Food AI Calorie Counter

AI-powered meal analysis: calories, macros, and weight estimation from a photo.

原始信息汇总

Food AI Calorie Counter API 数据集概述

基本信息

• 数据集名称: Food AI Calorie Counter
• 提供平台: RapidAPI
• API 提供商: ArCoLab
• 所属类别: Health and Fitness
• API 版本: v1 (current)
• 订阅模式: 提供 BASIC、PRO、ULTRA、MEGA 四种付费计划
• 性能指标: 188ms 延迟，100% 服务等级，8.7 流行度

核心功能

• 多对象识别: 可在单张图像中检测并区分多种不同的食物项目。
• 重量估算: 基于视觉线索，使用先进算法估算食物分量（以克为单位）。
• 全面营养数据: 提供详细的营养分解，包括总卡路里、蛋白质、脂肪和碳水化合物。
• 异步处理: 采用任务队列系统处理高分辨率图像，确保高负载下的稳定性能。
• 全球食物数据库: 能够识别数千种食物类别，包括复杂菜肴、饮料和调味品。

工作原理

1. 提交: 将餐食图像上传至 /food/analyze-food 端点。
2. 处理: AI 分析食物的视觉几何结构和纹理。
3. 轮询: 使用返回的 task_id 通过 /status/{task_id} 端点检查处理状态。
4. 结果: 接收结构化的 JSON 响应，包含已识别物品列表和汇总的“总营养”报告。

主要端点

1. 开始分析

   • 端点: POST /food/analyze-food
   • 功能: 上传 multipart/form-data 格式的图像。
   • 响应: {"task_id": "string"}

2. 检查状态

   • 端点: GET /status/{task_id}
   • 功能: 监控 AI 处理进度。
   • 状态响应:
     • 处理中: {"status": "processing"}
     • 已完成: {"status": "completed", "file": "result_123.json"}
     • 失败: {"status": "error", "message": "..."}

3. 获取数据

   • 端点: GET /download/{filename}
   • 功能: 检索详细的营养分解报告。

数据输出格式

API 返回的最终 JSON 数据结构示例如下： json { "items": [ { "name": "croissant", "calories": 250, "weight_est_grams": 100, "nutrition": { "proteins": 5, "fats": 12, "carbs": 30 } } ], "total_nutrition": { "calories": 250, "proteins": 5, "fats": 12, "carbs": 30 } }

目标应用场景

• 健身追踪器: 为用户自动化每日卡路里计数。
• 健康诊断: 协助医疗专业人员监测患者饮食。
• 餐厅应用: 帮助顾客了解其菜单选择的营养价值。
• 智能家居设备: 与智能冰箱或镜子集成，提供实时饮食反馈。

使用要求与最佳实践

• 认证与安全: 所有请求必须通过 RapidAPI 网关 路由。需确保订阅计划有剩余额度。
• 图像质量建议:
  1. 良好照明: 避免浓重阴影或极暗环境。
  2. 清晰角度: 自上而下或 45 度角效果最佳。
  3. 对比度: 尽量将餐盘置于对比鲜明的背景上。
  4. 无遮挡: 确保餐具或餐巾纸未遮盖食物的主要部分。