互联网背景下

【摘要】针对目前食物种类多样，食谱种类变多，三餐不知道吃什么等问题，文章设计了一款智能饮食推荐和食物拍照分析小程序，为各类人群提供个性化、精准化、智能化的营养均衡饮食服务，促进餐饮业发展。小程序基于微信开发者工具MINA框架，采用JavaScirpt语言开发，实现的功能包括营养成分分析、智能化饮食推荐，包括食谱推荐和外卖推荐、外卖盲盒等。食物营养成分分析基于食物图像数据集，通过机器学习进行食物识别，随后通过调用数据库实现。

【关键词】微信小程序；食物识别；机器学习；人工智能；大数据；餐饮业

党的十九大报告指出，中国社会的主要矛盾已经转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，现代的物质生活已经十分丰富，百年仓廪，从“食不果腹”到“全面小康”，据国家统计局《中国统计年鉴2023》显示（见图1），2013年到2022年，我国餐饮业消费收入和餐饮行业的就业人数总体呈上升趋势，证明饮食逐步多元化。

科技日新月异，随着小红书、抖音、哔哩哔哩等媒体平台的出现，食谱丰富度也逐年提高。“乱花渐欲迷人眼”，饮食丰富度的增加给人们的选择带来了诸多困难，以前考虑怎么吃饱，现在考虑怎么吃好和吃什么，我们研发的这款微信小程序不但可以解决一日三餐的营养搭配问题、根据个人喜好个性化定制私人营养餐，还可以根据忌口和喜好选择外卖店家配送。

本项目研制出一种可以对食物进行监测、分析、评估，从而能够合理管理个人营养摄入的系统。基于人工智能计算机视觉识别和机器学习，享用美食之前拍摄一张照片，就会自动分析呈现食物的营养结构，为特殊人群提供个性化服务。此程序可根据用户的体质和个人喜好，通过算法推荐出符合用户口味的健康饮食并制成食谱，用餐的食材和做法皆知，爱做饭的人可以自行烹饪，上班族和学生党可以去食堂有目的地进行挑选，想点外卖的人员也可给出相应推送。程序开发出来我们可以实现变花样又健康地吃想吃的味道的食物，不用系统学习各种食物的营养成分就可以实现营养均衡的便利生活。

本系统重点在乎用户喜好和忌口，餐前做几道口味喜好选择题根据用户当餐口味通过算法推荐出适合该用户的健康饮食。此小程序可以解决人们吃饭选择焦虑的问题，用户可以在每次选择吃什么之前，选择自己当天想吃的口味和种类，系统会给出相关的食物推荐，还可以根据健康用户状况进行适宜推荐，这样每天“吃什么”的问题就由复杂的简答题变成了简单的选择题，在民生领域实现了技术和功能创新。在物质条件极为丰富的背景下还患病几率也随之增加，高血糖、高血压等患慢性病人群基数增加，需要严格控制饮食，需要严格的摄入一定量的营养成分，此小程序将根据个人的口味和身体情况进行科学的推荐和指定的健康饮食计划。还创新性地增加了拍照即可显示营养成分功能，相较于传统饮食记录，更为智能便利，为注重健康和营养配比的人群带来了福利，程序运行思路见图2。

图2程序运行思路

1 营养成分分析

1.1食物识别

食物识别（即图3第1个功能）以蔬果识别为例进行分析，蔬果识别的实现是基于水果、蔬菜图像数据，采用FasterR-CNN算法实现的。图像来自三个数据库：Fruits360数据库[1]、ImageNet数据库[2]和VegFru数据库[3]，外加通过从百度、Goodgle 等网站进行搜索的蔬菜水果的样本图片。为了后期网络训练统一化，将图像经过统一处理到固定尺寸 224×224以减少运算数据量，以适应机器学习模型。使用训练集的蔬果图像作为输入，采用FasterR－CNN算法对蔬果类型识别，FasterR-CNN对物品的识别具有高精度和高效率目标识别的特点，FasterR-CNN可通过在单一网络中进行目标检测和分类，完成端到端的目标识别过程［4-5］，提高模型训练的效率。通过FasterR-CNN模型代码，附加准确率预测和训练代码，可实现蔬果类型的精准识别，食物识别也可通过搜集充足的图像数据实现。

