Bling Protocollo benchmark per la stima delle foto degli alimenti

Cosa risponderà il benchmark

L'unità è un pasto indipendente, valutato su un prodotto Bling congelato realizzato per il journaling dei consumatori. Non costituisce una validazione clinica e non può supportare la diagnosi, il trattamento, il dosaggio dei farmaci o la consulenza nutrizionale personalizzata.

• Quanto distano le stime di energia e macronutrienti di primo passaggio dai valori di riferimento documentati?
• Quanto spesso le stime rientrano nelle fasce di errore predichiarate?
• Quali contesti di pasto e ingredienti visivamente nascosti sono associati a errori più grandi?
• Quanto cambia l'errore in un passaggio di correzione utente strutturata senza implicare la precisione del laboratorio?

Campione e raccolta

Un rilascio di benchmark generale richiede un pilota logistico di 100 pasti seguito da almeno 1.000 pasti valutati da indipendenti raccolti dopo che il prodotto e il protocollo sono stati congelati. Rimangono almeno 200 pasti di valutazione nella riserva di conferma, ogni contesto primario segnalato contiene almeno 50 pasti e la raccolta abbraccia almeno tre luoghi o fonti domestiche attraverso più cicli di menu.

La base è una salvaguardia della pubblicazione, non una rivendicazione di potere statistico. Il progetto pilota non viene mai inserito nella valutazione principale e verrà riportata la precisione dell'intervallo di confidenza raggiunta.

Le partizioni di sviluppo, pilota e valutazione sono isolate per cena, pasto, ricetta, ristorante o luogo e gruppo di immagini quasi duplicate. Le immagini di valutazione finali sono nuove, non pubbliche e non disponibili per la messa a punto immediata prima che il protocollo e il sistema vengano congelati.

Due distribuzioni complementari

• Un campione di uso naturale che preserva la distribuzione del traffico del prodotto osservata
• Un campione di stress equilibrato che abbraccia cucina, fasce energetiche e di porzione, piatti singoli o misti, piatti fatti in casa rispetto al ristorante o cibo confezionato, bevande, salse, ingredienti nascosti, occlusione, luce, angolo, contenitore e preparazioni a basso contrasto

Contesti dei pasti predichiarati

• singolo elemento visibile
• piatto misto fatto in casa
• ristorante o pasto da asporto
• alimenti confezionati o di marca
• zuppa, bevanda o altra preparazione a bassa visibilità

Inclusione

• Un pasto completo o un alimento fotografato prima del consumo
• Un metodo di riferimento documentato e una quantità commestibile
• Una versione del prodotto congelato e un risultato del primo passaggio con timestamp
• Stato di consenso e anonimizzazione registrato prima di qualsiasi rilascio di immagini

Esclusione

• Quantità di riferimento mancante o fonte nutrizionale non verificabile
• Pasti parziali a meno che non venga misurata la frazione consumata
• Immagini contenenti persone o informazioni personali non correlate
• Rimozione post-hoc perché una stima ha avuto un rendimento scarso

Come vengono costruiti i valori di riferimento

Iniziare da un piatto o contenitore tarato. Registrare separatamente ogni ingrediente o aggiunta di una ricetta bloccata, il modello di bilancia, la data e la massa di calibrazione, l'incertezza della bilancia, l'incremento di peso commestibile, la ripesata finale, lo stato di preparazione, la revisione della ricetta, gli avanzi e l'olio o il liquido scartato.

1. Pesatura degli ingredienti commestibili e misurazione della resa della ricetta cotta
2. Etichetta esatta dei valori nutrizionali della confezione e peso della porzione consumata
3. Registro nutrizionale ufficiale del ristorante abbinato all'articolo e alla porzione ordinati

I record USDA FoodData Central includeranno l'identificatore FDC, il tipo di dati, la data di accesso e la data di rilascio o aggiornamento. Viene scelta una fonte che corrisponda alla forma e alla preparazione del cibo, non semplicemente al nome più vicino.

I totali dei nutrienti degli ingredienti vengono calcolati in base al peso commestibile e alla resa misurata della ricetta finita. Qualsiasi fattore di ritenzione o rendimento deve menzionare la fonte e la versione.

Due revisori nutrizionali qualificati abbinano in modo indipendente gli ingredienti ai record di composizione; un terzo revisore risolve i disaccordi. I sottoinsiemi ad alto contenuto di olio, ad alto contenuto di acqua, ad alto contenuto di salsa e con variabili di marca ricevono una preparazione duplicata o analisi di laboratorio per quantificare l'errore del metodo di riferimento.

Incertezza del riferimento, sostituzioni, residui e valori non disponibili rimangono campi espliciti; non vengono silenziosamente convertiti in verità esatta.

Registrazione e blocco immutabile

Registra il protocollo e il piano di analisi statistica prima di sbloccare le etichette di valutazione.

