# 🍽️ 个性化饮食推荐APP 一个基于机器学习和OCR技术的智能饮食推荐系统，具有现代化的移动端界面和强大的AI分析能力。 ## ✨ 最新特性 ### 📷 OCR热量识别 - **多引擎OCR支持**：Tesseract、PaddleOCR、EasyOCR - **智能图片识别**：自动识别食物名称和热量信息 - **多级验证机制**：OCR结果 + 数据库匹配 + 用户确认 - **学习优化系统**：从用户修正中持续学习改进 - **一键记录**：拍照即可完成餐食记录 ### 🎨 现代化界面设计 - **圆角设计系统**：统一的圆角主题，减少方形元素 - **多色主题支持**：主色、次色、强调色等多种配色 - **移动端适配**：专为手机屏幕优化的界面布局 - **卡片式设计**：清晰的信息层次和视觉反馈 - **响应式交互**：悬停效果和状态变化 ## 🎯 核心功能 ### 1. 智能数据采集 - **OCR图片识别**：📷 拍照识别食物热量信息 - **5天三餐数据记录**：详细记录早中晚三餐的饮食内容 - **用户偏好问卷**：口味偏好、饮食习惯、过敏信息等 - **生理周期跟踪**：针对女性的生理期、排卵期等特殊时期 - **个性化因素**：星座、性格特征等参考因素 ### 2. 机器学习推荐引擎 - **个人饮食模型训练**：基于用户历史数据训练个性化模型 - **持续学习机制**：根据用户反馈不断优化推荐 - **偏好矫正**：用户不喜欢或已食用食物的反馈学习 - **多因素融合**：结合生理周期、星座等多维度因素 ### 3. AI大模型分析 - **千问大模型集成**：智能营养分析和建议生成 - **热量分析**：每日饮食热量计算和评估 - **营养建议**：基于大模型的智能营养建议 - **个性化指导**：结合用户特征的定制化建议 ### 4. 现代化应用界面 - **移动端设计**：模拟小程序/安卓App的界面体验 - **圆角美化**：统一的圆角设计语言 - **多色主题**：丰富的颜色搭配和视觉层次 - **实时推荐**：动态推荐系统 - **数据可视化**：饮食趋势、营养分析图表 ## 🏗️ 技术架构 ### 核心基座 - **统一基座架构**：模块化设计，支持功能扩展 - **SQLite数据库**：轻量级本地数据存储 - **事件总线系统**：模块间通信和事件处理 - **数据管理器**：统一的数据访问接口 ### OCR识别技术 - **Tesseract OCR**：开源OCR引擎，支持中英文 - **PaddleOCR**：百度开源OCR，中文识别优秀 - **EasyOCR**：简单易用的多语言OCR库 - **OpenCV**：图像预处理和增强 - **PIL/Pillow**：图像处理和格式转换 ### 机器学习 - **scikit-learn**：推荐算法实现 - **pandas/numpy**：数据处理和分析 - **joblib**：模型序列化和加载 - **TF-IDF向量化**：文本特征提取 ### AI大模型集成 - **千问大模型**：阿里云通义千问API - **智能分析**：用户意图分析和营养建议 - **个性化推理**：基于用户特征的智能推荐 ### 现代化界面 - **CustomTkinter**：现代化Python GUI框架 - **移动端设计**：375x812像素，模拟手机界面 - **圆角美化系统**：统一的视觉设计语言 - **多色主题**：丰富的颜色配置系统 ## 📁 项目结构 ``` diet_recommendation_app/ ├── core/ # 核心基座架构 │ ├── base.py # 基础类和配置 │ └── base_engine.py # 基础引擎抽象类 ├── modules/ # 功能模块 │ ├── data_collection.py # 数据采集模块 │ ├── ai_analysis.py # AI分析模块 │ ├── recommendation_engine.py # 推荐引擎模块 │ └── ocr_calorie_recognition.py # OCR热量识别模块 ├── gui/ # 现代化界面 │ ├── mobile_main_window.py # 移动端主界面 │ ├── ocr_calorie_gui.py # OCR识别界面 │ ├── styles.py # 样式配置系统 │ └── main_window.py # 桌面端界面 ├── llm_integration/ # 大模型集成 │ └── qwen_client.py # 千问大模型客户端 ├── smart_food/ # 智能食物数据库 │ └── smart_database.py # 食物数据库管理 ├── data/ # 数据存储 │ ├── users/ # 用户数据 │ ├── training/ # 训练数据 │ └── app.db # SQLite数据库 ├── models/ # 机器学习模型 ├── logs/ # 日志文件 ├── main.py # 应用入口 ├── requirements.txt # 依赖包列表 ├── OCR_USAGE_GUIDE.md # OCR使用指南 ├── UI_BEAUTIFICATION_SUMMARY.md # 界面美化总结 └── README.md # 项目说明文档 ``` ## 🚀 快速开始 ### 1. 环境要求 - Python 3.8+ - Windows/macOS/Linux ### 2. 安装依赖 ```bash # 克隆项目 git clone cd diet_recommendation_app # 安装基础依赖 pip install -r requirements.txt # 安装OCR依赖（可选） pip install pytesseract opencv-python paddleocr easyocr ``` ### 3. OCR引擎配置（可选） #### Tesseract安装 - **Windows**: 下载 [Tesseract安装包](https://github.com/UB-Mannheim/tesseract/wiki) - **macOS**: `brew install tesseract` - **Linux**: `sudo apt-get install tesseract-ocr` #### 其他OCR引擎 ```bash # PaddleOCR（推荐，中文识别效果好） pip install paddleocr # EasyOCR（简单易用） pip install easyocr ``` ### 4. 