Clasificador de comida saludable

01 Resumen

Sistema de visión artificial que clasifica imágenes de platos de comida como saludables o no saludables. Reorganiza las 101 categorías del dataset Food-101 en dos clases binarias y entrena una CNN diseñada desde cero (FoodNet, tres bloques convolucionales con BatchNormalization y Dropout) en TensorFlow/Keras. El pipeline cubre descarga desde Kaggle, limpieza de imágenes corruptas, balanceo por aumento de datos, entrenamiento con EarlyStopping y evaluación con matriz de confusión, alcanzando 71% de accuracy en validación. Incluye una interfaz web en Streamlit.

02 Resultados

Cifras verificables en el repositorio y su documentación:

03 Aspectos destacados

• ✦CNN propia (FoodNet) de 3 bloques convolucionales con BatchNormalization y Dropout, en lugar de transfer learning.
• ✦Pipeline reproducible en 6 scripts: descarga desde Kaggle, reorganización de Food-101 en clases binarias, limpieza, aumento de datos, entrenamiento y evaluación.
• ✦Entrenamiento con EarlyStopping y ModelCheckpoint; evaluación con reporte de clasificación y matriz de confusión sobre 22.117 imágenes.
• ✦Interfaz web en Streamlit para clasificar imágenes subidas por el usuario en tiempo real, con demo en video.
• ✦README con comparación justificada de arquitecturas (CNN propia vs. MobileNetV2) y una reflexión ética sobre sesgos del dataset.

04 Capturas