Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Duarte Gonzalez, Mario EnriqueMartínez Cortés, ElianaAraujo Mosquera, Fredy Andres2021-03-102021-03-102020-11-24http://repositorio.uan.edu.co/handle/123456789/3154PropiaIn Colombia, no frontal warning seals are used, and the nutritional tables of processed food products are difficult to interpret without specific knowledge of nutrition. Optical Character Recognition (OCR) is a process oriented to the digital reading of a text image from which the different symbols and characters belonging to a certain alphabet are obtained (ABBY, 2019). In this work an algorithm is proposed to generate front stamps that are relevant for Colombia, from the information of the nutritional labels obtained through Tesseract OCR Engine. All the algorithms developed in the project were implemented in Python. The implemented methodology starts from the pre-processing of the images of the nutritional tables, continuing with the detection and recognition of the same. The regions of interest (ROI) are obtained, the information for the seals is extracted and finally the frontal GDA and Octagonal seals are generated. The algorithm presented an accuracy of 49% for the realization of the seals. The most frequent errors are confusing the g of the grams with the nine and not recognizing the word of interest.En Colombia no se emplean sellos frontales de advertencia, y las tablas nutricionales de los productos alimenticios procesados son difíciles de interpretar sin conocimientos específicos en nutrición. El reconocimiento óptico de caracteres (OCR) es un proceso orientado a la lectura digital de una imagen textual de la que se obtienen los diferentes símbolos y caracteres que pertenecen a un determinado alfabeto (ABBY, 2019). En este trabajo se propone un algoritmo para generar sellos frontales que sean pertinentes para Colombia, a partir de la información de las etiquetas nutricionales obtenida por medio de Motor OCR Tesseract. Todos los algoritmos desarrollados en el proyecto fueron implementados en Python. La metodología implementada inicia con el pre-procesamiento de las imágenes de las tablas nutricionales, continuando con la detección y el reconocimiento de la misma. Se obtienen las regiones de interés (ROI), se extrae la información para los sellos y por último se generan los sellos frontales GDA y Octagonal. El algoritmo presentó una precisión de 49% para la realización de los sellos. Los errores más frecuentes son confundir la g de los gramos con el nueve y no reconocer la palabra de interés.spaAcceso abiertoReconocimiento óptico de caracteres (OCR)Tesseractdetecciónreconocimientoetiquetas nutricionalessello frontal GDAsello frontal octagonalTrabajo de grado (Pregrado y/o Especialización)Optical Character Recognition (OCR)TesseractDetectionRecognitionNutrition LabelsGDA Front LabelOctagonal Front Labelinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2ABBY. (2019). OCR - Reconocimiento Óptico de Caracteres | Centro de Aprendizaje. Recuperado el 27 de noviembre de 2019, de https://www.abbyy.com/es-la/finereader/what-is-ocr/Alginahi, Y. (2010). Preprocessing Techniques in Character Recognition. En Character Recognition. https://doi.org/10.5772/9776Britos, S., & Guiraldes, C. (2018). Revision etiquetado y perfiles Nutricionales en el marco del diseño de Politicas PublicasChinchero, J. (2019). DESARROLLO DE UN DISPOSITIVO QUE MEDIANTE VISIÓN ARTIFICIAL PERMITA ADQUIRIR IMÁGENES CON PALABRAS PARA LA CONVERSIÓN A AUDIO, ORIENTADO A LA AYUDA DE PERSONAS INVIDENTES. Recuperado el 15 de octubre de 2020, de http://repositorio.uisrael.edu.ec/bitstream/47000/2117/1/UISRAEL-EC-ELDT-378.242-2019-053.pdfChowdhury, R., Warnakula, S., Kunutsor, S., Crowe, F., Ward, H. A., Johnson, L., … Di Angelantonio, E. (2014). Association of dietary, circulating, and supplement fatty acids with coronary risk: A systematic review and meta-analysis. Annals of Internal Medicine, 160(6), 398–406. https://doi.org/10.7326/M13-1788Claro, A., Cuervo, B., Perez, I., & Saldarriaga, L. (2019). ESTUDIO DE ACTITUDES, PERCEPCIONES Y COMPORTAMIENTOS FRENTE A POLÍTICAS PÚBLICAS PARA PROTEGER EL DERECHO A L A ALIMENTACIÓN ADECUADA (Corporacion Colombiana De Padres Y Madres Red Papaz, Ed.). Recuperado de www.redpapaz.orgCofepris. (2016). ETIQUETADO FRONTAL NUTRIMENTALDebandi, F., & Redi, M. (2008a). El Reconocimiento De Textos. 