أفضل تطبيق لتتبع السعرات الحرارية من خلال الصور في 2026 (تم اختبار الدقة)
قمنا باختبار جميع تطبيقات تتبع السعرات الحرارية بالصور الرئيسية مقابل كميات محددة عبر 10 أنواع من الوجبات. تراوحت الدقة بين 72% و94%. إليك النتائج التفصيلية.
وعد تتبع السعرات الحرارية بالذكاء الاصطناعي من خلال الصور بسيط: وجه هاتفك نحو طبقك، التقط صورة، واحصل على عدد دقيق من السعرات الحرارية في ثوانٍ. لكن الواقع أكثر تعقيدًا. بعد اختبار ستة تطبيقات لتتبع السعرات الحرارية بالذكاء الاصطناعي عبر عشرة أنواع من الوجبات القياسية - حيث تم وزن كل عنصر غذائي على ميزان مطبخ لمقارنة الحقائق - وجدنا أن الدقة تتراوح بين 72% و94% اعتمادًا على التطبيق ونوع الوجبة. التطبيقات الأفضل حقًا جيدة، بينما الأسوأ ليست أفضل بكثير من التخمين.
لقد تحسن تتبع السعرات الحرارية بالذكاء الاصطناعي بشكل كبير في العامين الماضيين. أصبحت نماذج الرؤية الحاسوبية أفضل في التعرف على الأطعمة الفردية على الطبق، وأصبحت خوارزميات تقدير الكميات أكثر تطورًا. لكن ليس جميع التطبيقات قد حافظت على نفس المستوى من التطور. إليك ما وجدناه.
كيف قمنا بالاختبار
قمنا بتحضير عشرة وجبات قياسية، تم وزن كل منها بدقة على ميزان مطبخ معاير. حسبنا "عدد السعرات الحرارية الحقيقي" باستخدام قاعدة بيانات USDA FoodData Central وملصقات التغذية من الشركات المصنعة. ثم قمنا بتصوير كل وجبة باستخدام جميع التطبيقات الستة تحت ظروف إضاءة متسقة (ضوء النهار الطبيعي، زاوية علوية، طبق أبيض على خلفية محايدة).
تم تصوير كل وجبة ثلاث مرات، ونقدم النتائج المتوسطة. يتم التعبير عن الدقة كنسبة مئوية من عدد السعرات الحرارية الحقيقي - 100% تعني دقة مثالية، وأقل من 100% تعني تقديرًا أقل، وأعلى من 100% تعني تقديرًا زائدًا.
الوجبات المختبرة
- فاكهة واحدة: موزة متوسطة (118 جرام) - 105 سعرات حرارية حقيقية
- بروتين بسيط: صدر دجاج مشوي (150 جرام) - 248 سعرات حرارية حقيقية
- طبق أرز: أرز أبيض (200 جرام مطبوخ) + صدر دجاج (120 جرام) + بروكلي مطبوخ (80 جرام) - 478 سعرات حرارية حقيقية
- طبق مكرونة: سباغيتي (180 جرام مطبوخة) + صلصة مارينارا (120 جرام) + بارميزان (15 جرام) - 412 سعرات حرارية حقيقية
- سلطة: خضار مشكلة (100 جرام) + دجاج مشوي (100 جرام) + طماطم كرزية (50 جرام) + صلصة زيت الزيتون (ملعقة كبيرة) - 310 سعرات حرارية حقيقية
- ساندويتش: ساندويتش تركي وجبنة على خبز القمح مع خس وطماطم - 385 سعرات حرارية حقيقية
- طبق مختلط: شريحة سمك السلمون (130 جرام) + كينوا (150 جرام مطبوخة) + خضار مشوية (120 جرام) + زيت الزيتون (ملعقة صغيرة) - 520 سعرات حرارية حقيقية
- وجبة سريعة: شطيرة جبن + بطاطس مقلية متوسطة (من سلسلة معروفة) - 890 سعرات حرارية حقيقية
- فطور: بيضتان مخفوقتان + شريحتان من لحم الخنزير المقدد + شريحة توست مع زبدة - 485 سعرات حرارية حقيقية