La versione pubblica deve indicare il record di registrazione, il timestamp, l'hash del file di protocollo, l'hash del manifesto dell'immagine, la versione dei dati di riferimento, la build del prodotto, la configurazione del modello, gli hash dei prompt, la versione del parser, i risultati primari, i margini, le esclusioni, le regole sui dati mancanti, il piano dei sottogruppi e l'analisi di precisione della dimensione del campione.

Ogni deviazione dalla registrazione congelata viene enumerata, datata, giustificata e tenuta fuori dal risultato di conferma quando potrebbe influenzare il risultato.

Foto e stima dell'acquisizione

L'analisi primaria utilizza una normale foto di un consumatore. Le visualizzazioni aggiuntive vengono registrate separatamente e non possono essere mescolate nel risultato principale.

• classe del dispositivo
• vista della telecamera e banda di distanza
• condizione di illuminazione
• tipologia piatto o contenitore
• se un riferimento di scala è visibile
• contesto del pasto e visibilità della preparazione

Le immagini pubbliche devono avere un'esplicita autorizzazione alla pubblicazione, non contenere persone o informazioni personali non correlate e avere metadati rimovibili rimossi.

Due risultati, mai mescolati

1. stima della sola foto al primo passaggio
2. stima post-revisione dopo le richieste di correzione predichiarate

La revisione strutturata è limitata all'identità del cibo, alla porzione, al grasso o alla salsa di cottura, ai contorni o alle bevande mancanti e alla corrispondenza del database. I risultati del primo passaggio e quelli corretti rimangono separati.

Il risultato primario è la prima risposta prodotta attraverso il percorso del prodotto reale. Le chiamate ripetute vengono eseguite solo su un sottoinsieme preregistrato per quantificare l'output stocastico e la coerenza dei guasti; nessuna corsa è stata selezionata perché ha ottenuto il punteggio migliore.

Quando un modello commerciale non può essere fissato a un'istantanea immutabile, il rapporto deve indicare che la riproduzione esatta non è garantita e preservare le risposte grezze con timestamp più ogni impostazione di invocazione disponibile.

Risultati e analisi statistiche

Riporta intervalli di confidenza bilaterali al 95% utilizzando 10.000 campioni di bootstrap di cluster di pasti. Tutte le foto e le fasi di stima di un pasto rimangono nello stesso campione.

Pubblicare la media, la mediana, l'intervallo interquartile e la distribuzione empirica completa, ove appropriato; non fare affidamento su una media.

Controllare l'errore rispetto alla magnitudo di riferimento prima di applicare i limiti fissi di Bland–Altman. Se la varianza cambia materialmente con l'energia del pasto, utilizzare un rapporto logaritmico preregistrato o un'analisi dei limiti di accordo basata sulla regressione.

Qualsiasi confronto tra sistemi o fasi utilizza intervalli di differenza bootstrap abbinati ai pasti. L'equivalenza o la non inferiorità richiede un margine congelato prima dell'apertura delle etichette; una differenza non significativa non è mai detta equivalente.

I due risultati co-primari vengono dichiarati prima dell'analisi. Le affermazioni secondarie o di sottogruppo di conferma utilizzano una procedura gerarchica congelata o di tasso di false scoperte; tutte le altre analisi dei sottogruppi sono etichettate come esplorative.

Guardia contro un risultato lusinghiero

• L'accuratezza del riconoscimento non viene riportata come accuratezza nutrizionale.
• Le stime mancanti o non riuscite contano come fallimenti e vengono segnalate separatamente; non vengono lasciati cadere.
• Gli errori macro percentuali non vengono calcolati quando il valore di riferimento è troppo vicino allo zero.
• Non viene utilizzata alcuna percentuale di accuratezza universale al di fuori del campione congelato, della versione e del metodo di riferimento.
• La correlazione non viene considerata come concordanza o accuratezza.
• Nessuna soglia viene descritta come standard di settore o normativo a meno che un'autorità citata non la definisca effettivamente.

Strati segnalati

• contesto del pasto
• visibilità degli ingredienti
• piatto singolo contro piatto misto
• cucinato in casa rispetto al ristorante o confezionato
• condizioni della foto
• cucina solo quando lo strato incontra il piano di pubblicazione
• regione e fascia di prezzo
• fotocamera e condizioni di illuminazione
• tonalità della pelle solo quando viene mantenuto un ritaglio della mano o della persona adiacente con il consenso esplicito

Pubblicare un conteggio del flusso dai pasti raccolti ai pasti analizzati, ogni motivo di esclusione, stime non disponibili e nutrienti di riferimento mancanti.

