Protocole de référence d'estimation de photos alimentaires Bling

Ce que répondra le benchmark

L'unité est un repas indépendant, évalué sur un produit congelé Bling conçu pour la journalisation des consommateurs. Il ne s’agit pas d’une validation clinique et ne peut pas soutenir le diagnostic, le traitement, le dosage des médicaments ou les conseils nutritionnels individualisés.

• Dans quelle mesure les estimations de premier passage de l'énergie et des macronutriments se situent-elles par rapport aux valeurs de référence documentées ?
• À quelle fréquence les estimations se situent-elles dans des marges d'erreur prédéfinies ?
• Quels contextes de repas et ingrédients visuellement cachés sont associés à une erreur plus importante ?
• Dans quelle mesure une étape structurée de correction utilisateur modifie-t-elle l'erreur sans impliquer la précision du laboratoire ?

Échantillon et collecte

Une publication de référence générale nécessite un pilote logistique de 100 repas suivi d'au moins 1 000 repas d'évaluation indépendante collectés après la congélation du produit et du protocole. Au moins 200 repas d'évaluation restent dans la réserve de confirmation, chaque contexte principal signalé contient au moins 50 repas et la collecte s'étend sur au moins trois lieux ou sources familiales sur plusieurs cycles de menus.

Le plancher est une garantie de publication, et non une revendication de pouvoir statistique. Le projet pilote n'est jamais intégré à l'évaluation globale, et la précision de l'intervalle de confiance obtenue sera rapportée.

Les partitions de développement, de pilote et d'évaluation sont isolées par dîner, repas, lignée de recettes, restaurant ou lieu et groupe d'images quasi-dupliqué. Les images d'évaluation finales sont nouvelles, non publiques et indisponibles pour un réglage rapide avant que le protocole et le système ne soient gelés.

Deux distributions complémentaires

• Un échantillon d'utilisation naturelle qui préserve la répartition observée du trafic de produits
• Un échantillon de stress équilibré couvrant la cuisine, les bandes d'énergie et de portions, les plats simples ou mixtes, la maison par rapport au restaurant ou les aliments emballés, les boissons, les sauces, les ingrédients cachés, l'occlusion, la lumière, l'angle, le récipient et les préparations à faible contraste.

Contextes de repas prédéfinis

• un seul élément visible
• plat mixte fait maison
• restaurant ou repas à emporter
• aliments emballés ou de marque
• soupe, boisson ou autre préparation à faible visibilité

Inclusion

• Un repas complet ou un aliment photographié avant consommation
• Une méthode de référence documentée et une quantité comestible
• Une version du produit figée et un résultat de premier passage horodaté
• Statut de consentement et de désidentification enregistré avant toute diffusion d'image

Exclusion

• Quantité de référence manquante ou source nutritionnelle invérifiable
• Repas partiels sauf si la fraction consommée est mesurée
• Images contenant des personnes ou des informations personnelles sans rapport
• Suppression post-hoc en raison d'une estimation mal exécutée

Comment sont construites les valeurs de référence

Partez d'une assiette ou d'un récipient taré. Enregistrez séparément chaque ingrédient ou ajout de recette verrouillée, le modèle à l'échelle, la date et la masse d'étalonnage, l'incertitude de la balance, l'incrément de poids comestible, la pesée finale, l'état de préparation, la révision de la recette, les restes et l'huile ou le liquide jeté.

1. Ingrédients comestibles pesés et rendement mesuré de la recette cuite
2. Étiquette exacte de la valeur nutritive de l'emballage et poids de la portion consommée
3. Relevé nutritionnel officiel du restaurant correspondant à l'article et à la portion commandés

Les enregistrements USDA FoodData Central incluront l'identifiant FDC, le type de données, la date d'accès et la date de sortie ou de mise à jour. Une source est choisie en fonction de la forme et de la préparation de l'aliment, et pas seulement du nom le plus proche.

Le total des éléments nutritifs est calculé en fonction du poids comestible et du rendement mesuré de la recette finie. Tout facteur de rétention ou de rendement doit nommer sa source et sa version.

Deux évaluateurs nutritionnels qualifiés associent indépendamment les ingrédients aux enregistrements de composition ; un troisième évaluateur résout les désaccords. Les sous-ensembles à haute teneur en huile, à haute teneur en eau, à forte teneur en sauce et à marque variable reçoivent une préparation en double ou une analyse en laboratoire pour quantifier l'erreur de la méthode de référence.

L'incertitude de référence, les substitutions, les restes et les valeurs indisponibles restent des champs explicites ; ils ne sont pas silencieusement convertis en vérité exacte.

Inscription et gel immuable

Enregistrez le protocole et le plan d'analyse statistique avant de déverrouiller les étiquettes d'évaluation.

