Una alimentación saludable es un elemento esencial para prevenir la obesidad que puede llevar a enfermedades crónicas. A pesar de numerosos esfuerzos para promover la conciencia sobre el consumo de alimentos saludables, la tasa de obesidad ha aumentado en los últimos años. Se necesita un sistema automatizado de reconocimiento de alimentos para servir como una fuente fundamental de información para promover una dieta equilibrada y ayudar a los usuarios a comprender su consumo de alimentos. En este documento, proponemos un nuevo modelo de Búsqueda de Arquitectura Neuronal Ligera (LNAS) para autogenerar una Red Neuronal Convolucional (CNN) delgada que pueda ejecutarse en dispositivos móviles con limitaciones de potencia de procesamiento. LNAS tiene un espacio de búsqueda sofisticado y una estrategia de búsqueda moderna para diseñar un modelo secundario con aprendizaje por refuerzo. Se han realizado experimentos extensos para evaluar el modelo generado por LNAS, llamado LNAS-NET. El resultado experimental muestra que el propuesto LNAS-NET superó a los modelos ligeros de última generación en términos de velocidad de entrenamiento y métrica de precisión. Estos experimentos indican la efectividad de LNAS sin sacrificar el rendimiento del modelo. Proporciona una buena dirección para avanzar hacia la era de AutoML y el diseño de modelos neuronales amigables para dispositivos móviles.