食物是人类生存所必需的，人们总是尝试品尝不同类型的美味食谱。通常，人们甚至不知道他们的名字就选择食品配料，或者从杂货店挑选一些他们不明显的食品配料。了解可以混合哪些成分来制作美味的食物食谱至关重要。通过选择配料表来选择正确的食谱对于初学者来说是非常困难的。然而，即使对于专家来说，这也可能是个问题。一个这样的例子是通过图像处理识别物体。虽然由于食物成分不同，这个过程很复杂，但传统的方法会导致不准确率。这些问题可以通过机器学习和深度学习方法来解决。在本文中，我们实施了一个食品成分识别模型，并设计了一种算法，用于根据识别的成分推荐食谱。我们制作了一个自定义数据集，其中包含属于 32 种不同食品成分类别的 9856 张图像。卷积神经网络 (CNN) 模型用于识别食品成分，对于食谱推荐，我们使用了机器学习。我们达到了 94% 的准确率，这令人印象深刻。