夜雨聆风
【计算机毕设/任务书-免费领取源码】 基于SpringBoot的“懒人美食帮”极简烹饪与智能食谱推荐平台的设计与实现
1. 研究目的
构建面向“懒人”的极简化、标准化智能食谱引擎：将复杂的烹饪流程解构为“备料-制作”两大核心模块，设计步骤极简（≤5步）、耗时极短（≤15分钟）、工具极简（仅基础厨具）的“懒人食谱”。利用AI图像识别与自然语言处理技术，实现用户上传食材图片即可获得“用现有食材能做啥”的智能食谱推荐，极大降低烹饪的决策与启动成本。
打造个性化、场景化的营养饮食规划与智能购物助手：基于用户的身体数据（年龄、性别、体重、目标）、口味偏好、饮食禁忌及时间预算，自动生成“一周懒人食谱计划”，并一键生成对应食材购物清单。与生鲜电商平台API对接，实现“食谱直达购物车”的无缝体验，解决“吃什么”和“买什么”的核心难题。
创建互动式、游戏化的沉浸式烹饪引导与学习社区：通过短视频、GIF动图、计时器、语音指导等富媒体形式，提供沉浸式、无干扰的“手把手”烹饪引导。引入“烹饪打卡挑战”、“黑暗料理大赛”、“食材消灭计划”等游戏化任务与社区活动，激励用户坚持烹饪，形成“学-做-晒-评”的UGC内容生态，营造积极有趣的烹饪氛围。
探索食材边角料创新利用与减少食物浪费的解决方案：建立“边角料改造”知识库，提供将常见剩余食材（如西兰花根、胡萝卜头）转化为美味小食的创意食谱。通过数据分析预测用户剩菜可能性并提前推送解决方案，引导用户进行可持续的、创造性的烹饪实践，赋予平台环保与社会责任价值。
2. 研究要求
用户角色与核心用例分析：
平台运营/审核员： 内容审核：审核用户提交的食谱与社区内容，确保质量、安全性与合规性。
社区运营：策划与执行线上活动（如#早餐挑战#），管理话题，维护社区氛围。
数据监控：监测食谱流行度、用户行为数据，识别优质创作者与内容。
美食内容创作者/达人： 食谱发布：上传符合“极简”标准的原创食谱（需包含分步图文/视频、食材清单、难度标签）。
个人主页：管理发布的食谱，展示粉丝与互动数据，建立个人品牌。
互动与变现：回复粉丝评论，可参与平台“达人食谱”计划获得激励（如流量、实物）。
智能找菜：拍摄冰箱/厨房现有食材照片，获取智能食谱推荐；搜索“快手段”、“低脂”、“微波炉”等条件筛选食谱。 烹饪新手/懒人用户：
极简烹饪：跟随步骤极简、多媒体（短视频/GIF）引导的食谱操作，使用内置计时器，记录烹饪心得与成品照片。
饮食规划：设定个人健康目标，获取个性化一周食谱计划，一键生成并同步购物清单到电商APP。
社区互动：分享烹饪成果，参与话题挑战，关注美食达人，收藏食谱。
系统管理员：负责系统配置、用户管理、数据安全、接口维护。
功能性需求：
智能食谱发现与推荐：支持基于图像识别的食材推荐、多维度条件搜索、个性化首页推荐流。
结构化食谱创建与沉浸式引导：提供富媒体食谱编辑器，支持步骤化、计时器、多媒体的烹饪引导。
个性化饮食计划与智能购物：支持基于用户画像生成食谱计划，并一键导出购物清单（支持对接电商）。
游戏化社区与UGC生态：支持用户发布动态、参与挑战、互动，构建活跃社区。
后台内容与数据管理：为运营提供食谱审核、用户管理、活动运营、数据分析功能。
非功能性需求：
极致的用户体验与性能：首页加载、图片/视频加载需流畅，食谱引导步骤需清晰无歧义，操作路径极简。
智能识别的准确性与实时性：图像识别食材的准确率需达到可用水平，推荐结果响应迅速。
系统的稳定与可扩展性：需支持未来接入智能厨电、AR烹饪指导等扩展功能。
数据安全与隐私保护：用户上传的厨房图片、饮食偏好等数据需妥善保护。
系统管理模块（后台）
用户与权限管理：管理员可管理用户账号，为达人用户授予内容发布权限，为运营人员分配审核、活动管理等权限。
食材与标签库：维护标准化的食材库、菜系标签、烹饪工具标签、难度标签、场景标签（早餐、便当、宵夜）。
食谱审核流程：设置食谱发布规范，运营人员可审核用户提交的食谱，通过、驳回或建议修改。
活动与话题管理：可创建、管理线上挑战活动与社区话题。
系统监控：监控API性能、用户活跃度、异常告警。
智能食谱库模块
基于内容：根据用户浏览、收藏、制作历史推荐相似食谱。
基于图像：用户上传食材图，调用AI服务识别，推荐可使用这些食材的食谱。
