如何用手机扫描食物？AI照片扫描教程

用手机扫描食物是记录餐点的最快方式。 你只需将摄像头对准盘子，人工智能就能识别食物、估算份量并计算卡路里，整个过程只需5到10秒。2024年在《营养学》期刊上发表的一项研究发现，基于AI的食物识别技术现在可以以80-90%的准确率识别常见食物，而基于照片的食物记录相比手动方法能显著提高坚持的效果。

接下来，我们将详细介绍如何用手机扫描食物、如何获得最佳结果、AI可能出错的地方，以及何时应使用条形码扫描。

如何用手机扫描食物？简要回答

打开一款支持AI照片识别的卡路里追踪应用，将摄像头对准盘子，拍照后AI会识别食物并估算其营养成分。你可以查看结果，调整任何看起来不准确的部分，然后确认。整个过程不超过10秒。Nutrola在iOS和Android上均支持AI照片扫描。

步骤指南：使用Nutrola扫描食物

第一步：打开摄像头

打开Nutrola，点击主记录界面上的摄像头图标，激活AI食物扫描器。

第二步：调整手机位置

将手机保持在距离盘子约30-40厘米（12-16英寸）的位置，尽量从正上方俯视食物。这能让AI获得最佳视角，从而更准确地估算份量。

第三步：拍照

点击拍摄按钮，照片将发送至Nutrola的AI进行分析。处理通常需要1-3秒，具体取决于你的网络速度。

第四步：查看AI结果

AI会返回识别出的食物列表及其估算份量。例如，如果你拍摄了一盘鸡胸肉、米饭和蒸西兰花，你可能会看到：

• 烤鸡胸肉 — 150克（估算） — 248卡路里
• 白米饭，熟 — 200克（估算） — 260卡路里
• 蒸西兰花 — 100克（估算） — 35卡路里
• 总计：543卡路里

第五步：调整并确认

检查每一项。份量估算是否与你看到的一致？如果你的鸡胸肉看起来比150克大，可以上调份量。如果AI错误地将茉莉香米识别为普通白米，请进行更换。这些调整只需几秒钟，能显著提高准确性。

第六步：记录餐点

点击确认。该餐点将记录到你的每日追踪器中，并提供100多种营养素的完整宏观和微观营养成分分析。

提升食物扫描效果的小贴士

扫描质量直接影响准确性。以下是一些关键因素。

光线

良好的光线是最重要的因素。自然光能产生最佳效果，明亮均匀的厨房灯光也很有效。昏暗的光线、浓重的阴影和温暖色调的餐厅灯光都会降低AI识别食物的能力。

光线条件	扫描质量	建议
自然光	优秀	最佳选择
明亮厨房灯光	非常好	可靠
标准餐厅	一般	可用但需调整
昏暗/烛光	较差	使用语音记录
逆光（光源在食物后面）	较差	调整盘子或手机位置

角度

从正上方（俯视）拍摄是理想的角度。这种视角能让AI更准确地看到份量和食物边界。从侧面拍摄的斜角可能会扭曲尺寸，甚至遮挡部分食物。

一项来自《IEEE国际计算机视觉会议》的研究发现，俯视拍摄的食物照片比45度角拍摄的照片能提高15-20%的份量估算准确性。

食物分离

当食物在盘子上清晰分开时，AI能更好地识别每一项。鸡肉、米饭和沙拉分开摆放的盘子比混在一起的效果更佳。如果你自己盛盘，建议在扫描前将食物分开。

盘子和背景

AI会使用盘子作为估算份量的大小参考。标准晚餐盘（直径25-27厘米）效果最佳。非常规盘子、边缘陡峭的碗（可能遮挡内容）或直接放在砧板或托盘上的食物可能导致较低的准确性。