La version publique doit nommer l'enregistrement d'enregistrement, l'horodatage, le hachage du fichier de protocole, le hachage du manifeste d'image, la version des données de référence, la construction du produit, la configuration du modèle, les hachages d'invite, la version de l'analyseur, les résultats principaux, les marges, les exclusions, les règles de données manquantes, le plan de sous-groupe et l'analyse de précision de la taille de l'échantillon.

Tout écart par rapport à l'enregistrement gelé est énuméré, daté, justifié et exclu du résultat de confirmation lorsqu'il pourrait biaiser le résultat.

Capture de photo et d'estimation

L'analyse principale utilise une photo de consommateur ordinaire. Les vues supplémentaires sont enregistrées séparément et ne peuvent pas être mélangées au résultat principal.

• classe d'appareil
• vue de la caméra et bande de distance
• condition d'éclairage
• type de plaque ou de conteneur
• si une référence d'échelle est visible
• contexte du repas et visibilité de la préparation

Les images publiques doivent avoir une autorisation de publication explicite, ne contenir aucune information personnelle ou non liée et avoir des métadonnées amovibles supprimées.

Deux résultats, jamais mélangés

1. estimation du premier passage avec photo uniquement
2. estimation post-révision après les invites de correction prédéfinies

L'examen structuré se limite à l'identité des aliments, aux portions, à la graisse de cuisson ou à la sauce, aux accompagnements ou aux boissons manquants et à la correspondance avec la base de données. Les résultats du premier passage et les résultats corrigés restent séparés.

Le résultat principal est la première réponse produite à travers le parcours réel du produit. Les appels répétés sont exécutés uniquement sur un sous-ensemble préenregistré pour quantifier la sortie stochastique et la cohérence des échecs ; aucune course n'est sélectionnée parce qu'elle a obtenu le meilleur score.

Lorsqu'un modèle commercial ne peut pas être épinglé sur un instantané immuable, le rapport doit indiquer que la reproduction exacte n'est pas garantie et conserver les réponses brutes horodatées ainsi que tous les paramètres d'invocation disponibles.

Résultats et analyse statistique

Déclarez des intervalles de confiance bilatéraux à 95 % à l'aide de 10 000 rééchantillonnages bootstrap de groupes de repas. Toutes les photos et étapes d'estimation d'un repas restent dans le même rééchantillon.

Publier la moyenne, la médiane, l'intervalle interquartile et la distribution empirique complète, le cas échéant ; ne vous fiez pas à une seule moyenne.

Inspectez l'erreur par rapport à la magnitude de référence avant d'appliquer les limites fixes de Bland – Altman. Si la variance change sensiblement avec l'énergie du repas, utilisez un rapport logarithmique préenregistré ou une analyse des limites d'accord basée sur la régression.

Toute comparaison de systèmes ou d'étapes utilise des intervalles de différence bootstrap appariés aux repas. L'équivalence ou la non-infériorité nécessite une marge gelée avant l'ouverture des étiquettes ; une différence non significative n’est jamais dite équivalente.

Les deux résultats coprimaires sont déclarés avant l'analyse. Les réclamations confirmatives secondaires ou de sous-groupes utilisent une procédure hiérarchique gelée ou un taux de fausses découvertes ; toutes les autres analyses de sous-groupes sont qualifiées d’exploratoires.

Garde-corps contre un résultat flatteur

• L'exactitude de la reconnaissance n'est pas signalée comme l'exactitude de la nutrition.
• Les estimations manquantes ou échouées sont considérées comme des échecs et sont signalées séparément ; ils ne sont pas abandonnés.
• Les pourcentages d'erreurs macro ne sont pas calculés lorsque la valeur de référence est trop proche de zéro.
• Aucun pourcentage de précision universel n'est utilisé en dehors de la méthode d'échantillon congelé, de version et de référence.
• La corrélation n'est pas traitée comme un accord ou une exactitude.
• Aucun seuil n'est décrit comme une norme industrielle ou réglementaire à moins qu'une autorité citée ne le définisse réellement.

Strates déclarées

• contexte du repas
• visibilité des ingrédients
• article unique versus plat composé
• cuit maison versus restaurant ou emballé
• état des photos
• cuisine uniquement lorsque la strate rencontre l'étage de publication
• région et fourchette de prix
• état de la caméra et de l'éclairage
• teinte de peau uniquement lorsqu'une main ou une culture adjacente à une personne est conservée avec son consentement explicite

Publiez un décompte des flux depuis les repas collectés jusqu'aux repas analysés, chaque motif d'exclusion, les estimations indisponibles et les nutriments de référence manquants.