首页推荐流：混合“热门食谱”、“新手必学”、“猜你喜欢”、“时令推荐”。
食谱结构化存储：每个食谱包含：标题、封面图、简介、食材清单（带用量）、烹饪步骤（图文/视频）、烹饪时间、难度、所需工具、营养成分估算（可选）、标签。
食谱分类浏览：可按菜系、场景、工具、时间、难度等维度浏览食谱。
高级搜索：支持按食材、菜名、标签组合搜索，并支持排除特定食材（忌口）。
智能食谱推荐：
食谱收藏与列表：用户可收藏食谱，创建自定义菜谱列表（如“减肥餐单”、“周末大餐”）。
个性化饮食计划模块
用户口味档案：用户首次使用时，选择口味偏好（酸甜辣咸）、忌口、饮食目标（减脂、增肌、维持）、每日烹饪时间预算。
智能计划生成：系统基于用户档案，结合时令、营养均衡原则，自动生成未来3-7天的食谱安排，并可手动调整。
计划日历视图：以日历形式展示每日的早餐、午餐、晚餐食谱建议，一目了然。
食材购物清单：一键将计划内所有食谱的食材，合并、去重、按分类生成购物清单，支持修改数量，导出为文本或对接电商APP。
计划执行跟踪：用户可标记计划中的菜品为“已做”，记录完成情况。
沉浸式烹饪引导模块
食谱详情页：进入全屏烹饪模式，依次展示每个步骤，支持图片放大、短视频循环播放。
智能计时器：在需要定时的步骤（如“煮5分钟”），自动弹出或提供一键启动计时器，到点响铃提醒。
语音朗读：可开启语音朗读当前步骤说明，解放双手。
步骤导航：可前后切换步骤，暂停或退出烹饪模式。
烹饪完成打卡：完成后，可拍照上传成果，记录实际耗时与评价（“成功”、“翻车”、“改了配方”），分享到社区。
AI图像识别模块（亮点）
食材识别入口：在首页显著位置提供“拍照识菜”按钮。
图像上传与识别：调用腾讯云AI或百度AI的图像识别-菜品/果蔬识别接口，识别图片中的食材种类。
食谱匹配：将识别出的食材列表，与食谱库中的食材清单进行匹配，计算匹配度，推荐匹配度最高的若干食谱。
结果展示：展示识别出的食材名称、置信度，以及推荐食谱列表。
识别历史：保存用户的识别记录，方便回溯。
游戏化社区模块
动态发布：用户可发布图文/短视频动态，展示烹饪成果、晒出购物清单、分享烹饪技巧，可关联所用食谱。
挑战活动：参与运营发布的主题挑战（如#十分钟早餐挑战#），上传作品，可获得虚拟勋章或积分奖励。
互动功能：支持对动态点赞、评论、收藏、分享。可关注其他用户或达人。
懒人榜：设立连续打卡榜、本周最勤快厨神榜、创意黑暗料理榜等趣味榜单。
话题与圈子：用户可带话题发布动态，形成内容聚合。
我的厨房与工具模块
我的食材库存：用户可手动管理虚拟食材库存，系统可推荐消耗库存的食谱。
烹饪工具：用户可标记自己拥有的厨具（微波炉、空气炸锅、电饭煲），搜索时优先推荐可用工具食谱。
我的成就：展示获得的徽章、连续打卡天数、完成食谱总数、被点赞数等。
草稿箱：保存未编辑完的食谱或动态。
浏览历史：查看最近看过的食谱。
达人中心与内容创作模块
达人申请：优秀创作者可申请成为认证达人，享受专属标识与流量扶持。
食谱编辑器：提供富文本编辑器，支持上传多图、短视频，拆分烹饪步骤，填写结构化信息。
数据看板：达人可查看个人食谱的浏览量、收藏量、制作次数等数据。
收入与激励（未来）：可探索与品牌合作的食谱植入、电商带货等变现途径的对接。
消息与通知模块
系统提醒：通过APP推送或短信，发送烹饪计划提醒、食材临期提醒（若管理库存）、活动开始提醒。
互动通知：通知被点赞、被评论、新粉丝关注。
个性化推荐：定时推送“今晚吃什么”、“时令食谱推荐”等。
消息中心：聚合所有消息。
数据统计与商业智能模块（后台）
运营数据概览：实时展示日活、新增用户、食谱发布量、社区互动量。
食谱分析：统计热门食谱排行、搜索热词、用户完成率与翻车率。
用户行为分析：分析用户活跃时段、常用功能、口味偏好分布。
商业化分析（未来）：分析热门食材、潜在的合作品牌。
数据导出：支持报表导出。
技术选型与架构：
后端： 核心框架： Spring Boot 2.7.x。Spring MVC,Spring Security。
数据库： MySQL 8.0。核心表：
缓存： Redis。缓存热门食谱、首页推荐、用户会话、验证码。
搜索引擎： Elasticsearch。用于食谱的复杂条件搜索（多食材、多标签）。
文件存储： 阿里云OSS。存储食谱图片、视频、用户动态图片。需集成图片处理（缩略图、水印）。