- تحلية: شريحة من كعكة الشوكولاتة (120 جرام) - 410 سعرات حرارية حقيقية
نتائج الدقة حسب التطبيق ونوع الوجبة
| الوجبة | السعرات الحقيقية | Nutrola | Cal AI | Foodvisor | SnapCalorie | Bitesnap | Lose It |
|---|---|---|---|---|---|---|---|
| موزة | 105 | 100 (95%) | 110 (105%) | 95 (90%) | 105 (100%) | 90 (86%) | 120 (114%) |
| صدر دجاج | 248 | 240 (97%) | 220 (89%) | 230 (93%) | 200 (81%) | 210 (85%) | 195 (79%) |
| طبق أرز | 478 | 460 (96%) | 430 (90%) | 445 (93%) | 390 (82%) | 410 (86%) | 380 (79%) |
| طبق مكرونة | 412 | 395 (96%) | 380 (92%) | 370 (90%) | 350 (85%) | 340 (83%) | 360 (87%) |
| سلطة | 310 | 290 (94%) | 260 (84%) | 275 (89%) | 240 (77%) | 250 (81%) | 230 (74%) |
| ساندويتش | 385 | 370 (96%) | 350 (91%) | 340 (88%) | 320 (83%) | 300 (78%) | 310 (81%) |
| طبق مختلط | 520 | 490 (94%) | 460 (88%) | 470 (90%) | 420 (81%) | 430 (83%) | 400 (77%) |
| وجبة سريعة | 890 | 870 (98%) | 850 (96%) | 830 (93%) | 810 (91%) | 780 (88%) | 820 (92%) |
| فطور | 485 | 460 (95%) | 440 (91%) | 430 (89%) | 400 (82%) | 410 (85%) | 390 (80%) |
| كعكة الشوكولاتة | 410 | 390 (95%) | 370 (90%) | 360 (88%) | 340 (83%) | 330 (80%) | 350 (85%) |
| متوسط الدقة | 94% | 91% | 90% | 84% | 83% | 83% |
مقارنة السرعة
| التطبيق | متوسط الوقت (من الصورة إلى الإدخال المسجل) | يتطلب تأكيد يدوي | دعم متعدد العناصر |
|---|---|---|---|
| Nutrola | 8 ثوانٍ | نعم (نقرة واحدة) | نعم (يتعرف على جميع العناصر) |
| Cal AI | 14 ثانية | نعم (نقرة واحدة) | نعم (يتعرف على جميع العناصر) |
| Foodvisor | 12 ثانية | نعم (قد يحتاج إلى تعديلات) | نعم |
| SnapCalorie | 10 ثوانٍ | نعم (قد يحتاج إلى تعديلات) | جزئي |
| Bitesnap | 15 ثانية | نعم (غالبًا ما يحتاج إلى تعديلات) | جزئي |
| Lose It Snap It | 18 ثانية | نعم (غالبًا ما يحتاج إلى تعديلات) | محدود |
تحليل مفصل حسب التطبيق
Nutrola — 94% متوسط دقة
حقق Nutrola أعلى دقة عبر جميع أنواع الوجبات. كانت نقاط قوته واضحة بشكل خاص في الوجبات المعقدة متعددة العناصر (أطباق الأرز، الأطباق المختلطة، وجبات الإفطار) حيث تمكن الذكاء الاصطناعي من التعرف بدقة على المكونات الفردية وتقدير الكميات ضمن 5-6% من القيم الموزونة.
يبدو أن ميزة الدقة تأتي من قاعدة بيانات Nutrola الموثوقة التي تحتوي على أكثر من 1.8 مليون إدخال. عندما يتعرف الذكاء الاصطناعي على "صدر دجاج"، فإنه يستخرج بيانات التغذية من إدخال موثوق بدلاً من إدخال مقدم من المستخدم. هذا يقضي على الأخطاء المحتملة التي تعاني منها التطبيقات التي تعتمد على بيانات مقدمة من الجمهور.