1.2 营养成分分析

营养成分分析是基于食物识别的结果，通过调用USDA U.S. DEPARTMENT OF AGRICULTURE  美国农业部的食品营养成分资料库等数据库，以查询各食品种类的营养成分，从而得到食物的营养成分分析。

1.3 小结

对于食物识别及其营养分析，不仅可以提供关于食物的营养成分和组成的详细信息。这对于人们了解食物的营养价值、摄入的营养物质以及控制饮食的平衡和多样性非常重要。这有助于人们作出明智的食物选择，满足身体的营养需求。而且可以帮助不同用户制定个性化饮食计划。例如，对于需要减肥的人群，可以根据其摄入的食物的营养分析结果，调整饮食的热量和营养组成，达到减重的目标。

总之，完成对不同食物的识别及其营养分析对于个人的健康管理以及科学研究都具有重要的意义。

2 智能化饮食推荐

智能饮食推荐包括食谱推荐和外卖推荐（即图3第2个功能）。此功能是利用机器学习算法进行智能分析的。在此功能模块中，通过采用AHP层次分析法和熵权Topsis法、决策树、聚类分析等人工智能算法来识别用户喜好的发展趋势，综合这三种算法，系统对用户当时选择的口味偏好和先前的饮食记录进行综合的定性定量分析，得出饮食推荐的备选方案，系统还将进一步利用自然语言处理技术来加深对此开放性问题答案的分析，以获得用户更多深度信息，通过不断地迭代和优化，以提供更精准、更个性化的食谱和外卖推荐。最后设计一个反馈机制，使用户可以对推荐饮食进行反馈，用来提升系统的准确性和完善性，还可以帮助用户更加认识到自己的饮食爱好。

AHP通过构建层次结构模型，对用户口味的需求指标进行了重要程度计算，它能够快速有效分析出各个数据之间的比较关系，为后续的决策提供了有力支持[6-7]。Topsis是一种有效的多准则决策方法，可以快速有效地对设计方案进行综合分析和评价。Topsis模型，又名“逼近理想解排序法”，通常运用在工作生活中需要确定多个决策目标的问题中，具体而言通过不同评价对象到其正理想解和负理想解的欧式距离来考量，计算结果越贴近1，认为评级对象越好，反之越差[8]。通过计算各设计方案与正理想解和负理想解的距离，对各方案的优劣程度进行科学评估，使得评价结果更加准确可靠。然而，Topsis法在计算指标权重时依赖决策者的主观认知，存在一定的主观性，因此将AHP确定的各设计要素权重分析结果应用于用户饮食推荐决策中一定程度上改善了Topsis法权重计算部分的偏差，使饮食推荐结果更准确可靠且个性化。

根据营养成分和过敏忌口用户推荐饮食食谱是非常必要的。一个均衡且合适的饮食食谱可以确保人体摄取到所需的营养物质。推荐饮食食谱可以根据用户的身体状况、生活习惯和健康目标来制定。通过了解用户的营养需求，包括蛋白质、脂肪、碳水化合物、纤维、维生素和矿物质等方面的需求，可以为用户提供适当的食物选择和食谱建议。一个合理的饮食食谱可以确保用户获得足够的能量和营养，防止营养不足或过剩的问题。例如，对于需要减肥的人群，可以推荐低热量、高纤维的食谱，帮助控制热量摄入和促进饱腹感。

综上所述，根据营养成分和忌口为用户推荐饮食食谱是非常必要的，可以帮助用户实现健康饮食目标，促进身体健康和预防慢性疾病的发生。

3 盲盒

盲盒（即图3第3个功能）是为重度选择困难的用户提供的功能，包括食谱盲盒和外卖盲盒，此功能基于在食谱和外卖数据库中随机生成一个种子，将随机挑选的结果提供给用户。盲盒最早在 2018年12月起源于线下实体店，形式上最早可以追湖到逐生于日本的福我和扭蛋。目前传统的盲盒通常装的是动漫周边，或者设计师单独设计的玩偶。随着盲盒年轻受众越来越多[9]，可窥见食谱及外卖盲盒市场广阔，意义在于满足了人们对于神秘感和社交互动的需求。

