Caso de éxito Lose It! usa el ML Kit para
extraer datos de etiquetas nutricionales
y mejorar la experiencia del usuario
extraer datos de etiquetas nutricionales
y mejorar la experiencia del usuario
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/case-studies/lose-it/lose_it-1.png?authuser=7&%3Bhl=es&hl=es)
Desde 2008, Lose It! ha ayudado a más de 30 millones de personas a perder más de 22 millones de libras. La app ayuda a los usuarios a administrar sus dietas facilitando el registro de alimentos y sus equipos de productos siempre buscan nuevas formas de simplificar las cosas.
El equipo detrás de Lose It presentó Snap It, un algoritmo de reconocimiento de objetos diseñado para ayudar a los usuarios a registrar sus comidas favoritas con solo tomar una foto. Sin embargo, el alto costo de procesamiento del algoritmo requería el uso de un servidor de GPU, lo que significaba que no podían hacer que la experiencia estuviera disponible en tiempo real.
Al mismo tiempo, el equipo también quería agregar una función para escanear etiquetas nutricionales, pero el tiempo de análisis del servidor era solo un poco más rápido que si el usuario solo hubiera ingresado la información. Además, debido a que las señales y las velocidades de red móvil variables podían o afectar la experiencia del usuario, no podían garantizar un rendimiento coherente.
El equipo de Lose It! sabía que a sus usuarios les encantarán ambas funciones, pero solo si pudieran hacerlas lo suficientemente rápidas para ofrecer la experiencia en tiempo real. ¿Qué podrían hacer para acelerar el proceso?
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/case-studies/lose-it/lose_it-2.png?authuser=7&%3Bhl=es&hl=es)
Qué hizo la empresa
El equipo recurrió al Kit de AA para resolver sus problemas de velocidad. “El Kit de AA demostró ser extremadamente útil para implementar nuestra función de reconocimiento de alimentos, Snap It, con modelos comprimidos y cuantificados de TF Lite”, afirmó Edward W. Dr. Lowe, Jr. Director de Ciencia de Datos e IA en Lose It! Anteriormente, el algoritmo Snap It se implementó en un servidor, por lo que se necesitaba la transferencia de una imagen de comida al servidor para la inferencia. Sin embargo, "un modelo personalizado alojado en el Kit de AA nos permitió implementar sin inconvenientes un modelo de Snap It cuantizado en el dispositivo, lo que permite a nuestros usuarios utilizar esta función en tiempo real y sin conexión de datos", afirmó Lowe. "Gracias a la API de reconocimiento de texto del dispositivo, pudimos reducir significativamente el tiempo de análisis de imágenes para la lectura de etiquetas nutricionales".
“Es importante destacar que el Kit de AA nos permite alojar modelos en Firebase”, agregó Lowe. "Esto nos permite actualizar modelos sin problemas en el dispositivo sin actualizar la app, reduce el tamaño de la app y nos permite realizar pruebas A/B de las versiones del modelo. Desconectar la implementación del modelo de la actualización de la app nos permite responder rápidamente al comportamiento cambiante de los usuarios y a lidiar mejor con el desvío".
![](https://developers-dot-devsite-v2-prod.appspot.com/static/ml-kit/images/vision/case_study-lose_it.png?authuser=7&%3Bhl=es&hl=es)
Resultados
Gracias al Kit de AA, Lose It! pudo lanzar un lector de etiquetas de nutrición de alto rendimiento con alta disponibilidad. Ahora los usuarios solo tienen que escanear una etiqueta de nutrición para llenar al instante la información nutricional de cualquier alimento nuevo. En el caso del escáner nutricional, la información se reconoce en menos de un segundo en la mayoría de los casos. El usuario ni siquiera necesita tomar una foto: la app puede obtener la información directamente de la vista de la cámara en tiempo real.