该数据可应用于携带图像识别能力的烹饪设备、手机或大模型、软件等软硬件制造开发企业。通过测试不同大模型对图片上食材热量的识别准确度，对比图片上食材的热量实际值和测试值的偏差，分析相应设备或者软件图像识别能力，可将这些数据喂至企业自身大模型，应用于图像识别能力的大模型或AI工具的能力训练。
1、根据中国营养协会公布的食材热量表，计算不同实验的食物实际热量值Q1：Q1=m1/100*q（单位 kcal）；q是食物对应每百克热量（单位：kcal），查表可获得；m1是实验食物的实际重量m1。 2、将实验中食物进行拍照，进而将带有食物的图片发送给不同的大模型/agent，大模型/agent对于图片中食物种类、食物识别数量、食物识别重量m2进行识别判定，同时给出该图片上食物的测试测试值Q2。计算大模型/agent热量识别过程中的食物对应每百克热量q1（单位：kcal）：q1=100*Q2/m2。记录大模型/agent对图片中食物种类识别是否准确(输出的名称能基本吻合，如戚风蛋糕、海绵蛋糕能识别成蛋糕)。 3、计算大模型/agent对图片中食物重量识别准确率A：食物重量识别准确率A=m2-m1/m1；进而判断重量识别是否准确。若|A|≤50%，则该组数据对应的“重量识别是否准确结果”为“是”；若|A|>50%，则该组数据对应的“重量识别是否准确的结果”为“否”。
| 字段名 | 类型 | 描述 |
|---|---|---|
序号 |
-- | -- |
食物种类 |
-- | -- |
食材数量 |
-- | -- |
摄像头参数 |
-- | -- |
实际重量m1/g |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 序号 | 1 |
| 食物种类 | 枇杷 |
| 食材数量 | 5个 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/5126300