AI服务：调用腾讯云TI-ONE或阿里云视觉智能的图像识别API。在后端封装为独立服务。
消息推送：集成个推、极光等第三方推送服务。
recipe(食谱主表)
recipe_step(食谱步骤表)
recipe_ingredient(食谱-食材关联表，含用量)
user(用户表)
user_preference(用户偏好表)
cooking_plan(烹饪计划表)
前端： 移动端APP：采用 React Native或Flutter开发跨平台应用，以获得更佳性能与原生体验（如相机调用、计时器后台运行）。
后台管理系统： Vue 3+Element Plus构建Web管理后台。
部署： Docker容器化，Kubernetes编排，Nginx负载均衡。
核心业务实现方案：
智能计划生成算法：
购物清单生成：解析 cooking_plan关联的所有recipe，聚合recipe_ingredient。对相同食材进行去重和用量累加。提供手动编辑界面。
API调用：将用户上传图片Base64编码，调用云服务商API，获取识别出的食材列表 List<String>。
模糊匹配：在Elasticsearch中，对食谱的 ingredients字段进行查询，计算Jaccard相似度或使用更复杂的包含关系逻辑（如“有番茄和鸡蛋，推荐番茄炒蛋”）。
结果排序：按匹配度、食谱热度、用户偏好综合排序后返回。
图像识别与食谱匹配： 多样性：确保计划内食谱在菜系、口味、烹饪方法上有一定变化。
营养均衡：简单计算蛋白质、碳水、脂肪的粗略配比，符合用户目标（如减脂则低碳水）。
时间安排：结合用户设定的每日烹饪时间预算，分配快手菜和复杂菜。
用户反馈：根据用户对历史计划的完成情况和评价（“爱吃”、“不爱吃”）动态调整推荐权重。
功能测试：
核心烹饪流程：智能推荐/搜索食谱 -> 查看详情 -> 沉浸式烹饪 -> 完成打卡。
智能计划全流程：设定偏好 -> 生成计划 -> 查看日历 -> 生成购物清单 -> 执行与标记。
AI识图测试：使用多种常见食材组合、不同拍摄角度和光线的图片，测试识别准确率和食谱推荐相关性。
社区UGC流程：发布动态、参与挑战、互动、内容审核。
性能测试：
首页推荐流加载：测试大量内容下的加载与滚动性能。
图片/视频上传与加载：测试多用户同时上传和浏览富媒体内容时的性能。
搜索性能：测试复杂多条件组合搜索的响应时间。
安全测试：
内容安全：测试用户生成内容（图片、文本）的审核与过滤。
越权访问：测试普通用户能否访问达人后台或审核接口。
用户体验测试：邀请目标用户（烹饪新手）进行可用性测试，观察其完成核心任务的流畅度，收集反馈。
3. 总体进度和安排
|
|
|
|
|
|---|---|---|---|
|
用户研究与产品定义 |
|
2. 完成微服务架构设计，数据库设计，重点设计食谱、计划、推荐模型。 3. 设计AI图像识别与食谱匹配的技术方案，设计个性化推荐算法。 4. 完成高保真产品原型与交互设计稿。 |
2. 系统架构与数据库设计文档 3. AI与推荐算法技术方案 4. 高保真产品原型 |
|
SpringBoot后端开发 |
|
2. 实现用户、食谱、食材、计划、社区等核心微服务。 3. 实现AI图像识别服务封装与食谱匹配逻辑。 4. 实现个性化推荐服务（基于内容+协同过滤）。 5. 实现消息推送与文件服务。 |
2. AI识别与推荐服务模块 3. 核心API接口文档 |
|
跨平台前端开发 |
|
2. 开发后台Web管理系统。 3. 前后端联调，集成AI识别、推送、第三方登录等功能。 4. 进行初步的功能与兼容性测试。 |
2. 后台管理系统源码 3. 功能完整的可演示应用 |
|
系统集成、测试与优化 |
|
2. 优化AI识别准确率、推荐算法效果、应用性能与耗电量。 3. 编写《测试报告》、《用户手册》、《部署运维手册》。 4. 完成应用商店上架准备（打包、图标、描述）。 |
2. 用户与运维文档 3. 准备上架的应用程序包 |
|
论文撰写与答辩 |
|
2. 制作答辩PPT，录制从拍照识菜到完成烹饪分享的全流程演示视频。 3. 准备并完成毕业答辩。 |
2. 答辩PPT与演示视频 3. 最终项目源码、部署包及文档归档 |
