营养领域的 AI：借助计算机视觉简化健康饮食

健康饮食和保持健身是许多人努力追求的目标。调查显示，70% 的人希望更健康，而对其中 50% 的人来说，吃得更健康是首要目标。有时，我们会依赖医生和营养师的建议，但这可能既耗时，又需要预约和追踪饮食。尤其是饮食追踪，既繁琐又容易出错。

AI 和计算机视觉可以让健康饮食变得更简单、更容易实现。它们可以帮助分析你的饮食、跟踪营养摄入，甚至根据你的健康目标推荐食谱。这些技术还可以帮助识别过敏原，让有饮食限制的人更轻松、更安全地规划膳食。本文将深入探讨如何利用这些技术跟踪营养摄入、推荐食谱等。我们还将了解营养领域的 AI 如何影响医疗保健行业。

图 1。使用 AI 计算一餐中的卡路里数量。

计算机视觉在营养追踪和食物分析中的应用#

营养摄入不当可能引发各种健康问题。研究人员发现，某些食物和营养素摄入过多或过少，都会增加患心脏病和中风的风险。因此，跟踪营养摄入非常重要。传统的营养摄入跟踪方式需要手动记录所吃的食物、估算份量并查询营养信息，既耗时，也容易产生误差。借助 AI 和计算机视觉技术，跟踪营养摄入变得轻松得多。

坐下来吃饭时，你可以给碗或盘子拍张照片，计算机视觉模型就能分析图像并识别其中的不同食物。接着，AI 系统可以估算食物份量并提供详细的营养信息。例如，计算机视觉系统可以利用目标检测准确识别盘中的食物。Food Recognition 2022等公开数据集可用于训练这类模型。

图 2. 使用 Ultralytics YOLOv8 计算机视觉模型检测草莓。

随后，系统可以将识别出的食物与大型营养信息数据库进行匹配。深度估计等先进算法可以帮助估算食物份量。识别出食物并估算份量后，系统就能计算热量、宏量营养素（如蛋白质、脂肪和碳水化合物）以及微量营养素（如维生素和矿物质），为你详细分析这顿饭的营养成分。

由计算机视觉驱动的饮食追踪应用#

计算机视觉在膳食跟踪中最受欢迎的应用之一是移动应用。接下来快速了解几种 AI 膳食跟踪方案。

SnapCalorie 是一款使用计算机视觉根据照片估算卡路里和宏量营养素含量的应用。它使用 5,000 份餐食数据进行训练，将卡路里估算误差降至 20% 以下，表现优于大多数人。结果可以记录在饮食日志中，也可以导出到 Apple Health 等健身平台。

同样，推动 AI 营养跟踪发展的一个有趣创新是 LogMeal API。它利用在大型食物图像数据集上训练的深度学习算法，准确检测并识别食物。LogMeal 的模型可识别 1,300 种菜肴，准确率达到 93%，并提供详细的营养分析、配料检测和份量估算。LogMeal API 可以轻松集成到应用中，为餐厅、自助点餐机、食品科技初创公司、医疗服务提供者及其他用户打造膳食跟踪解决方案。

图 3. 使用 LogMeal 识别食物。

使用 AI 推荐食谱#

AI 可以根据你厨房里现有的食材推荐健康食谱。利用分割等计算机视觉技术，可以识别冰箱或食品储藏室图像中的不同食材。基于这些信息，ChatGPT 等大型语言模型 (LLM)就能利用生成式 AI推荐食谱。你可以向 LLM 提示需求，也可以指定纯素、无麸质或低碳水等饮食限制，AI 系统会据此筛选符合条件的食谱。

图 4。使用计算机视觉识别食材。

“Sous Chef”是 ChatGPT 的一个定制版本，也是这项技术的一个例子。它可以根据你现有的食材推荐食谱。你可以输入食材，也可以上传冰箱里现有食材的照片。

