随着人工智能领域的不断发展,人们的生活逐步走向智能化,其中图像识别技术在人工智能领域中占据着重要地位。随着人们生活水平的提高、食品种类的丰富,如何了解自身的膳食结构、营养和健康状况,改善营养摄入情况,获得健康的生活方式成为人们越来越重视的问题。目前,国外有针对西餐的营养及热量测量系统,但由于中餐的制作工艺复杂以及食物种类繁多,尚未有针对中餐的营养及热量测量系统。本文针对如何测量中餐摄入营养这一问题展开研究,由于中餐制作流程复杂,因此本文着重研究中餐原材料果蔬部分的识别及营养测量,并估算整体热量及营养体系。首先,本文研究果蔬图像在复杂环境及光照不受控的条件下果蔬位置的定位技术,使用改进后的流形排序显著性检测算法,在原有技术基础上融合梯度能量及位置信息进行果蔬定位;其次,本文将果蔬的颜色特征、轮廓特征及纹理特征进行融合,通过引入TPS变换模型对SVM分类器进行改进,并使用改进后的SVM分类器对融合特征进行分类;本文使用卷积神经网络和改进后的SVM分类器对数据集进行测试,实验结果表明改进后的SVM分类器对小样本数据集的分类结果正确率更高;最后,本文使用拇指测量法,引入成人大拇指作为比例尺,进行果蔬体积的估算获取果蔬体积数据,并通过中国食品营养网的数据库获得果蔬营养及热量信息。基于果蔬识别的热量测量系统可以实现实时检测果蔬类别,自动显示当前果蔬的热量及营养含量,并给出合理的营养改善建议。该系统可以令用户自行统计每日摄入的营养及热量,有利于改善人们的膳食结构和健康状况,具有广阔的应用前景。