餐厅探索型食客

• 特征：喜欢尝试各地菜系（如川菜、湘菜、东南亚菜），但对“辣度”描述不敏感，常因“微辣”是否过辣而纠结。
• 需求：快速判断菜品真实辣度，避免因“文字描述与实际不符”浪费用餐体验。
• 使用场景：在陌生餐厅看到菜单上的“重辣”“特辣”选项时，拍摄菜品照片获取数据，决定是否点单。
• 价值：用数据化结果替代主观猜测，减少“点错辣度”的概率，节省试错成本。

外卖点餐高频用户

• 特征：日均1-2次外卖，偏好川湘菜系，但无法通过文字描述判断“微辣”是否适合自己。
• 需求：通过图片预览菜品辣度，避免“收到外卖发现过辣”的差评式体验。
• 使用场景：刷外卖平台时，对“微辣麻辣烫”“中辣水煮鱼”等选项犹豫，拍摄商家展示图或用户实拍图，确认辣度后下单。
• 价值：提高外卖选择效率，减少因辣度不适导致的食物浪费和情绪低落。

家庭烹饪爱好者

• 特征：喜欢自制辣味料理（如火锅底料、辣椒油），但对辣椒用量的精准度要求高。
• 需求：通过照片检测现有菜品的辣度，反向调整家庭菜谱中的辣椒配比。
• 使用场景：煮完一锅麻辣香锅后，拍摄成品图，系统分析辣度后，决定是否添加蒜蓉解辣或减少花椒用量。
• 价值：避免“凭感觉加辣椒”导致的味道失衡，让家庭料理更符合个人口味偏好。

辣味挑战爱好者

• 特征：热衷挑战高辣度食物（如死神辣椒、卡罗莱纳死神辣椒制品），追求“辣度等级”的量化对比。
• 需求：通过系统获得Scoville单位数据，与知名高辣菜品（如印度魔鬼椒咖喱）对比，明确自身耐受极限。
• 使用场景：参加“吃辣比赛”前，拍摄参赛菜品（如特辣辣条），确认辣度后制定应对策略（如提前准备牛奶）。
• 价值：用科学数据指导“辣味挑战”，既避免过度刺激肠胃，又能精准提升挑战成就感。

带娃家庭家长

• 特征：有儿童饮食需求，担心餐厅菜品“隐形辣度”（如番茄酱、辣酱中的辣椒成分）。
• 需求：识别菜品中是否含辣椒，判断辣度是否适合儿童食用。
• 使用场景：带孩子在亲子餐厅用餐时，拍摄番茄牛腩或意面，系统分析“无明显辣椒成分，辣度≤500 Scoville单位”，放心让孩子食用。
• 价值：降低儿童饮食安全风险，让家庭聚餐更轻松，避免因“隐形辣”导致孩子不适。

打开应用并授权权限

• 首次使用需允许相机权限（用于拍摄菜品）和存储权限（用于保存辣度结果），确保拍摄时光线充足、背景干净（避免杂物遮挡菜品主体）。
• 操作步骤：点击APP图标→首次进入时弹窗提示“允许访问相机”→点击“允许”→进入主界面，点击“拍摄检测”按钮。

拍摄菜品清晰照片

• 拍摄角度建议：正面特写（展示主要食材和辣椒分布）、侧面俯拍（呈现汤汁/酱料状态），避免逆光或强光直射导致图片模糊。
• 拍摄细节：确保菜品完整入镜（如火锅锅底、整盘川菜），重点展示辣椒、红油、花椒等辣度关键元素，距离控制在30-50厘米内。
• 注意事项：若菜品过暗，可开启手机闪光灯补光；多人用餐时，优先拍摄“单人份”或“典型菜品”（避免多人份菜品辣度不均）。

等待系统AI分析

• 系统需3-5秒完成图像识别，期间屏幕显示“正在分析辣度”动态提示，确保网络连接稳定（建议在WiFi环境下使用，避免数据加载失败）。
• 若识别失败（如图片模糊、菜品无明显辣度特征），可点击“重新拍摄”按钮，调整角度或补充拍摄细节（如辣椒特写）。

查看辣度结果与建议

• 结果页面包含：① 核心数据（Scoville单位范围，如“3000-5000”）；② 对比菜品（如“相当于1个小米辣的辣度”）；③ 适配建议（如“微辣适合新手，中辣适合能接受辣味的用户”）。
• 操作提示：若对结果存疑，可点击“查看更多细节”，系统展示AI识别的关键辣度元素（如“识别到朝天椒、花椒成分”）。

调整辣度选择或反馈

• 若为餐厅点餐：根据结果决定是否选择“微辣”“中辣”或“免辣”，并记录该菜品辣度（后续可查看历史记录对比）。
• 若为家庭烹饪：根据结果调整辣椒/调料用量（如“当前辣度8000，需减少50%花椒用量”），拍摄调整后菜品确认辣度。
• 若结果与实际不符（如“系统提示微辣但实际很辣”），可点击“反馈校准”按钮，上传真实体验描述和高清图片，帮助优化模型。

分享或收藏辣度结果

• 分享功能：支持一键分享至微信/微博，附带上“微辣还是重辣”的检测结果，帮助朋友判断餐厅是否值得推荐。
• 收藏功能：将常用菜品（如“海底捞番茄锅”“外婆家辣子鸡”）的辣度结果收藏，下次点餐时直接查看，避免重复检测。