1. Recuperado de http://www.it.uc3m.es/jvillena/irc/practicas/08-09/17.pdfDebandi, F., & Redi, M. (2008b). EL RECONOCIMIENTO DE TEXTOS. Recuperado de http://www.it.uc3m.es/jvillena/irc/practicas/08-09/17.pdfEckel, R. H., Jakicic, J. M., Ard, J. D., De Jesus, J. M., Houston Miller, N., Hubbard, V. S, Yanovski, S. Z. (2014). 2013 AHA/ACC guideline on lifestyle management to reduce cardiovascular risk: A report of the American college of cardiology/American heart association task force on practice guidelines. Journal of the American College of Cardiology, 63(25 PART B), 2960–2984. https://doi.org/10.1016/j.jacc.2013.11.003El Poder del Consumidor. (2017). Etiquetado App. Recuperado el 30 de abril de 2020, de https://elpoderdelconsumidor.org/etiquetado-app/El Poder del Consumidor. (2019). Escáner Nutrimental - Apps en Google Play. Recuperado el 30 de abril de 2020, de https://play.google.com/store/apps/details?id=com.escanernutrimental&hl=es_419Elizabeth, P., Figueroa, V., Camilo, I., Barrera, S., Alberto, J., Barrera, A., & Escobar Díaz, F. (2019). Obesidad infantil: una amenaza silenciosaEncuesta Nacional de la Situación Nutricional. (2015). Encuesta Nacional de la Situación Nutricional-ENSIN 2015España, G. de. (2017). La información nutricional detalla el valor energético y determinados nutrientes. Recuperado el 20 de octubre de 2020, de http://eletiquetadocuentamucho.aecosan.msssi.gob.es/nutricional.htmlFantozzi, J. (2019, agosto 10). 10 cosas que pasan en tu cuerpo cuando tomas demasiada azúcar | Business Insider España. Recuperado el 21 de octubre de 2020, de https://www.businessinsider.es/10-cosas-pasan-cuerpo-cuando-tomas-demasiada-azucar-468963FaresTaie. (2015). #Noticias para Pacientes | ¿Qué es un alimento sin procesar, uno procesado y uno ultraprocesado? | Fares Taie | Biotecnología. Recuperado el 20 de octubre de 2020, de https://www.farestaie.com.ar/novedades/pacientes/762-que-es-un-alimento-sin-procesar-uno-procesado-y-uno-ultraprocesado/Fooducate, L. (2010). Fooducate - Eat better. Lose weight. Get healthy. - Aplicaciones en Google Play. Recuperado el 30 de abril de 2020, de https://play.google.com/store/apps/details?id=com.fooducate.nutritionapp&referrer=utm_source%3Dfdct-redirect%26utm_campaign%3DFdct-Web-home-button-top%26utm_medium%3DnaGaravaglia, V., & Arregui, M. (2020, mayo). Brand Footprint 2020 - Latam. Recuperado el 28 de octubre de 2020, de https://kantar.turtl.co/story/brand-footprint-2020-latam/page/5/9Google. (2014). Translate images - Android - Google Translate Help. Recuperado el 30 de abril de 2020, de https://support.google.com/translate/answer/6142483?co=GENIE.Platform%3DAndroid&hl=enGuiraldes, C. (2018). Síntesis y conclusiones de evaluaciones de impacto de sistemas de etiquetado frontal de alimentos (ENFE). Recuperado de http://cepea.com.ar/cepea/wp-content/uploads/2018/10/Sintesis-impacto-ENFE.pdfKulyukin, V., Kutiyanawala, A., Zaman, T., & Clyde, S. (2013). Vision-Based Localization and Text Chunking of Nutrition Fact Tables on Android Smartphones. Recuperado de http://www.calorieking.comLee, M. (2020). pytesseract · PyPI. Recuperado el 31 de octubre de 2020, de https://pypi.org/project/pytesseract/Maina, H. J. (2019). Visión artificial para el reconocimiento automático, en tiempo real, de líneas urbanas de autobuses (Universidad Nacional de Cordoba). Recuperado de https://rdu.unc.edu.ar/handle/11086/15560Marlow, M. L. (2017). Label nudges? A connection between nutritional labeling and improved health is more hope than well-examined theory. Regulation, 40, 24+.Martin-Cobos Blanco, L., & Godino Martinez, A. (2014). RECONOCIMIENTO DE TEXTOS: OCRMedina, G., Burlak, G., & Calderon, Y. (2018). Reconocimiento de caracteres mediante OCR ( Optical Character Recognition ) Recognition of characters through OCR ( Optical Character Recognition ). 