设计一个 “每日三餐饮食营养分析与建议系统”，利用人工智能方法与技术课程中的知识，实现饮食录入、热量与营养成分识别、与每日推荐摄入量对比，并给出精准的健康建议（如“多吃蔬菜”“少盐”）。

1. 实际应用场景描述

现代人在健康管理中常遇到以下问题：

- 不清楚自己每天摄入了多少热量和营养。

- 难以坚持记录饮食，容易遗忘。

- 不知道自己的饮食结构是否合理。

- 缺乏个性化的健康建议。

本系统适用于：

- 想控制体重或增肌减脂的人群。

- 需要管理慢性病（如高血压、糖尿病）的患者。

- 关注健康饮食的家庭用户。

2. 痛点分析

1. 记录繁琐：传统方式需要手动查食物成分表，计算复杂。

2. 数据不准确：凭记忆估算容易导致误差。

3. 缺乏对比：不知道自己是否超标或不足。

4. 建议笼统：网上建议千篇一律，没有针对个人饮食结构的精准指导。

3. 核心逻辑讲解

1. 输入：用户录入每日三餐的食物名称与份量（如“米饭 200g”“鸡胸肉 150g”）。

2. 营养识别：

- 使用预训练的食物识别模型（CNN）或调用营养数据库 API（如 USDA、薄荷健康）。

- 获取每种食物的热量、蛋白质、脂肪、碳水化合物、钠含量等。

3. 累计计算：统计全天总摄入量。

4. 对比推荐值：

- 根据中国居民膳食指南的推荐摄入量（如热量 1800~2200 kcal，盐 <5g）。

5. 生成建议：

- 如果蔬菜不足 → “建议多吃蔬菜”。

- 如果钠超标 → “建议少盐”。

- 如果蛋白质不足 → “建议增加优质蛋白摄入”。

6. 输出：显示每日营养报告与健康建议。

4. 模块化 Python 代码

这里使用本地 JSON 营养数据库模拟 API 查询，并封装为模块化结构。

实际项目可接入真实营养 API 或训练食物识别模型。

文件结构

diet_advisor/

├── main.py

├── config.py

├── nutrition_db.py

├── diet_analyzer.py

└── README.md

"config.py"

# 每日推荐摄入量（示例值，可根据年龄性别调整）

DAILY_RECOMMENDATIONS = {

"calories": 2000, # 千卡

"protein": 60, # 克

"fat": 65, # 克

"carbohydrate": 300, # 克

"sodium": 2000 # 毫克（约5克盐）

}

"nutrition_db.py"

import json

def load_nutrition_db():

"""加载食物营养数据库"""

with open("nutrition_data.json", "r", encoding="utf-8") as f:

return json.load(f)

def get_food_nutrition(food_name, amount_g, db):

"""根据食物名称和重量获取营养成分"""

for item in db:

if item["name"] == food_name:

# 按比例计算

ratio = amount_g / 100.0

return {

"calories": item["calories"] * ratio,

"protein": item["protein"] * ratio,

"fat": item["fat"] * ratio,

"carbohydrate": item["carbohydrate"] * ratio,

"sodium": item["sodium"] * ratio

}

return None

"diet_analyzer.py"

from config import DAILY_RECOMMENDATIONS

def analyze_diet(total_nutrition, recommendations):

"""分析饮食并与推荐值对比"""

advice = []

# 热量

if total_nutrition["calories"] > recommendations["calories"]:

advice.append("热量摄入偏高，建议减少高热量食物。")

elif total_nutrition["calories"] < recommendations["calories"] * 0.8:

advice.append("热量摄入偏低，可适当增加主食或蛋白质。")

# 蛋白质

if total_nutrition["protein"] < recommendations["protein"] * 0.9:

advice.append("蛋白质摄入不足，建议增加鸡蛋、鱼、豆制品。")

# 脂肪

if total_nutrition["fat"] > recommendations["fat"]:

advice.append("脂肪摄入偏高，建议减少油炸食品。")

# 碳水化合物

if total_nutrition["carbohydrate"] < recommendations["carbohydrate"] * 0.8:

advice.append("碳水化合物摄入不足，可适当增加全谷物。")

# 钠（盐）

if total_nutrition["sodium"] > recommendations["sodium"]:

advice.append("钠摄入超标，建议少盐，少吃腌制食品。")