AI视觉识别技术

• 优势表现：通过深度学习算法精准识别辣椒种类（如小米辣、魔鬼椒）、烹饪方式（如油炸、水煮）及辣油饱和度，相比文字描述准确率提升40%以上。
• 对比其他方案：传统“用户描述辣度”依赖主观经验，而微辣还是重辣通过图像特征量化分析，避免“有人觉得辣有人觉得不辣”的争议。
• 用户价值：解决“文字描述模糊”的痛点，让不同地域、不同味觉敏感度的用户都能获得统一的辣度参考标准。

动态更新的Scoville数据库

• 优势表现：实时同步全球100+菜系的经典辣度菜品数据（如川菜、墨西哥菜、韩国泡菜），每月更新50+新菜品的辣度参数。
• 对比其他方案：普通“辣度对照表”数据陈旧（如仅包含基础辣椒种类），而微辣还是重辣能动态适配网红店、新品菜的辣度变化。
• 用户价值：用户无需记忆复杂的辣度等级表，直接通过系统对比“当前菜品≈XX经典菜”，快速建立辣度认知。

个性化辣度适配模型

• 优势表现：基于用户历史反馈（如“曾反馈XX菜品太辣”）自动调整识别权重，为不同用户生成差异化建议（如“对您来说，微辣=2000 Scoville单位”）。
• 对比其他方案：通用型辣度检测工具无法适配个人耐受度，而微辣还是重辣通过“用户画像+实时反馈”实现精准推荐。
• 用户价值：让“辣度选择”从“一刀切”变为“千人千面”，既避免过度保守（如误判微辣为不辣），也防止过度冒险（如误判重辣为可接受）。

跨场景多端支持

• 优势表现：支持手机APP、小程序、网页版多端使用，用户可在餐厅扫码拍摄、外卖平台截图上传、家庭烹饪时实时检测，数据云端同步。
• 对比其他方案：传统“辣度检测”需依赖固定设备（如专业辣度仪），而微辣还是重辣让用户随时随地通过手机完成检测，无需额外硬件。
• 用户价值：满足“餐厅即时决策”“外卖提前预览”“家庭烹饪调整”等碎片化场景需求，让辣度管理更便捷。

众包式数据校准机制

• 优势表现：用户上传的菜品图片和反馈会自动进入“众包校准库”，系统通过大数据分析持续优化识别模型（如“某地区辣子鸡辣度普遍偏高”）。
• 对比其他方案：单一AI模型依赖初始训练数据，而微辣还是重辣通过用户共创数据，让模型更贴合真实餐饮场景。
• 用户价值：检测结果随用户规模扩大而更精准，新用户也能受益于“前人经验”，形成“数据越用越准”的正向循环。

餐厅点餐决策

• 场景描述：用户在重庆火锅店面对“鸳鸯锅”“九宫格”“微辣/中辣/特辣”选项，不确定“微辣”是否适合自己。
• 使用方式：拍摄锅底特写（含红油、辣椒、花椒），系统识别出“辣度约5000 Scoville单位，相当于3个小米辣”，并提示“适合能接受中辣的新手”。
• 解决问题：避免点餐后发现“微辣=特辣”的踩雷情况，帮助用户根据自身耐受度选择锅底，提升用餐满意度。

外卖辣度预览

• 场景描述：用户在美团刷到“微辣螺蛳粉”，但担心“微辣”名不副实，想确认实际辣度是否符合口味。
• 使用方式：拍摄商家展示图中的螺蛳粉（含红油、酸笋、辣椒油），系统分析后显示“辣度约8000 Scoville单位，相当于1个魔鬼椒”，并建议“可备注‘少辣’”。
• 解决问题：通过图片预判外卖辣度，减少“收到后无法吃”的浪费，同时避免因“微辣”过辣导致的差评。

家庭烹饪辣度调整

• 场景描述：用户自制麻辣香锅时，不确定是否添加“干辣椒+花椒”，担心辣度过高。
• 使用方式：拍摄锅中食材（含辣椒、香料），系统给出“当前辣度约6000 Scoville单位，需减少30%花椒用量”，并建议“搭配牛奶解辣”。
• 解决问题：用数据优化家庭菜谱，避免凭感觉调味导致的味道失衡，让自制美食更符合个人口味。

旅行尝鲜避坑

• 场景描述：用户在长沙旅行，看到某网红店“紫苏桃子姜”，担心“微辣”腌菜是否含辣椒。
• 使用方式：拍摄菜品特写（含姜丝、紫苏叶、红色汤汁），系统识别出“辣度约1500 Scoville单位，含少量小米辣”，提示“可接受度高，适合游客”。
• 解决问题：通过检测规避“看似不辣却含隐形辣椒”的本地特色菜，让旅行饮食更安全、更尽兴。

辣味挑战场景

• 场景描述：用户参加“吃辣比赛”，面对“死神辣条”（商家宣称“超辣”），想确认实际辣度。
• 使用方式：拍摄辣条包装和实物，系统分析显示“辣度约200000 Scoville单位，相当于卡罗莱纳死神辣椒的1.5倍”，并建议“提前准备牛奶和面包”。
• 解决问题：用科学数据明确挑战难度，帮助用户制定策略（如分段食用、搭配解辣物），提升挑战成功率。

儿童饮食安全

• 场景描述：家长带孩子在商场餐厅吃“番茄肉酱意面”，不确定酱料是否含辣椒。
• 使用方式：拍摄意面酱料特写，系统识别出“无明显辣椒成分，辣度≤500 Scoville单位”，确认“适合儿童食用”。
• 解决问题：避免因“隐形辣椒”导致孩子不适，让家长放心带娃用餐，同时节省试错成本。