Aplicación Inteligente para el escaneo y la clasificación nutricional de productos de alimentación

Abstract

El incremento en el consumo de alimentos ultraprocesados y su demostrada correlación con enfermedades no transmisibles han convertido la elección de productos saludables en un desafío para la población. A pesar de la existencia de sistemas de etiquetado como NutriScore o la clasificación NOVA, la falta de transparencia y la información nutricional incompleta dificultan la toma de decisiones informadas por parte de los consumidores.

El presente Trabajo Fin de Grado detalla el diseño, desarrollo y despliegue de un sistema inteligente compuesto por una aplicación móvil y una arquitectura de servidor orientada a la evaluación nutricional y la recomendación de alternativas saludables. Para solventar la escasez de datos categorizados en bases de datos abiertas como Open Food Facts, se ha entrenado e integrado un modelo de Machine Learning basado en eXtreme Gradient Boosting (XGBoost), capaz de inferir el grado de procesamiento de un alimento en tiempo real con alta precisión. Además, se ha incorporado la librería SHAP para dotar al modelo de explicabilidad, mostrando al usuario el razonamiento detrás de cada clasificación.

Como núcleo innovador del proyecto, se ha diseñado un algoritmo matemático propio basado en la estandarización estadística Z-Score poblacional. Este motor de recomen dación no solo busca productos similares, sino que penaliza la presencia de aditivos y ultraprocesados, devolviendo las alternativas objetivamente más saludables dentro de una misma categoría taxonómica. Todo el sistema ha sido construido sobre una arquitectura robusta utilizando FastAPI, una base de datos NoSQL, MongoDB y cachés asíncronas, garantizando tiempos de respuesta óptimos para el usuario final.