据2018年全球肥胖统计数据显示,超过20亿的成年人被肥胖问题所困扰,造成肥胖问题的主要原因是:不健康的饮食习惯致使摄入过多的卡路里。因此,准确记录每日饮食中卡路里的摄入量对于控制体重至关重要。最新的研究成果表明,碳水化合物越多越能迅速提高人体内血糖水平,而面食的主要成份为碳水化合物。鉴于目前中国有大量的糖尿病患者,他们也非常需要对面食热量进行有效的估计,进而更准确地选择胰岛素的剂量和有效地控制体内血糖。目前市场上主要通过移动端对食物图像进行识别来提高膳食评估的准确性,但缺乏相关面食数据集。面食作为日常生活中的基本食物,在人们生活中扮演着重要的角色,不同种类的面食的卡路里数量也差别巨大。为了解决中国面食识别及卡路里估计问题,本文中将引入一个名为“ChineseNoodleFood”中国面食图像数据集,此数据集可用于中国面食的卡路里估计,帮助人们合理安排膳食。本文的主要工作包括:数据集的构建,面食种类识别和面食热量估计三部分内容。数据集的构建:通过市场调研得到面食主要的60个类别,通过网络爬虫进行图像数据收集并清洗和设置标签,利用图像增强方法提高图像数量;利用BEGAN提高数据集的多样性。最终获得超过189600张图像。面食种类识别:基于多个优秀的深度学习模型进行初步训练,对比选择出最佳的inception v3和Inception_Resnet_v2模型进行参数调整,同时利用图像增强方法提高识别准确率,top-1识别准确率达到92.6%,top-5识别准确率均超过99%。面食热量估计:为了更精确直观地获取卡路里信息,本文借助双目摄像头对食物体积进行粗略测量,根据密度及卡路里换算公式得出食物的卡路里信息,该方法能够更加准确的评估出面食的真实热量。进一步的工作在于优化网络模型,以获得更高的top-1识别效率,并尝试在移动设备上实施识别算法、计算更准确的食物体积以得出卡路里信息。