Taxonomie des échecs

• erreur d'identité alimentaire
• erreur de portion ou de volume
• erreur cachée en matière d'huile, de sauce, de sucre ou de préparation
• erreur d'hypothèse de marque ou de recette
• erreur d'analyse d'unité ou de sortie structurée
• complétion d'ingrédients non prise en charge
• sous- ou surestimation flagrante
• conseils médicaux ou liés à une maladie inappropriés
• exposition à la confidentialité

11 portes avant un titre

1. Pré-enregistrez publiquement le protocole, le plan d'analyse statistique, le schéma d'observation, la version du code d'analyse et les hachages de contenu avant d'ouvrir les étiquettes d'évaluation.
2. Geler la construction du produit, l'instantané exact du modèle ou du fournisseur, les invites, le pipeline d'images, l'analyseur, la région, les paramètres d'invocation et la version de la composition alimentaire ; ne combinez pas des versions sensiblement différentes dans un seul résultat principal.
3. Remplissez le projet pilote distinct, le seuil d'évaluation de 1 000 repas, la confirmation de 200 repas, la règle de diversité des sources et chaque plancher de strate signalé ; sinon, étiquetez la version pilote uniquement sans aucune revendication de référence générale.
4. Dossiers complets de pesée traçables, de rendement et de conservation des recettes, examen nutritionnel indépendant avec arbitrage et incertitude de référence quantifiée.
5. Comptabilisez chaque repas collecté, estimation échouée, exclusion, correction et nutriment indisponible.
6. Rapportez les intervalles de confiance pour les résultats co-primaires, le biais de Bland-Altman et les limites d'accord, les erreurs grossières, les résultats échoués et les résultats de stress et de sous-groupes prédéfinis.
7. Vérifiez l'isolement des partitions et documentez la preuve que les images d'évaluation, les lignées de recettes, les lieux et les quasi-doublons n'étaient pas disponibles pour un réglage rapide ou une sélection de résultats.
8. Publiez des données anonymisées au niveau des lignes lorsque le consentement le permet, le dictionnaire de données, le code d'analyse, les sommes de contrôle et un journal des modifications versionné.
9. Consentement complet, suppression des EXIF et du GPS, vérification des personnes et des antécédents sensibles, contrôles de conservation et de suppression, examen des accès et examen de l'utilisation des données des fournisseurs de modèles.
10. Publiez un ensemble de sentinelles dorées, modifiez les déclencheurs, la cadence de surveillance, les seuils d'alerte et les conditions qui suspendent ou retirent une réclamation de précision.
11. Conservez les conclusions dans un journal de consommation, nommez les modes de défaillance et rejetez les allégations cliniques, universelles ou sans fondement causal.

Protocole lisible par machine

La page lisible par l'homme et les fichiers lisibles par machine proviennent de la même source versionnée. Un futur ensemble de données recevra le balisage Dataset uniquement une fois que les données au niveau des lignes et les distributions téléchargeables auront réellement existé.

• Protocole JSON
• Schéma JSON d'observation
• Citation BibTeX

Normes utilisées – et non revendiquées

Les rapports GRRAS et Bland-Altman constituent l'épine dorsale de l'étude par accord direct. TRIPOD-LLM et certains éléments de transparence TRIPOD+AI régissent le modèle, l'invite, les données, l'intervalle de confiance, les sous-groupes, les échecs et les rapports scientifiques ouverts. NIST AI RMF et son profil Generative AI régissent les contrôles de version, de fournisseur, de confidentialité, de dérive, d'incident et de retrait. USDA FoodData Central et Nutrition5k informent sur la provenance et l'acquisition de référence.

Il ne s'agit pas d'une étude d'exactitude du diagnostic, d'une étude de modèle de prédiction clinique, d'une intervention randomisée ou d'une évaluation d'aide à la décision clinique. Il ne revendique donc pas la conformité STARD-AI, TRIPOD+AI, CONSORT-AI, SPIRIT-AI ou DECIDE-AI.

Grand livre source

Normes et méthodes de référence

1. Lignes directrices pour les rapports sur la fiabilité et les études de concordance (GRRAS)Journal of Clinical Epidemiology / Réseau EQUATOR
2. Méthodes Bland-Altman pour l'analyse des accords : un examen des normes de reportingJournal international des études infirmières avances
3. Directive de reporting TRIPOD-LLM pour les études utilisant de grands modèles de langageMédecine naturelle
4. Déclaration TRIPOD+AI : lignes directrices mises à jour pour la déclaration des modèles de prédiction cliniqueLe BMJ
5. Documentation des données FoodData CentralUSDA
6. Nutrition5k : Vers une compréhension nutritionnelle automatique des aliments génériquesCVPR IEEE/CVF
7. Cadre de gestion des risques liés à l'intelligence artificielle 1.0NIST
8. Cadre de gestion des risques liés à l'intelligence artificielle : profil d'intelligence artificielle générativeNIST
9. Bien-être général : Politique relative aux appareils à faible risqueÉtats-Unis Administration des aliments et des médicaments
10. Conformité à la règle de notification des atteintes à la santé de la FTCÉtats-Unis Commission fédérale du commerce
11. Données structurées de l'ensemble de donnéesCentre de recherche Google

Les corrections et les défis de protocole sont les bienvenus à team@bling.best.