# diet-assistant

**Repository Path**: zeron2022/diet-assistant

## Basic Information

- **Project Name**: diet-assistant
- **Description**: 大学生饮食拍照识别与营养推荐系统
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-07-26
- **Last Updated**: 2026-07-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🍱 大学生饮食拍照识别与营养推荐系统

> 基于深度学习的膳食图像识别与个性化营养推荐系统 —— 拍一张饭菜照片，自动识别菜品、计算热量，给出个性化饮食建议。

---

## 📋 项目简介

大学生在食堂或外卖场景中，用手机拍摄饭菜照片，系统通过**百度 AI 图像识别 API**自动识别菜品，匹配**中国食物成分数据库**获取热量、蛋白质、脂肪、碳水等营养数据，结合用户的**身高、体重、年龄、运动目标**计算每日热量需求，生成个性化饮食推荐。

**技术栈：**

| 层级 | 技术 |
|------|------|
| 后端框架 | Flask 3.x（Python） |
| 数据库 | MySQL + mysql-connector |
| 图像识别 | 百度 AI 菜品识别 API |
| 前端框架 | UniApp（Vue 3）+ Vite |
| 数据管道 | Python 爬虫 + ETL 清洗 + 营养分析 |

---

## 🚀 快速开始

### 1. 克隆项目

```bash
git clone https://github.com/L-cmyk-maker/diet-assistant.git
cd diet-assistant
```

### 2. 创建虚拟环境并安装依赖

```bash
cd backend
python -m venv venv
venv\Scripts\activate     # Windows
pip install -r requirements.txt
```

### 3. 配置 MySQL 数据库

- 确保本地 MySQL 服务已启动
- 创建数据库：`CREATE DATABASE diet_system DEFAULT CHARSET utf8mb4;`
- 修改 `backend/config.py` 中的数据库密码
- 运行建表脚本（如有）

### 4. 配置百度 AI API

1. 前往 [百度 AI 开放平台](https://ai.baidu.com/) 注册并创建应用
2. 获取 **API Key** 和 **Secret Key**
3. 填入 `backend/config.py` 中的 `BAIDU_API_KEY` 和 `BAIDU_SECRET_KEY`

### 5. 启动后端服务

```bash
cd backend
python app.py
```

服务运行在 `http://localhost:5000`

### 6. 启动前端（可选）

```bash
cd frontend
npm install
npm run dev:h5
```

---

## 📁 项目结构

```
diet-system/
├── backend/                    # Flask 后端
│   ├── app.py                  # 主入口，注册蓝图
│   ├── config.py               # MySQL/AI API 配置
│   ├── models.py               # 数据模型（User）
│   ├── requirements.txt        # Python 依赖
│   ├── food_data.db            # 食物营养数据库
│   └── blueprints/             # API 蓝图
│       ├── auth.py             # 用户注册/登录
│       ├── recognition.py      # 菜品拍照识别
│       ├── nutrition.py        # 营养查询分析
│       └── recommend.py        # 饮食推荐
│
├── frontend/                   # UniApp 前端
│   └── src/
│       ├── pages/              # 页面组件
│       │   ├── index/          # 首页（拍照入口）
│       │   ├── login/          # 登录页
│       │   ├── register/       # 注册页
│       │   ├── profile/        # 个人资料（身高/体重/目标）
│       │   ├── history/        # 饮食历史记录
│       │   ├── record/         # 拍照识别结果
│       │   └── recommend/      # 饮食推荐
│       └── utils/
│           ├── api.js          # API 请求封装
│           └── auth.js         # 登录状态管理
│
├── data/                       # 数据管道
│   ├── crawler.py              # 食物数据爬虫
│   ├── clean.py                # 数据清洗
│   ├── etl.py                  # ETL 转换
│   ├── seed_foods.py           # 食物数据导入
│   ├── analysis.py             # 营养分析报告
│   ├── raw_data/               # 原始爬取数据
│   └── reports/                # 分析报告
│
└── .gitignore                  # Git 忽略规则
```

---

## 🔌 API 接口一览

| 方法 | 路径 | 说明 |
|------|------|------|
| POST | `/api/register` | 用户注册 |
| POST | `/api/login` | 用户登录 |
| POST | `/api/logout` | 退出登录 |
| POST | `/api/recognize` | 上传食物图片，返回识别结果和营养数据 |
| GET | `/api/nutrition/<food_name>` | 查询指定食物的营养信息 |
| GET | `/api/recommend` | 获取个性化饮食推荐 |
| POST | `/api/update_profile` | 更新用户身体数据 |

---

## 🧠 核心功能

### 1. 菜品图像识别
拍照 → 上传到 Flask 后端 → 调用百度 AI 菜品识别 API → 返回菜名和置信度

### 2. 营养数据匹配
识别到的菜名 → 查询食物数据库 → 获取热量、蛋白质、脂肪、碳水等

### 3. 个性化热量计算
- **BMI** = 体重 / 身高²
- **BMR** = Mifflin-St Jeor 公式（基础代谢率）
- **TDEE** = BMR × 活动系数
- 目标热量 = TDEE ×（增肌 +10% / 减脂 -20% / 维持 ±0%）

### 4. 饮食推荐引擎
根据用户今日已摄入热量和目标热量差额，推荐合适的下一餐搭配

---

## 👥 团队成员

- 卢恺威（2023023078）—— 后端 & 数据管道
- 待补充……

---

## 📄 开源协议

本项目仅用于学术研究和毕业设计，未经许可请勿商用。