配置环境 ```bash # 创建环境配置文件 echo "QWEN_API_KEY=your_qwen_api_key_here" > .env ``` ### 5. 运行应用 ```bash python main.py ``` ### 6. 使用OCR功能 1. 打开应用，进入"记录"页面 2. 点击食物输入框右侧的"📷"按钮 3. 选择包含食物信息的图片 4. 点击"开始识别"进行OCR识别 5. 查看和编辑识别结果 6. 确认保存到餐食记录 ## 🔄 工作流程 ### 1. 智能数据采集（5天） - **OCR图片识别**：📷 拍照识别食物热量信息 - **手动数据记录**：详细记录三餐饮食内容 - **用户偏好问卷**：口味偏好、饮食习惯、过敏信息 - **个性化画像**：生理周期、星座、性格特征 ### 2. AI模型训练 - **个人推荐模型**：基于采集数据训练个性化模型 - **多因素融合**：结合生理期、星座等多维度因素 - **OCR学习优化**：从用户修正中持续改进识别准确性 ### 3. 智能推荐与学习 - **个性化推荐**：第6天开始提供智能推荐 - **用户反馈收集**：喜欢/不喜欢/已食用反馈 - **持续模型优化**：基于反馈数据不断改进 - **OCR准确性提升**：学习用户修正习惯 ### 4. AI智能分析 - **千问大模型分析**：每日营养状况智能分析 - **个性化健康建议**：基于用户特征的定制建议 - **营养趋势分析**：长期饮食模式分析 ## 🎨 特色功能 ### 📷 OCR智能识别 - **多引擎支持**：Tesseract、PaddleOCR、EasyOCR - **智能验证**：OCR + 数据库 + 用户确认三级验证 - **学习优化**：从用户修正中持续改进 - **一键记录**：拍照即可完成餐食记录 ### 🎨 现代化界面 - **移动端设计**：375x812像素，模拟手机界面 - **圆角美化**：统一的圆角设计语言 - **多色主题**：丰富的颜色搭配和视觉层次 - **响应式交互**：悬停效果和状态变化 ### 🤖 AI智能分析 - **千问大模型**：阿里云通义千问API集成 - **智能推理**：用户意图分析和营养建议 - **个性化指导**：基于用户特征的定制建议 ### 👩 女性专属优化 - **生理周期智能调整**：月经期、排卵期等特殊时期 - **营养需求分析**：不同生理阶段的营养需求 - **个性化建议**：结合生理周期的饮食建议 ### ⭐ 个性化因素 - **星座参考**：个性化因素融合 - **性格特征**：基于性格的饮食偏好分析 - **持续学习**：避免随机推荐问题 ## 📚 文档说明 - **[OCR使用指南](OCR_USAGE_GUIDE.md)**：详细的OCR功能使用说明 - **[界面美化总结](UI_BEAUTIFICATION_SUMMARY.md)**：界面设计和技术实现 - **[项目总结](PROJECT_SUMMARY.md)**：项目整体架构和功能说明 ## 🧪 测试验证 ### 功能测试 ```bash # 测试OCR系统 python test_ocr_system.py # 测试界面美化 python test_ui_beautification.py # 测试核心功能 python test_core.py ``` ### 应用启动测试 ```bash # 启动应用 python main.py # 检查日志 tail -f logs/app.log ``` ## 🚀 技术亮点 ### 1. 统一基座架构 - **模块化设计**：所有功能模块基于统一基座构建 - **事件驱动**：模块间通过事件总线通信 - **数据统一**：统一的数据管理和访问接口 - **扩展性强**：支持新功能模块的快速集成 ### 2. OCR多引擎融合 - **多引擎并行**：同时使用多个OCR引擎提高准确性 - **智能合并**：基于置信度的结果合并策略 - **学习优化**：从用户修正中持续学习改进 - **数据库匹配**：结合食物数据库进行智能验证 ### 3. 现代化界面设计 - **移动端优先**：专为手机屏幕优化的界面设计 - **圆角美化**：统一的圆角设计语言 - **多色主题**：丰富的颜色配置和视觉层次 - **响应式交互**：流畅的用户交互体验 ### 4. AI智能分析 - **千问大模型**：集成阿里云通义千问API - **智能推理**：基于用户数据的智能分析 - **个性化建议**：结合多维度因素的定制建议 - **持续学习**：从用户反馈中不断优化 ## 📈 项目状态 - ✅ **核心功能**：数据采集、推荐引擎、AI分析 - ✅ **OCR识别**：多引擎支持、智能验证、学习优化 - ✅ **界面美化**：圆角设计、多色主题、移动端适配 - ✅ **文档完善**：使用指南、技术文档、测试脚本 - 🔄 **持续优化**：性能提升、功能扩展、用户体验改进 ## 🤝 贡献指南 欢迎提交Issue和Pull Request来改进项目！ ### 开发环境设置 ```bash # 克隆项目 git clone cd diet_recommendation_app # 安装开发依赖 pip install -r requirements.txt # 运行测试 python test_ocr_system.py python test_ui_beautification.py ``` ### 代码规范 - 遵循PEP 8代码风格 - 添加适当的注释和文档字符串 - 编写单元测试 - 更新相关文档 ## 📄 许可证 本项目采用MIT许可证 - 查看 [LICENSE](LICENSE) 文件了解详情 ## 🙏 致谢 感谢以下开源项目的支持： - [CustomTkinter](https://github.com/TomSchimansky/CustomTkinter) - 现代化Python GUI框架 - [Tesseract OCR](https://github.com/tesseract-ocr/tesseract) - 开源OCR引擎 - [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) - 百度开源OCR - [EasyOCR](https://github.com/JaidedAI/EasyOCR) - 简单易用的OCR库 - [scikit-learn](https://scikit-learn.org/) - 机器学习库 --- **🍽️ 让AI为您的饮食健康保驾护航！**