干净且对比鲜明的背景也很重要。白色盘子上的食物在深色表面上更容易被AI分析，而深色碗上的食物在花纹桌布上则较难。

多种食物

如果你有多道菜（主菜、配菜和饮料），你可以选择：

1. 分别扫描每一项以提高个体准确性
2. 将所有食物靠近一起一次性扫描以节省时间

为了获得最佳效果，当食物在不同碗或盘子中时，建议分别扫描。

AI食物扫描的优势

AI食物识别在以下情况下表现最佳：

• 明显可识别的单一食物： 香蕉、苹果、鸡胸肉、比萨饼
• 标准的盘餐： 蛋白质 + 淀粉 + 蔬菜
• 常见食物： 食物越常见，模型的识别能力越强
• 具有明显视觉特征的食物： 不同的颜色、形状和纹理使得食物更易于区分

在这些情况下，预计食物识别的准确率为85-95%，份量估算的准确率为75-90%。

AI面临的挑战

了解局限性有助于你在必要时调整结果或使用其他方法。

混合菜肴

砂锅菜、炖菜、咖喱、奶昔碗以及任何多种成分混合在一起的菜肴，AI很难准确扫描。相机看到的是均匀的表面，无法判断个别成分的比例。例如，鸡肉咖喱可能包含鸡肉、椰奶、油、洋葱、西红柿和香料，但AI只会看到“咖喱”，并根据平均食谱进行估算。

解决方法： 对于你经常制作的混合菜肴，使用食谱构建器。对于偶尔的混合菜肴，使用语音记录并详细描述。

隐藏卡路里

AI无法识别不可见的成分。融入米饭中的黄油、油炸食物吸收的油、卷饼中的奶酪、浸入意面的酱料——这些都无法通过相机看到，但含有大量卡路里。

隐藏成分	常见用量	增加的卡路里
油炸食物吸收的橄榄油	1-2汤匙	119-238
融入米饭或蔬菜中的黄油	1汤匙	102
卷饼或三明治中的奶酪	30克	110-120
浸入意面的酱料	3-4汤匙	60-200
混入生菜中的沙拉酱	2汤匙	100-160

解决方法： 扫描后，手动添加你知道的任何隐藏成分。在Nutrola中，你可以在确认前向扫描的餐点中添加额外的项目。

相似外观的食物

某些食物外观几乎相同，但卡路里含量却大相径庭：

• 白米（130卡路里/100克） vs. 花椰菜米（25卡路里/100克）
• 普通意大利面（160卡路里/100克） vs. 蛋白质意大利面（130卡路里/100克） vs. 魔芋面（10卡路里/100克）
• 普通酸奶（100卡路里/150克） vs. 希腊酸奶（150卡路里/150克） vs. 斯基尔酸奶（100卡路里/150克）
• 全脂牛奶（150卡路里/250毫升） vs. 脱脂牛奶（83卡路里/250毫升）

解决方法： 当AI识别出一种外观相似的食物时，检查具体的变体并在必要时进行更换。

小而高热量的食物

坚果、种子、干果、巧克力豆等小食物在小面积内含有大量卡路里。AI可能会看到“一把杏仁”，但难以估算是15颗杏仁（105卡路里）还是30颗杏仁（210卡路里）。

解决方法： 对于高热量的小食物，手动计数或使用条形码扫描，如果它们来自包装。

何时使用条形码扫描

AI照片扫描通过视觉识别食物，而条形码扫描则读取包装食品上的产品代码，并提取制造商的确切营养数据。每种方法都有其理想的使用场景。

何时使用条形码扫描：

• 食物是带有可见条形码的包装食品
• 你想要制造商提供的确切营养数据
• 食物是特定品牌（蛋白质棒、零食包、饮料）
• 你在添加食谱前扫描包装成分

何时使用AI照片扫描：

• 食物是盘子上的熟食（没有条形码）
• 你在餐厅就餐
• 食物由他人准备
• 你想快速估算而无需搜索

Nutrola中的条形码扫描如何工作

1. 点击Nutrola中的条形码图标
2. 将摄像头对准食品包装上的条形码
3. Nutrola在其超过180万条验证条目数据库中匹配产品
4. 设置份量数量（或输入确切重量）
5. 确认 — 记录时使用制造商验证的营养数据

