近年来，饮食评估中份量估计的准确性日益受到关注，因其直接影响营养摄入的计算与健康风险的评估。中亚地区以红肉消费高和饮食相关非传染性疾病（NCD）高发著称，但至今缺乏专门针对该地区饮食的标准化视觉食品图谱，限制了精准营养研究和个性化膳食指导的开展。传统的份量估计工具存在准确性不足和文化适用性差的问题，数字化和图像化工具因其直观性和适应性强，逐渐成为提升饮食评估质量的有效手段。鉴于此，本文旨在开发一个涵盖中亚多国传统及常见食品的数字视觉食品图谱，特别关注肉类菜肴，填补该领域的空白。

本数字视觉食品图谱基于两个大型数据集：中亚食品数据集（CAFD）与中亚食品场景数据集（CAFSD），共收录115种食品饮品，包括95种食物系列（分别呈现小、中、大三种份量）及20种饮料指南图。食品分为九大类：主菜、汤品、肉类菜肴、沙拉、小吃、配菜、面包与烘焙食品、甜点及饮料。每张图片均采用60度角拍摄，辅以统一光线、餐具、尺子及餐巾等参照物，保证视觉的一致性与份量感知的准确性。每个食品名称均包括英文及本地语言转写，增强文化与语言的适应性。该图谱适配网页与移动端，便于广泛应用。

表：餐具清单

本图谱是中亚地区首个专门针对该区域饮食特点设计的数字视觉食品图谱，区别于以往国际食品图谱的主要创新包括：

• 重点加入地区独有的肉类菜肴，反映中亚饮食文化核心。

• 结合多语种命名，增强文化传承与识别。

• 采用统一的数字化标准和拍摄流程，确保图像的可比性和复用性。

• 支持AI技术集成，便于未来自动化饮食监测和健康干预。

更新驱动力主要源于中亚地区高负担的饮食相关NCDs及缺乏标准化饮食评估工具的紧迫需求。

图：餐具示例（A）直径27厘米的圆形盘子；（B）直径23厘米的圆形盘子；（C）15 × 15厘米的方形盘子；（D）茶碗；（E）大汤碗；（F）沙拉碗；（G）小汤碗；（H）250毫升玻璃杯。

虽本研究未直接涉及疾病诊断，但通过准确评估饮食份量，特别是高风险食品如红肉和高热量食品的摄入，有助于识别饮食相关健康风险，辅助风险分层。数字视觉图谱为临床营养师和公共卫生人员提供精确的饮食摄入估计工具，支持基于实际摄入份量的个性化饮食指导和行为干预。

图：为视觉图谱拍摄的食物照片系列示例：（a）小份量；（b）中等份量；（c）大份量

图：数字可视化食物图谱的示例

同时，图谱可结合24小时饮食回忆（24HR）、食物频率问卷（FFQ）等工具，提升数据收集质量。配合移动应用和AI图像识别技术，促进长期饮食行为及NCDs风险的动态监测。图谱设计考虑了中亚多语种和文化多样性，有助于针对不同语言及文化背景的群体开展更精准的营养教育和评估。

专家一致认为，中亚数字视觉食品图谱填补了该地区营养评估的重大空白，是推动区域营养研究和公共卫生政策制定的重要工具。争议点主要在于食品多样性所带来的图谱更新需求及个体饮食差异对标准份量估计的限制。未来需开展消费者验证研究，进一步提升图谱的适用性和准确性。此外，专家呼吁加强多中心合作，定期更新图谱内容，结合营养成分数据库，提升营养分析深度。

原始出处

Omarova, Z.; Nurmanova, B.; Sanatbyek, A.; Varol, H.A.; Chan, M.-Y. Digital Mapping of Central Asian Foods: Towards a Standardized Visual Atlas for Nutritional Research. Nutrients 2025, 17, 3315. https://doi.org/10.3390/nu17213315

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。

Tags： 告别 “估摸着吃”！115 种食品数字化图谱问世，9 大类食物含小中大三种份量