你可能会想，我们真的需要这样的系统吗？AI 食谱推荐系统有很多好处，例如充分利用现有食材以减少食物浪费，以及通过推荐精致菜肴来增加膳食的多样性。它们还能帮助你保持均衡饮食。例如，AI 食谱生成器推荐的个性化膳食计划可以帮助你实现健身目标。这些系统还能让烹饪变得更有趣、更富创意。

在营养行业运用 AI 创新的初创公司#

食品和营养行业正在开展许多有趣的 AI 相关工作。接下来看看有哪些初创公司正在将 AI 融入我们每天吃的食物。

总部位于美国的初创公司 Journey Foods 提供配料智能服务，帮助开发和推出新的包装食品产品。其数据科学平台 JourneyAI 会分析数百万种配料及供应链数据，为每种产品寻找理想配料。该平台收集并存储大量化学成分和营养素数据，以制定最佳食品产品配方。该平台还使包装食品制造商能够利用数据驱动的食品探索，更好地管理完整的产品生命周期。

营养行业另一家富有创新精神的初创公司是 Viome。Viome 运用人工智能和 mRNA 测序技术，提供个性化营养与健康建议。该公司提供居家检测服务，通过分析微生物组和基因表达，精准了解个人健康状况。这些洞察有助于找出微生物失衡和炎症的根本原因。根据这些信息，Viome 会开具定制补充剂并提供饮食建议，以适应每个人独特的生化特征。Viome 专注于预防慢性疾病和解决健康问题的根源，让先进的健康管理变得触手可及且个性化。

图 5。基于 AI 和基因组测序的食物推荐。

权衡 AI 营养师的缺点#

尽管 AI 增强型营养系统有很多好处，我们也需要了解它们的一些缺点。一个主要问题是数据隐私和安全。这些系统需要访问敏感的个人健康和饮食信息。如果这些数据没有得到妥善保护，就可能被滥用或窃取。

此外，人们还担心 AI 算法中的偏见。如果训练数据的多样性不足，推荐结果可能无法准确适用于所有人，从而可能导致某些群体收到不恰当的建议。另一个问题是过度依赖技术的风险。AI 可以提供有用的见解，但不应取代人类营养师和医疗服务提供者的专业知识。

对医疗行业的影响#

AI 驱动的营养跟踪和营养师系统将重塑医疗行业，改变人类营养师和医疗保健专业人员的角色。这些系统也为公众提供了更多获取营养摄入建议的选择。大约40%的人认为，在把补充剂加入日常饮食前，不必先咨询医生。AI 让获取专家意见变得更容易，也可以鼓励公众在调整营养摄入前多征求意见。

AI 可能从根本上改变营养和饮食管理的方式。纽约州威彻斯特 Core Nutrition 的营养师 Alexandra Kaplan 表示：“假设 AI 是准确的，它可能非常有用，因为它能帮我准确了解盘中食物的份量以及食物的成分，这样患者就能知道自己在那顿饭里吃了什么。”

AI 不会取代人类营养师，而是可以成为有力的工具，补充他们的专业知识。AI 可以提供数据驱动的见解，支持临床决策，帮助营养师制定更有效的治疗方案。例如，AI 可以识别患者饮食习惯中导致慢性疾病的模式，让营养师更早、更有效地介入。

AI 营养应用综述#

计算机视觉和 AI 可以让饮食追踪变得轻松许多，甚至能充当你的私人营养师。这些技术能够通过准确监测和量身定制的饮食计划帮助改善患者健康，同时提高复杂营养师工作流程的效率，从而降低医疗保健成本。尽管 AI 存在准确性问题、缺乏人情味等局限，但 AI 创新可以补充人类专业能力，提升整体营养护理水平。我们距离《星际迷航》中的食物复制器可能还很远，但 AI 正在重塑营养领域的未来。

让我们携手创新！访问我们的 GitHub 代码库，了解我们在 AI 领域的贡献。了解我们如何将 AI 应用于制造业和医疗保健等行业。