4 健康预测

健康预测（即图3第四个功能）是基于每天用户的食谱或外卖打卡，根据每天摄入的各类营养元素，利用决策树分类模型预测，判断用户未来患上各类疾病或肥胖的风险。大数据为人工智能提供了丰富的数据资源，机器学习为人工智能提供了有效的学习模型，我们从机器学习中选取了决策树模型。后台将记录用户每天的食谱，营养摄入作为变量，通过搜集国家人口健康科学数据中心的数据，以饮食情况和患病情况作为训练数集，进而根据用户实际情况进行风险评估判断。

通过分析用户的饮食情况，可以评估其摄入的营养成分是否均衡，是否摄入过多的脂肪、糖分和盐分等不健康的饮食因素。这些因素与慢性疾病的发生有直接关系，而且慢性疾病大多情况下是通过不良饮食习惯逐渐累积起来的。

此外，通过了解用户的饮食情况，还可以评估其摄入的膳食纤维、维生素和矿物质等营养物质是否足够，以及是否缺乏某些重要的营养元素。这些营养物质对于保持身体的正常功能和预防疾病起着举足轻重的作用。

综上所述，通过用户的饮食情况判断未来患病风险是必要的，可以帮助人们及时调整饮食习惯，改善营养摄入，减少慢性疾病的风险，提高生活质量。

5 结语

随着全面小康社会的发展，现代人们的美好生活需要逐年提高，人们对每日三餐吃什么的问题常常感到纠结。本文根据解决此类问题，实现了具有营养成分分析、智能化饮食推荐和外卖盲盒功能的微信小程序。此微信小程序的发行，在民生领域实现了技术和功能创新，餐饮店靠微信小程序进军移动互联网领域已经成为了一种人发展趋势，改善人们的饮食习惯，具有广阔的市场应用前景。

参考文献：

[1]KAGGLE.Fruits 360 dataset：A dataset of images containing fruits and vegetables[DB/OL]. [2023-04-20] .https：//www.kaggle.com/moltean/fruit.

[2]MORIDMA，BORJALIA，DELFIOLG.A scoping review of transfer learning research on medical image analysis is using Image Net[J].Computers in Biology and Medicine，2021，128：104115.

[3]ZHAN Q，WANG X，LYU S C，etal.A feature consistency driven attention erasing network for fine-grained image retrieval[J].Pattern Recognition，2022，128：108618.

[4]魏冉，裴悦琨，姜艳超，等.基于改进FasterR-CNN模型的樱桃缺陷检测[J].食品与机械，2021，37（10）：98-105，201.

[5]金宗毅，陶学恒，金艳，等.海产品智能分拣装备与系统设计[J].食品与机械，2022，38（3）：75-79.

[6]吴言，李芳宇，周乐.老年人健康管理产品设计研究[J].机械设计，2022，39（8）：148-154.

[7]赵祎乾，吴天宇，李清晨，等.产品功能层次结构模型构建──适老化多功能床设计[J].装饰，2020（5）：1 16-119.

[8]梁建飞，陈松林.基于熵权TOPSIS模型的福建省土地利用绩效评价及灰色关联分析[J].福建师范大学学报（自然科学版），2019，35（3）：80-87.

[9]陈璟瑶，吴日哲.莽古斯盲盒设计[J].鞋类工艺与设计，2021，1（23）：64-66.

[10] 张德江.决策树在风险管理中的应用分析 [J]. 重庆建筑，2014，13（5）：19-22.

基金项目：2023年度哈尔滨理工大学创新创业训练计划省级指导项目（202310214037X）

作者简介：续云龙（2003-），男，汉族，黑龙江省齐齐哈尔市，哈尔滨理工大学，本科在读，研究方向：食品科学与工程。

藏婉茹（2003-），女，汉族，黑龙江省鹤岗市，哈尔滨理工大学，本科在读，研究方向：食品科学与工程。

王子怡（2004-），女，汉族，山东省泰安市，哈尔滨理工大学，本科在读，研究方向：软件工程。

*通讯作者：冷歆辉（1998.03-），女，汉族，山东威海人，英国利兹大学食品科学与营养专业硕士，专任大学教师，研究方向：食品营养与功能。