Carlos Cunha
Carlos Augusto da Silva Cunha
0000-0002-2754-5401 • D71F-FC65-1F07
INSTITUTO POLITÉCNICO DE VISEU • Escola Superior de Tecnologia e Gestão de Viseu
0000-0002-2754-5401 • D71F-FC65-1F07
INSTITUTO POLITÉCNICO DE VISEU • Escola Superior de Tecnologia e Gestão de Viseu
Carlos A. Cunha, José C. Cardoso, R. P. D. . (2024).
Automatic Camera Calibration Using a Single Image to extract Intrinsic and Extrinsic Parameters.
International Journal of Intelligent Systems and Applications in Engineering, 12(3), 1766–1778.
Retrieved from https://ijisae.org/index.php/IJISAE/article/view/5586
Augusto, G., Duarte, R., Cunha, C., Matos, A. (2024).
Pattern Recognition in Older Adults’ Activities of Daily Living.
Future Internet, 16(12), 476.
https://doi.org/10.3390/fi16120476
Cunha, C., Pombo, N. (2023).
Automated Reusable Tests for Mitigating Secure Pattern Interpretation Errors.
IEEE Access, 11: 52938-52948.
DOI: 10.1109/ACCESS.2023.3279823
Augusto, G., Duarte, R., & Cunha, C. (2023).
Enhancing quality of life: Human-centered design of mobile and smartwatch applications for assisted ambient living.
Journal of Autonomous Intelligence, 7(1).
DOI: 10.32629/jai.v7i1.762
Cunha, C., Oliveira, R., & Duarte, R. (2023).
Agile-based Requirements Engineering for Machine Learning: A Case Study on Personalized Nutrition.
International Journal of Intelligent Systems and Applications in Engineering, 12(2), 319–327.
Retrieved from https://ijisae.org/index.php/IJISAE/article/view/4255
Cunha, C., Duarte, P., Oliveira, R. (2023).
Nutrition Control System Based on Short-term Personal Demands.
Procedia Computer Science, 224(2023), 565-571.
DOI: 10.1016/j.procs.2023.09.082
Duarte, R. P., Cunha, C. A. S., Alves, V. N. N. (2023).
Mobile Application for Real-Time Food Plan Management for Alzheimer Patients through Design-Based Research.
Future Internet, 15(5), 168.
http://dx.doi.org/10.3390/fi15050168
Investigador Responsável:
Carlos Augusto da Silva Cunha
Duração: 2022 – 2024
Membros da equipa do CISeD
Rui Pedro Amaro Duarte
A elaboração, acompanhamento, ajuste e adaptação de um plano alimentar alinhado com as necessidades de nutrição de uma pessoa requer a obtenção regular de dados biométricos, hábitos alimentares, atividade física e consumos energéticos. Esses dados são analisados no contexto do cumprimento dos objetivos da pessoa, fornecendo feedback para reajustar dinamicamente o plano, criando assim um sistema de controlo da sua nutrição. A introdução de sensores para a recolha de dados e de algoritmos de inteligência artificial para a criação de modelos personalizados transformou a nutrição num processo autónomo que pode ser realizado sem ou com a mínima intervenção do nutricionista. Este processo baseia-se em dados da pessoa com um espetro mais abrangente do que o proporcionado no acompanhamento da nutrição tradicional, sendo por esse motivo também potencialmente mais eficaz. A disponibilidade dos dados permite também fazer adaptações ao plano em ciclos mais curtos, podendo reduzir o tempo necessário para atingir os objetivos individuais. Pretende-se neste projeto desenvolver um sistema de controlo da nutrição baseado nos dados recolhidos por sensores (e.g., smartwatches e balanças inteligentes) para ajustar o plano alimentar dinamicamente recorrendo a algoritmos de machine learning e deep learning.
Investigador Responsável: Rui Pedro Duarte
Duração: 2022 – 2024
Membros da equipa do CISeD
Carlos Augusto da Silva Cunha
Ricardo Luís da Costa Gama
A alimentação assume um papel cada vez mais importante na vida das pessoas e uma alimentação adequada associada a um estilo de vida saudável permite aumentar a esperança média de vida. Para tal, tem-se verificado um aumento do número de pessoas que estão a ser seguidas por nutricionistas de modo a terem um plano alimentar adequado às suas necessidades, que variam em função dos objetivos de cada pessoa: desde a componente meramente estética, passando pela melhoria da qualidade de vida, por questões profissionais (como desportistas ou atletas de alta competição), até pessoas com necessidades especiais, em que uma alimentação correta impacta no agravamento de doenças previamente diagnosticadas. Existem, no entanto, alguns problemas associados que podem impactar no não cumprimento de um plano alimentar previamente definido. Um deles tem a ver com a definição de um plano alimentar composto por alimentos que não são da preferência das pessoas. O outro tem a ver com a notificação em tempo real para o nutricionista do correto cumprimento do plano, na vertente da ingestão correta de macronutrientes recomendados em cada refeição do plano alimentar.
Relativamente ao primeiro, a combinação de alimentos é um fator sobretudo ligado à preferência das pessoas, muito para além das regras de combinação dos alimentos recomendados pelos nutricionistas. Assim, existem padrões particulares a cada indivíduo que podem variar ao longo do tempo e em função de outras condições (e.g., temperatura, estação do ano). A sensibilidade das pessoas a estas combinações é um dos fatores responsáveis pelo abandono de planos alimentares, pela não correspondência aos seus gostos alimentares pessoais. Com este trabalho pretende-se
desenvolver um modelo de Inteligência Artificial para detetar padrões alimentares de forma a adaptar um plano alimentar definido por um nutricionista, de forma evolutiva e em tempo real permitir a correta gestão do plano. Assim, torna-se possível proporcionar uma melhor qualidade de vida às pessoas que necessitem de definição de planos alimentares, em vários tipos de contexto.