1. 项目背景与核心价值
这个毕业设计项目瞄准了现代人健康管理的刚需痛点——饮食热量控制。传统的手动记录方式存在两大缺陷:一是食物分量估算不准确,二是营养成分查询繁琐。我们开发的AI智能美食热量识别APP通过计算机视觉技术,实现了"拍照识热量"的便捷体验。
市面上已有部分类似应用,但普遍存在三个问题:识别精度不足(尤其对中餐)、功能单一(缺乏健康管理闭环)、数据陈旧(未及时更新食材库)。我们的解决方案在三个维度实现突破:
- 采用改进的YOLOv5模型进行食物检测,针对中式菜品优化训练集
- 整合官方食物成分数据库,建立动态更新的本地营养库
- 设计完整的"识别-记录-分析-建议"健康管理闭环
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术架构解析
2.1 核心模块设计
系统采用经典的客户端-服务端架构:
code复制前端(APP) ←HTTP/HTTPS→ 后端服务 ←gRPC→ AI模型服务
↑
↓
MySQL数据库
前端采用Flutter跨平台框架,保证Android/iOS双端体验一致。后端使用Spring Boot构建RESTful API,重点优化了图片传输的压缩效率(实测1MB图片可压缩至80KB左右)。
2.2 关键技术创新点
图像识别模块:
- 基于YOLOv5s模型进行轻量化改造
- 使用迁移学习在Food-101数据集上预训练
- 针对中餐特点补充训练数据(收集了2000+张典型菜品图片)
- 引入注意力机制提升重叠餐具场景下的识别准确率
热量计算引擎:
python复制def calculate_calorie(food_items):
total = 0
for item in food_items:
# 从本地数据库查询单位热量
base = query_nutrition_db(item['name'])
# 根据检测框面积估算分量
weight = estimate_weight(item['pixel_area'])
total += base * weight / 100 # 换算为克
return
