิจัยนี้เหมาะกับอุตสาหกรรมด้านเทคโนโลยีสารสนเทศ (IT) โดยเฉพาะอย่างยิ่งบริษัทที่พัฒนาแอปพลิเคชันบนมือถือ เนื่องจากผลลัพธ์ของงานวิจัยนี้คือโมบายแอปพลิเคชันที่สามารถนำไปใช้ในเชิงพาณิชย์ได้ นอกจากนี้ ยังเหมาะกับอุตสาหกรรมอาหารและสุขภาพ เนื่องจากแอปพลิเคชันนี้สามารถช่วยเหลือผู้บริโภคในการเลือกและบริโภคอาหารได้อย่างถูกต้อง และเหมาะกับอุตสาหกรรมการแพทย์และสาธารณสุข ซึ่งสามารถใช้แอปพลิเคชันนี้เป็นเครื่องมือในการดูแลสุขภาพของผู้สูงอายุและประชาชนทั่วไป รวมถึงบริษัทที่เกี่ยวข้องกับการพัฒนาเทคโนโลยี AI และ Machine Learning ที่สามารถนำโมเดลที่พัฒนาขึ้นไปต่อยอดในผลิตภัณฑ์อื่นๆได้
งานวิจัยนี้เหมาะกับอาชีพใด
งานวิจัยนี้เหมาะกับผู้ที่ทำงานในสายอาชีพด้านเทคโนโลยีสารสนเทศ เช่น นักพัฒนาซอฟต์แวร์ วิศวกรซอฟต์แวร์ นักวิทยาศาสตร์ข้อมูล (Data Scientist) และนักวิเคราะห์ข้อมูล เนื่องจากงานวิจัยนี้เกี่ยวข้องกับการพัฒนาและการประยุกต์ใช้เทคโนโลยี AI และ Machine Learning นอกจากนี้ ยังเหมาะกับนักโภชนาการ นักกำหนดอาหาร แพทย์ และพยาบาล ซึ่งสามารถนำแอปพลิเคชันนี้ไปใช้ในการให้คำแนะนำด้านโภชนาการแก่ผู้ป่วยหรือประชาชนทั่วไป และเหมาะกับนักวิจัยด้านสุขภาพและเทคโนโลยี ที่สามารถนำงานวิจัยนี้ไปต่อยอดและพัฒนาให้ดียิ่งขึ้น
| รหัสโครงการ : | 172927 |
| หัวหน้าโครงการ : | รศ.ดร. ครรชิต จุดประสงค์ |
| ปีงบประมาณ : | 2565 |
| หน่วยงาน : | มหาวิทยาลัยมหิดล |
| สาขาวิจัย : | กลุ่มข้อมูลด้านวิศวกรรมและเทคโนโลยี |
| ประเภทโครงการ : | แผนงาน หรือชุดโครงการ |
| สถานะ : | ปิดโครงการ |
| คำสำคัญ : | |
| วัตถุประสงค์ : | เพื่อรวบรวมฐานข้อมูลคุณค่าทางโภชนาการ (Nutritive value) ดัชนีน้ำตาล (Glycemic Index) มวลน้ำตาล (Glycemic Load) มาปรับใช้ในกับเทคโนโลยีปัญญาประดิษฐ์ เพื่อประมวลผลข้อมูลจากปริมาณสารอาหารที่แนะนำให้บริโภคในแต่ละวันสำหรับคนปกติ (Recommended Dietary Allowances, RDA) ปริมาณอาหารตามธงโภชนาการผู้สูงอายุ และ Food-Based Dietary Guidelines (FBDG) เพื่อผู้สูงอายุและทุกช่วงวัย มาปรับใช้กับเทคโนโลยีปัญญาประดิษฐ์ พัฒนาโมเดลการเรียนรู้เชิงลึก (Deep Learning) โดยใช้โครงข่ายประสาทแบบคอนโวลูชัน (Convolutional neural network) ในการจดจำประเภทของอาหาร (Food Recognition) จากรูปภาพได้อย่างแม่นยำ และสามารถนำไปใช้บนอุปกรณ์เคลื่อนที่เพื่อต่อยอดในการพัฒนาโมบายแอปพลิเคชัน และสามารถเชื่อมโยงกับฐานข้อมูลด้านโภชนาการและดัชนีน้ำตาล และแสดงผลการวิเคราะห์พลังงานและสารอาหาร เพื่อพัฒนาวิธีการในการประมวลผลรูปภาพ (Image Processing) ในการหาคำนวณปริมาตรและน้ำหนักอาหาร ที่เหมาะสมและมีความแม่นยำ เพื่อสร้างชุดข้อมูล (dataset) ของส่วนประกอบอของอาหารไทย เช่น ผลไม้ ข้าว-แป้ง ผัก เนื้อสัตว์ ไข่ นม และเครื่องปรุง ที่มีคุณภาพ และปริมาณที่เพียงพอต่อการนำไปสร้างโมเดลการเรียนรู้เชิงลึก และสามารถเผยแพร่ข้อมูลนี้ให้แก่นักวิจัยที่สนใจได้ เพื่อพัฒนาแอพพลิเคชันการมองเห็นอัจฉริยะโดยใช้เทคโนโลยีปัญญาประดิษฐ์สำหรับการประมวลผลภาพอาหารจริงเป็นคุณค่าทางโภชนาการและร้อยละของปริมาณสารอาหารที่แนะนำให้บริโภคต่อวัน เพื่อพัฒนาแอพลิเคชันการมองเห็นอัจฉริยะโดยใช้เทคโนโลยีปัญญาประดิษฐ์สำหรับการประมวลผลภาพอาหารจริงเป็นค่าดัชนีน้ำตาล มวลน้ำตาล และคำแนะนำสัดส่วนการบริโภคต่อครั้ง เพื่อประเมินความพึงพอใจต่อการใช้แอพพลิเคชันการมองเห็นอัจฉริยะเพื่อการประเมินการบริโภคอาหารและคำแนะนำสัดส่วนที่เหมาะสมในกลุ่มผู้สูงอายุ |
รศ.ดร. ครรชิต จุดประสงค์. (2565). เทคโนโลยีปัญญาประดิษฐ์ในการแนะนำการบริโภคอาหารสำหรับผู้สูงอายุและบุคคลทุกช่วงวัย. มหาวิทยาลัยมหิดล. กรุงเทพมหานคร, ขอนแก่น, นครปฐม.
รศ.ดร. ครรชิต จุดประสงค์. 2565. "เทคโนโลยีปัญญาประดิษฐ์ในการแนะนำการบริโภคอาหารสำหรับผู้สูงอายุและบุคคลทุกช่วงวัย". มหาวิทยาลัยมหิดล. กรุงเทพมหานคร, ขอนแก่น, นครปฐม.
รศ.ดร. ครรชิต จุดประสงค์. "เทคโนโลยีปัญญาประดิษฐ์ในการแนะนำการบริโภคอาหารสำหรับผู้สูงอายุและบุคคลทุกช่วงวัย". มหาวิทยาลัยมหิดล, 2565. กรุงเทพมหานคร, ขอนแก่น, นครปฐม.
รศ.ดร. ครรชิต จุดประสงค์. เทคโนโลยีปัญญาประดิษฐ์ในการแนะนำการบริโภคอาหารสำหรับผู้สูงอายุและบุคคลทุกช่วงวัย. มหาวิทยาลัยมหิดล; 2565. กรุงเทพมหานคร, ขอนแก่น, นครปฐม.