10, 44–56.Ministerio de la protección social. (2011). Resoluccion 333 de 2011Ministerio de Salud. (2018). Manual de etiquetado nutricional de alimentos. Recuperado el 31 de octubre de 2020, de https://www.minsal.cl/wp-content/uploads/2018/01/Manual-Etiquetado-Nutricional-Ed.-Minsal-2017v2.pdfMinisterio de Salud y Protección Social. (2020). Colombia tendrá etiquetado nutricional en los alimentos envasados. Recuperado el 30 de abril de 2020, de https://www.minsalud.gov.co/Paginas/Colombia-tendra-etiquetado-nutricional-en-los-alimentos-envasados.aspxMora Plazas, M., Gómez, L., Jalabe, W., Smith, L., & Popkin, B. (2019). ¿Por qué es prioritario implementar un adecuado etiquetado frontal en productos comestibles en Colombia? Recuperado de https://medicina.javeriana.edu.co/documents/3185897/0/Etiquetado.pdf/8a8bc91d-413a-4eb6-881d-fc1fcf2a17a3myHW App from Cube Technology. (2017). myHEALTH WATCHER - Comer sano, analiza productos - Apps en Google Play. Recuperado el 30 de abril de 2020, de https://play.google.com/store/apps/details?id=com.healthwatcher.myhealthwatcher&hl=es_CONavarro, J. (2013). SOFTWARE DE ADQUISICIÓN DE IMÁGENES Y RECONOCIMIENTO ÓPTICO DE CARACTERES PARA ANDROID.OMS. (2017). 10 datos sobre la obesidad. WHO. Recuperado de https://www.who.int/features/factfiles/obesity/es/Open Food Facts. (2012). Open Food Facts- Escanear para obtener Nutri-Score - Aplicaciones en Google Play. Recuperado el 30 de abril de 2020, de https://play.google.com/store/apps/details?id=org.openfoodfacts.scannerOPS. (2014). OPS/OMS Ecuador - Clasificación de los alimentos y sus implicaciones en la salud. Recuperado el 20 de octubre de 2020, de https://www.paho.org/ecu/index.php?option=com_content&view=article&id=1135:clasificacion-alimentos-sus-implicaciones-salud&Itemid=360OPS. (2019). Alimentos y bebidas ultrapocesados en America Latina: Ventas, fuentes, perfiles de nutrientes e implicaciones normativas. Washington, DCSanchez, C., & Sandonis, V. (2010). Reconocimiento Óptico de Caracteres ( OCR )Smith, R. (2007). An overview of the tesseract OCR engine. Proceedings of the International Conference on Document Analysis and Recognition, ICDAR, 2, 629–633. https://doi.org/10.1109/ICDAR.2007.4376991Smith, R. (2016). docs/2ArchitectureAndDataStructures.pdf at master · tesseract-ocr/docs · GitHub. Recuperado el 31 de octubre de 2020, de https://github.com/tesseract-ocr/docs/blob/master/das_tutorial2016/2ArchitectureAndDataStructures.pdfStern, D., Tolentino, L., & Barquera, S. (2011). Revisión del etiquetado frontal: análisis de las Guías Diarias de Alimentación (GDA) y su comprensión por estudiantes de nutrición en MéxicoSubdirección de Salud Nutricional, A. y B. (2020). Análisis de Impacto Normativo en la temática de etiquetado nutricional y frontal de los alimentos envasados en Colombia. Recuperado el 30 de abril de 2020, de https://drive.google.com/file/d/1Ve59FKZeHBKeEXm5Mp7yzZpJA3jWuLqe/viewTaillie, L. S., Hall, M. G., Fernando Gómez, L., Higgins, I., Bercholz, M., Murukutla, N., & Mora-Plazas, M. (2020). Designing an Effective Front-of-Package Warning Label for Food and Drinks High in Added Sugar, Sodium, or Saturated Fat in Colombia: An Online Experiment. Nutrients, 12, 3124. https://doi.org/10.3390/nu12103124Tiempo, E. (2019). ¿Qué hay que leer en las etiquetas nutricionales de los alimentos? Recuperado el 26 de noviembre de 2019, de https://www.eltiempo.com/salud/que-hay-que-leer-en-las-etiquetas-nutricionales-de-los-alimentos-330234Uribe, A. G., Bernal, G. B., General, S., Fernando, M., & Vargas, C. (2016). PENSEMOS LA SALUD: EVIDENCIA, ANÁLISIS Y DECISIÓN CARMEN EUGENIA DÁVILA GUERRERO Viceministra de Protección SocialZdenop. (2020). GitHub - tesseract-ocr / tesseract: Tesseract Open Source OCR Engine (repositorio principal). Recuperado el 31 de octubre de 2020, de https://github.com/tesseract-ocr/tesseractinstname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/