今日進度 2/14
今天主要針對成分表裡的「食品添加物」做分類，初步分成：香料、防腐劑、乳化劑、色素、其他。
使用者輸入文字內容後，系統就能輸出圓餅圖或其他視覺化的分析結果。
但是！實作之後改動了超多東西的，不停發現盲點... ...
---
食品添加物分類挑戰
一開始我跑去衛福部食藥署查食品添加物，結果竟然有81頁！
總共有17類，包括：
- 防腐劑
- 殺菌劑
- 抗氧化劑
- 漂白劑
- 保濕劑
- 膨脹劑
- 品質改良用劑
- 營養添加劑
- 著色劑
- 香料調味劑
- 甜味劑
- 黏稠劑
- 接著劑
- 食品工業用化學藥品
- 載體
- 乳化劑
- 其他
如果全部17類都畫進圓餅圖，光看就能練出老花眼（汗）。
所以我決定簡化，最後將 ADDITIVE_CATEGORIES 歸納為五種：
- 防腐劑
- 抗氧化劑
- 著色劑
- 香料 / 甜味劑 / 調味劑
- 其他
這樣更直觀，也符合新聞或健康資訊裡最常提到的分類。
---
從圓餅圖到長條圖
本來我想用 Matplotlib 畫圓餅圖，但遇到兩個小麻煩：
1. 繁體中文顯示亂碼。
2. 我希望文字能放在圖裡，但它偏偏要跑到外面。
所以乾脆改成長條圖，還下載了中文字型。
結果就在準備開工的時候──靈光一閃，發現了一個盲點！
成分表是依含量由多到少排列，例如： 【馬鈴薯、棕櫚油、香辛料、糖、調味劑、大豆水解蛋白】
其中「馬鈴薯」才是主角，但它並不是食品添加物。
若我把所有非分類項目丟到「其他」，那「其他」的比例就會膨脹得超大，完全失焦。
---
修正策略：只統計「食品添加物」
✔️ 如果成分能對應到五大類，就算是「被偵測到的添加物」。
✔️ 如果沒有對應到，就視為一般原料（如馬鈴薯、水、糖），直接忽略。
這樣邏輯就清楚多了 ✅
食品添加物長條圖
---
新的思考：為何不改成營養素？
但問題來了：「生成長條圖的意義是什麼？要提醒使用者少吃一點嗎？」
其實食品添加物本來就是加工食品的必要一環，單純數量統計很難直接建議「該不該吃」。
於是我靈機一動：
👉 為什麼不改成視覺化營養素呢？Bingo！🎉
---
第三次調整方向
- 加入性別選項（因為營養素建議攝取量跟性別有關）
- 生理男性基準熱量：依據BMI計算
- 生理女性基準熱量：依據BMI計算
- 蛋白質：生理男性 70g / 生理女性 60g
- 脂肪：佔總熱量 25%
- 碳水化合物：佔總熱量 55%
- 總糖：佔總熱量 10% - BMI對應一日建議熱量
- BMI < 18.5 → 過輕 → 體重 × 35 大卡
- BMI 18.5–24 → 正常 → 體重 × 30 大卡
- BMI ≥ 24 → 過重 → 體重 × 20 大卡 - 新增蛋白質輸入欄位（因為蛋白質對肌肉維持很重要）
---
最終視覺化呈現
依照用戶吃的份量（整包、半包、1/4包）繪製「每日營養素攝取比例」長條圖，顯示「碳水化合物、蛋白質、總脂肪、總糖、總鈉」各自佔每日建議攝取量的百分比。
顏色規則：
- 🔴 蛋白質
- 🟡 碳水化合物
- 🟠 總脂肪
- 🟢 總糖
- 🔵 總鈉
這次直接靠顏色標示，不用再煩惱中文字型啦！
1/4包500克的洋芋片真的是增肥神器...
邊做邊修正，改動超多東西，真是有趣XD
明日進度：
設定 Azure AI Services (或 Azure Cognitive Services for Vision) 的 OCR 服務。撰寫一個簡單的 Python 程式碼，使用一個營養標示圖片進行 OCR 服務呼叫，並印出返回的 JSON 結構，確認服務能正常運作。
加油！！
