考虑到当前标准的饮食摄入追踪方案不大精准，卡内基梅隆大学的研究人员特地开发了一套名叫 FitByte 的实验技术。该系统由安装在第三方镜框上多个传感器组成，其中红外近距传感器能够识别与饮食有关的独特动作（入嘴），然后触发另一侧的摄像头来拍摄食品或饮料的照片，以供佩戴者后续参考。 （来自：Carnegie Mellon University） 尽管当前阶段仍需通过用户自己来手动识别已记录的食物和饮料类型，但研究团队希望后续能够交由基于人工智能（AI）的计算机视觉系统去处理。 此外，眼镜的耳钩和鼻梁架上有六个惯性测量单元（加速度计和陀螺仪等），以识别与咀嚼相关的下颌运动，以及伴随吞咽动作的喉咙振动。 值得一提的是，包括饮食类别、数量、时间等在内的所有数据，都能够在本地端（智能眼镜套件中）脱机处理。 展望未来，研究团队还希望加入血糖水平和其它非侵入式的生理信息传感器，以供用户在配套的智能机 App 上获得更深的见解。 该校助理教授 Mayank Goel 表示： 我们可以获取传感器数据并找到相关行为模式，比如人们会在什么情况下消耗最多的食物。 以及是否存在暴饮暴食的可能、到底是独自一人或与他人共同进餐时才摄入过多。 对于临床医护等从业人员来说，此举或有助于共同解决困扰我们已久的一些问题。如果一切顺利，商用产品或在大约三年内上市。