Tassonomia dei guasti

• errore di identità del cibo
• errore porzione o volume
• errore nascosto di olio, salsa, zucchero o preparazione
• errore di presupposto di marca o ricetta
• errore di analisi dell'unità o dell'output strutturato
• completamento degli ingredienti non supportato
• sotto o sovrastima lorda
• consulenza medica o malattia inappropriata
• esposizione alla privacy

11 cancelli prima di un titolo

1. Preregistrare pubblicamente il protocollo, il piano di analisi statistica, lo schema di osservazione, la versione del codice di analisi e gli hash dei contenuti prima di aprire le etichette di valutazione.
2. Blocca la build del prodotto, il modello esatto o l'istantanea del fornitore, i prompt, la pipeline di immagini, il parser, la regione, le impostazioni di invocazione e il rilascio della composizione del cibo; non combinare versioni sostanzialmente diverse in un unico risultato del titolo.
3. Completare il progetto pilota separato, la base di valutazione di 1.000 pasti, il controllo di conferma di 200 pasti, la regola sulla diversità della fonte e ogni livello minimo segnalato; altrimenti etichettare il rilascio solo come pilota senza alcuna dichiarazione di benchmark generale.
4. Registri completi di pesatura tracciabile, resa delle ricette e conservazione, revisione nutrizionale indipendente con giudizio e incertezza di riferimento quantificata.
5. Conto per ogni pasto raccolto, stima non riuscita, esclusione, correzione e nutriente non disponibile.
6. Riportare gli intervalli di confidenza per i risultati co-primari, la distorsione di Bland-Altman e i limiti di accordo, gli errori grossolani, i risultati non riusciti e lo stress prespecificato e i risultati dei sottogruppi.
7. Verificare l'isolamento delle partizioni e documentare la prova che le immagini di valutazione, i lignaggi delle ricette, i luoghi e i duplicati vicini non erano disponibili per la messa a punto tempestiva o la selezione dei risultati.
8. Pubblica dati a livello di riga non identificati laddove il consenso lo consente, il dizionario dei dati, il codice di analisi, i checksum e un registro delle modifiche con versione.
9. Consenso completo, rimozione EXIF e GPS, screening delle persone e dei dati sensibili, controlli di conservazione ed eliminazione, revisione dell'accesso e revisione dell'utilizzo dei dati del fornitore del modello.
10. Pubblica un set di sentinelle dorate, modifica i trigger, monitora la cadenza, le soglie di avviso e le condizioni che mettono in pausa o ritirano una richiesta di precisione.
11. Mantieni le conclusioni all'interno del consumer journaling, nomina le modalità di fallimento e rifiuta le affermazioni cliniche, universali o causalmente non supportate.

Protocollo leggibile dalla macchina

La pagina leggibile dall'uomo e i file leggibili dalla macchina provengono dalla stessa fonte con versione. Un set di dati futuro riceverà il markup del set di dati solo dopo che i dati a livello di riga e le distribuzioni scaricabili saranno effettivamente esistenti.

• Protocollo JSON
• Schema JSON di osservazione
• Citazione BibTeX

Standard utilizzati e non rivendicati

GRRAS e il reporting Bland–Altman costituiscono la struttura portante dello studio e dell'accordo diretto. TRIPOD-LLM e elementi selezionati di trasparenza TRIPOD+AI regolano modello, prompt, dati, intervallo di confidenza, sottogruppo, fallimento e reporting open science. NIST AI RMF e il relativo profilo AI generativo regolano i controlli di versione, fornitore, privacy, deviazione, incidente e ritiro. USDA FoodData Central e Nutrition5k informano sulla provenienza e sull'acquisizione dei riferimenti.

Questo non è uno studio di accuratezza diagnostica, uno studio su modelli di previsione clinica, un intervento randomizzato o una valutazione di supporto alle decisioni cliniche. Pertanto non rivendica la conformità a STARD-AI, TRIPOD+AI, CONSORT-AI, SPIRIT-AI o DECIDE-AI.

Registro di origine

Norme e metodi di riferimento

1. Linee guida per la rendicontazione degli studi sull'affidabilità e sulla concordanza (GRRAS)Giornale di epidemiologia clinica / Rete EQUATOR
2. Metodi Bland-Altman per l'analisi degli accordi: una revisione degli standard di reportingInternational Journal of Nursing Studies Advances
3. Linee guida TRIPOD-LLM per la rendicontazione di studi che utilizzano modelli linguistici di grandi dimensioniMedicina della Natura
4. Dichiarazione TRIPOD+AI: guida aggiornata per la reportistica dei modelli di previsione clinicaIl BMJ
5. Documentazione dei dati FoodData CentralUSDA
6. Nutrition5k: Verso la comprensione nutrizionale automatica degli alimenti genericiIEEE/CVF CVPR
7. Framework per la gestione dei rischi dell'intelligenza artificiale 1.0NIST
8. Quadro di gestione del rischio dell'intelligenza artificiale: profilo generativo dell'intelligenza artificialeNIST
9. Benessere generale: politica per i dispositivi a basso rischioStati Uniti Amministrazione degli alimenti e dei farmaci
10. Rispettare la regola di notifica delle violazioni sanitarie della FTCStati Uniti Commissione federale per il commercio
11. Dati strutturati del set di datiCentrale Ricerca Google

Correzioni e sfide al protocollo sono benvenute all'indirizzo team@bling.best.