Detecção de Alérgenos em Imagens de Alimentos com YOLOv8

• Rodrigo Eduardo Seger UFCSPA
• Luciano Costa Blomberg UFCSPA
• Ana Trindade Winck UFCSPA

DOI: https://doi.org/10.5753/eramiars.2025.16778

Resumo

Alergias alimentares são reações adversas à ingestão de alimentos. A correta identificação de alérgenos traz desafios, principalmente quando não é possível contar com a rotulagem adequada. Este trabalho avalia quatro variantes da arquitetura de deep learning YOLOv8 para detecção de alérgenos em imagens de alimentos preparados. Foram combinadas 9.984 imagens extraídas de datasets públicos, obtendo-se os melhores resultados com a arquitetura YOLOv8m, com precisão=0,76 e revocação=0,65. Os resultados, embora modestos, indicam um uso promissor da arquitetura para identificação de alérgenos.

Referências

Bossard, L., Guillaumin, M., and Van Gool, L. (2014). Food-101 – mining discriminative components with random forests. In Fleet, D., Pajdla, T., Schiele, B., and Tuytelaars, T., editors, Computer Vision – ECCV 2014, volume 8694 of Lecture Notes in Computer Science, pages 446–461, Cham, Switzerland. Springer.

Brasil (2015). Resolução da diretoria colegiada nº 26, de 02 de julho de 2015. Diário Oficial da União.

Brasil (2022). Resolução da diretoria colegiada nº 727, de 15 de julho de 2022. Diário Oficial da União.

Gadelha, G. A., Pereira, R. A., Guedes, F. M., and Winck, A. T. (2024). Processamento de linguagem natural na identificação de alérgenos em rótulos alimentares: Uma aplicação no contexto brasileiro. Journal of Health Informatics, 16(Especial).

Menezes, G. P., Pereira, R. A., Guedes, F. M., and Winck, A. T. (2024). Desenvolvimento de um aplicativo móvel para leitura e identificação de alérgenos em rótulos alimentares. In Anais do XX Congresso Brasileiro de Informática em Saúde, pages 91–95, São Paulo. Sociedade Brasileira de Informática em Saúde.

Menin, G., Pereira, R. A., Guedes, F. M., and Winck, A. T. (2024). Api rest para reconhecimento óptico de caracteres em rótulos alimentares. Journal of Health Informatics, 16(Especial).

Mishra, M. et al. (2022). Allergen30: Detecting food items with possible allergens using deep learning-based computer vision. Food Analytical Methods, 15:3045–3078.

Pereira, R. A., Guedes, F. M., Gadelha, G. A., Menin, G., Menezes, G. P., Amantéa, S. L., and Winck, A. T. (2024). Alérgenos alimentares em rótulos de produtos alimentícios: uma unificação da nomenclatura. Arquivos de Asma, Alergia e Imunologia, 8(2):125–128.

Solé, D., Silva, et al. (2018). Consenso brasileiro sobre alergia alimentar: 2018 - parte 2 - diagnóstico, tratamento e prevenção. documento conjunto elaborado pela sociedade brasileira de pediatria e associação brasileira de alergia e imunologia. Arquivos de Asma, Alergia e Imunologia, 2(1):39–82.