条形码扫描是包装食品最准确的方法，通常准确率为98-100%，因为数据直接来自产品标签。

速度比较：扫描与其他方法

记录方法	平均时间	准确性
AI照片扫描	5-10秒	75-85%
条形码扫描	3-5秒	98-100%（包装食品）
语音记录	3-5秒	70-80%
数据库搜索（手动）	30-60秒	85-95%（如果找到正确条目）
食谱构建器	3-8分钟（首次使用）	95-98%

对于大多数日常餐点，AI照片扫描在速度和准确性之间达到了最佳平衡。

随着时间推移提高AI准确性

你使用照片扫描并纠正AI的估算次数越多，实际结果就会越好。这并不是因为AI从你的修正中学习（它独立处理每张照片），而是因为你会逐渐培养出对AI识别正确与否的敏锐洞察力。

经过几周的扫描，大多数用户：

• 知道哪些食物AI每次都能准确识别（并立即信任这些结果）
• 知道哪些食物需要调整（并本能地修正份量）
• 知道哪些餐点更适合使用语音记录或食谱构建器（并相应切换方法）

这种混合方法，针对每种情况使用最适合的快速方法，是经验丰富的追踪者每天在两分钟内记录餐点的秘诀。

食物扫描的常见错误

1. 在光线不佳的情况下扫描并接受结果

如果光线不好，AI的结果看起来不准确，千万不要接受。要么在更好的光线下重新拍照，要么切换到语音记录。

2. 不调整份量大小

AI的份量估算只是它的最佳猜测。如果你的鸡胸肉明显大于估算的120克，请进行调整。识别通常是正确的，但份量往往需要微调。

3. 忘记添加饮料

食物照片不会捕捉到盘子旁的咖啡、果汁或酒杯，除非它们在画面中。饮料需单独记录。

4. 对混合菜肴期望过高

如果你扫描一碗辣椒，AI因为无法检测到混合的油和奶酪而低估150卡路里，这是正常现象。请手动添加这些成分。

常见问题解答

AI食物扫描可以离线工作吗？

大多数AI食物扫描需要互联网连接，因为图像在远程服务器上处理。Nutrola在照片扫描时需要连接。如果你离线，可以使用条形码扫描（可以使用缓存数据）或语音记录来记录你吃的东西，并在重新在线时确认细节。

我可以扫描仍在容器或外卖盒中的食物吗？

可以，但当食物部分被遮挡时，准确性会降低。如果可能，建议将食物转移到盘子上或完全打开容器，以便AI能够看到所有项目。半可见的外卖餐点最多只能提供粗略估算。

AI如何从照片中知道份量大小？

AI使用画面中的参考物体，主要是盘子或碗，以及对常见食物的已知尺寸进行学习。它已经在数百万张具有已知份量的食物图像上进行了训练。盘子的直径作为缩放参考。这就是为什么标准尺寸的盘子能产生更准确的结果。

AI食物扫描对过敏者安全吗？

AI食物扫描能够识别可见的食物项目，但绝不能依赖其确保过敏安全。它无法检测到微量成分、交叉污染或隐藏在菜肴中的成分。对于过敏管理，请始终直接向准备食物的人确认成分。

我可以扫描同一种食物两次以获得更好的估算吗？

可以，但你可能会得到相似的结果，因为同一张照片会以相同的方式处理。如果你想要更好的估算，尝试改善条件：更好的光线、食物更清晰的分离，或更接近的俯视角度。或者，切换到语音记录，详细描述餐点及具体份量。

如果AI无法识别某种食物怎么办？

偶尔，AI会遇到无法识别的食物，尤其是地方菜肴、不常见的做法或装饰丰富的盘子。在这些情况下，Nutrola允许你手动搜索数据库或通过语音描述食物。你也可以创建自定义食物条目并估算营养值。