捕捉、扫描和了解：AI 将膳食照片转化为即时营养事实

快速阅读: 《AZoAI》消息，纽约大学塔andon工程学院研发AI系统，通过拍摄食物照片即可估算卡路里和营养成分，解决了传统饮食追踪的诸多问题，具有广阔应用前景。

纽约大学塔andon工程学院
2025年3月19日

不必再记录食物日记——纽约大学塔andon工程学院研发的突破性人工智能系统，只需拍摄餐食照片，即可立即估算出卡路里和宏量营养素含量。通过先进的深度学习和体积分析技术，这项技术简化了饮食追踪，为改善健康提供了新途径。

**研究：用于食品识别和营养评估的深度学习框架**
图片来源：Pixel-Shot / Shutterstock

拍摄你的餐食照片，人工智能立刻告诉你其卡路里含量、脂肪含量和营养价值——无需手写食物日记或猜测。得益于纽约大学塔andon工程学院研究人员开发的这一人工智能系统，这种未来场景如今已逐渐成为现实。该系统为数百万希望通过管理体重、糖尿病等方式改善与饮食相关健康状况的人们提供了新工具。

这项技术在一篇于第六届IEEE移动计算与可持续信息学国际会议上发表的论文中详细描述，它利用先进的深度学习算法识别图像中的食品并计算其营养成分，包括卡路里、蛋白质、碳水化合物和脂肪。

包括论文第一作者普拉博德·潘德拉和共同作者孙尼尔·库马尔在内的纽约大学消防研究小组，十多年来一直在研究消防员的健康和操作挑战。多项研究表明，73%-88%的职业消防员和76%-87%的志愿消防员超重或肥胖，面临心血管疾病和其他健康风险，这些风险威胁着他们的作战准备能力。这些发现直接促使他们开发出这款基于人工智能的食物追踪系统。

“传统记录食物摄入的方法严重依赖自我报告，这种方法非常不可靠，”纽约大学塔andon工程学院机械工程系副教授潘德拉指出，“我们的系统从方程中消除了人为错误。”

尽管这个概念看似简单，但开发可靠的食品识别人工智能多年来一直困扰着研究人员。早期系统也无法估算份量大小，这是营养计算的关键因素。纽约大学团队的突破之处在于其体积计算功能，该功能使用先进的图像处理技术测量每种食物在盘子上占据的确切面积。该系统将每种食物所占面积与其密度及宏量营养素数据关联起来，以将二维图像转换为营养评估。这种方式结合体积计算与人工智能模型，实现了无需人工输入的精准分析，解决了自动化饮食追踪长期存在的难题。

第三个主要障碍是计算效率。此前的模型需要过多的处理能力，难以在实时应用中实用，通常需要云处理，这带来了延迟和隐私问题。研究人员使用了一种名为YOLOv8的强大图像识别技术（一种帮助AI程序更高效运行的工具）构建了一个可以在网站上运行而非作为可下载应用程序的食品识别程序。这使得用户可以通过手机浏览器访问网站来分析餐食并跟踪饮食。

在测试一片披萨时，该系统得出317卡路里、10克蛋白质、40克碳水化合物和13克脂肪——这些营养值与参考标准非常接近。当分析更为复杂的菜肴如南印度特色美食idli sambhar（蒸米糕配扁豆炖菜）时，它也表现良好，得出221卡路里、7克蛋白质、46克碳水化合物和仅1克脂肪。

“我们希望它对热狗（按系统计算为280卡路里）的识别与对中东甜点baklava（系统识别为310卡路里和18克脂肪）的识别同样精准，”潘德拉说。

这些方法帮助他们从最初大量的图片中筛选出一个包含95,000个实例的更加均衡的数据集，涵盖214类食品。技术性能指标十分亮眼：该系统的平均精度均值（mAP）在交并比（IoU）阈值为0.5时达到0.7941。对非专业人士而言，这意味着AI约有80%的概率能准确识别和定位食品项目，即使它们重叠或部分被遮挡。

该系统已被部署为一款可在移动设备上使用的网络应用程序，使其可能面向所有智能手机用户开放。研究人员将当前系统描述为“概念验证”，很快可被改进并推广至更广泛的医疗保健领域。

除潘德拉和库马尔外，这篇论文的作者还包括纽约大学坦登计算机科学与工程系硕士研究生普兰纳特·库马尔·图姆马拉帕利和坦梅尔·曼达尔。

资料来源：纽约大学塔andon工程学院
引用来源：P. 潘德拉, P. K. 图姆马拉帕利, T. 曼达尔 和 S. 库马尔, “用于食品识别和营养评估的深度学习框架,” 2025年第六届国际移动计算与可持续信息学会议（ICMCSI），尼泊尔戈斯加恩，2025年，第1648-1653页，doi: 10.1109/ICMCSI64620.2025.10883519, https://ieeexplore.ieee.org/abstract/document/10883519

(以上内容均由Ai生成)