# 蔬菜建议（假设蔬菜不足时钠易超标）

if total_nutrition["sodium"] > recommendations["sodium"] * 0.9:

advice.append("建议多吃蔬菜，补充钾离子平衡钠。")

return advice

"main.py"

from nutrition_db import load_nutrition_db, get_food_nutrition

from diet_analyzer import analyze_diet

import json

def main():

print("=== 每日饮食营养分析系统 ===")

db = load_nutrition_db()

total = {

"calories": 0,

"protein": 0,

"fat": 0,

"carbohydrate": 0,

"sodium": 0

}

meals = {

"早餐": [],

"午餐": [],

"晚餐": []

}

for meal in meals:

print(f"\n请输入{meal}的食物（格式：食物名 重量g，输入done结束）：")

while True:

entry = input("> ").strip()

if entry.lower() == "done":

break

try:

food, amount = entry.rsplit(" ", 1)

amount = float(amount)

nutri = get_food_nutrition(food, amount, db)

if nutri:

for k in total:

total[k] += nutri[k]

meals[meal].append((food, amount, nutri))

print(f"已添加：{food} {amount}g")

else:

print("未找到该食物的营养数据。")

except ValueError:

print("输入格式错误，请重新输入。")

print("\n=== 今日营养摄入汇总 ===")

for k, v in total.items():

unit = "千卡" if k == "calories" else ("克" if k != "sodium" else "毫克")

print(f"{k}: {v:.1f}{unit}")

advice = analyze_diet(total, DAILY_RECOMMENDATIONS)

print("\n=== 健康建议 ===")

if advice:

for a in advice:

print("- " + a)

else:

print("今日饮食均衡，继续保持！")

if __name__ == "__main__":

main()

"nutrition_data.json"（示例数据）

[

{"name": "米饭", "calories": 116, "protein": 2.6, "fat": 0.3, "carbohydrate": 25.9, "sodium": 1},

{"name": "鸡胸肉", "calories": 165, "protein": 31, "fat": 3.6, "carbohydrate": 0, "sodium": 74},

{"name": "西兰花", "calories": 34, "protein": 2.8, "fat": 0.4, "carbohydrate": 6.6, "sodium": 33},

{"name": "食盐", "calories": 0, "protein": 0, "fat": 0, "carbohydrate": 0, "sodium": 39311}

]

5. README.md

# 每日饮食营养分析系统

## 功能

- 录入每日三餐食物与份量

- 自动计算热量与营养成分

- 对比每日推荐摄入量

- 给出个性化健康建议

## 安装

bash

pip install json

（仅标准库，无需额外安装）

## 使用

1. 编辑 `nutrition_data.json` 添加食物营养数据

2. 运行 `python main.py`

3. 按提示输入三餐食物与重量

4. 查看营养汇总与健康建议

## 扩展

- 接入薄荷健康/USDA API 自动获取营养数据

- 增加 BMI 与运动消耗计算

- 开发 Web 或移动端界面

6. 使用说明

1. 在

"nutrition_data.json" 中添加常用食物的营养数据。

2. 运行

"main.py"，按提示输入三餐食物与重量（单位：克）。

3. 程序会计算总摄入量并给出建议。

4. 可根据个人情况修改

"DAILY_RECOMMENDATIONS"。

7. 核心知识点卡片

知识点 说明

营养数据库 JSON 存储食物营养成分

比例计算 根据实际重量换算营养值

数据分析 对比推荐值与摄入量

模块化设计 分离数据库、分析、主程序

用户输入处理 字符串分割与异常处理

健康建议生成 基于阈值的规则推理

8. 总结

本系统通过 食物营养数据库 + 规则分析，实现了每日饮食的自动分析与个性化建议，解决了记录繁琐、数据不准确、建议笼统的痛点。

当前示例使用本地 JSON 数据，实际应用可升级为：

- 接入真实营养 API（如薄荷健康、USDA）

- 结合用户身体数据（身高、体重、运动量）动态调整推荐值

- 开发 Web/移动端，方便日常使用

这样就能打造一个真正实用的 AI 营养健康助手。

如果你愿意，还可以接入薄荷健康 API 或训练一个食物识别模型，让用户直接拍照识别食物，进一步提升易用性。

利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！