考慮到當前標準的飲食攝入追踪方案不大精準，卡內基梅隆大學的研究人員特地開發了一套名叫FitByte的實驗技術。該系統由安裝在第三方鏡框上多個傳感器組成，其中紅外近距傳感器能夠識別與飲食有關的獨特動作（入嘴），然後觸發另一側的攝像頭來拍攝食品或飲料的照片，以供佩戴者後續參考。

（來自：Carnegie Mellon University）

儘管當前階段仍需通過用戶自己來手動識別已記錄的食物和飲料類型，但研究團隊希望後續能夠交由基於人工智能（AI）的計算機視覺系統去處理。

此外，眼鏡的耳鉤和鼻樑架上有六個慣性測量單元（加速度計和陀螺儀等），以識別與咀嚼相關的下頜運動，以及伴隨吞嚥動作的喉嚨振動。

值得一提的是，包括飲食類別、數量、時間等在內的所有數據，都能夠在本地端（智能眼鏡套件中）脫機處理。

展望未來，研究團隊還希望加入血糖水平和其它非侵入式的生理信息傳感器，以供用戶在配套的智能機App 上獲得更深的見解。

該校助理教授Mayank Goel 表示：

我們可以獲取傳感器數據並找到相關行為模式，比如人們會在什麼情況下消耗最多的食物。

以及是否存在暴飲暴食的可能、到底是獨自一人或與他人共同進餐時才攝入過多。

對於臨床醫護等從業人員來說，此舉或有助於共同解決困擾我們已久的一些問題。如果一切順利，商用產品或在大約三年內上市。