كما كان Nutrola الأسرع بين التطبيقات التي تم اختبارها، حيث استغرق متوسط 8 ثوانٍ من التقاط الصورة إلى تسجيل الإدخال. العملية سلسة: التقط الصورة، يتعرف الذكاء الاصطناعي على الأطعمة والكميات، تؤكد بنقرة واحدة، ويتم تسجيل الوجبة. تتوفر تعديلات على الكميات إذا بدا تقدير الذكاء الاصطناعي غير دقيق، لكن في معظم الاختبارات، كان التقدير الأول قريبًا بما يكفي لقبوله دون تغييرات.
بالنسبة للسلطات مع الصلصة، تمكن Nutrola من التعرف على وجود صلصة زيت الزيتون - وهي تفاصيل فاتتها عدة تطبيقات أخرى تمامًا، مما أدى إلى تقديرات أقل بشكل كبير. يمكن أن تضيف الصلصات الزيتية 100-150 سعرة حرارية إلى السلطة، لذا فإن اكتشافها ليس تفصيلًا بسيطًا.
يدعم Nutrola أيضًا تسجيل الصوت في الحالات التي تكون فيها الصور غير عملية، بالإضافة إلى ماسح ضوئي للرموز الشريطية للأطعمة المعبأة. يعمل على نظامي iOS وAndroid، ويتزامن مع Apple Watch، ويكلف 2.50 يورو شهريًا، ولا يحتوي على إعلانات.
Cal AI — 91% متوسط دقة
أدى Cal AI أداءً جيدًا بشكل عام، مع قوة خاصة في العناصر الغذائية السريعة (96% دقة) حيث يستفيد الذكاء الاصطناعي على الأرجح من مجموعة بيانات تدريب كبيرة من كميات مطاعم موحدة. بالنسبة للوجبات المطبوخة في المنزل، انخفضت الدقة إلى نطاق 88-92%.
كانت الضعف الرئيسي هو تقدير الكمية للبروتينات. كان Cal AI يقدر باستمرار كميات صدور الدجاج والأسماك أقل بنسبة 10-15%، مما يتراكم عبر يوم كامل من التتبع. استغرق التطبيق متوسط 14 ثانية لكل صورة - أي ما يقرب من ضعف سرعة Nutrola.
واجهة Cal AI نظيفة، وعملية التسجيل بسيطة. قاعدة بيانات الطعام أصغر من قاعدة Nutrola، لكنها تبدو منظمة بشكل معقول. السعر أعلى بحوالي 10 دولارات شهريًا.
Foodvisor — 90% متوسط دقة
تواجد Foodvisor في مجال الذكاء الاصطناعي للصور لفترة أطول من معظم المنافسين، وتعرفه على الطعام قوي. تمكن التطبيق من التعرف على كل عنصر غذائي في اختباراتنا - دون أي أخطاء في التعرف. حيث تراجع كان في تقدير الكمية، خاصة للأطعمة الكثيفة مثل الأرز والمعكرونة حيث تمثل الاختلافات البصرية الصغيرة اختلافات كبيرة في السعرات الحرارية.
كان Foodvisor أحيانًا يحتاج إلى تعديلات يدوية على الكمية بعد التقدير الأولي للذكاء الاصطناعي، مما أضاف وقتًا. كان متوسط سرعة التسجيل 12 ثانية. يقدم التطبيق تحليلًا غذائيًا مفصلًا بما في ذلك المغذيات الدقيقة، وهو إضافة جميلة. يكلف الاشتراك المتميز حوالي 40 دولارًا سنويًا.
SnapCalorie — 84% متوسط دقة
أظهر SnapCalorie أداءً غير متسق عبر أنواع الوجبات. كانت الوجبات البسيطة ذات العنصر الواحد (موز، صدر دجاج) تُقدّر بشكل معقول، لكن الأطباق المعقدة مع العناصر المتعددة شهدت انخفاضًا في الدقة إلى نطاق 77-85%. كان الذكاء الاصطناعي يواجه صعوبة في التعامل مع الأطعمة المتداخلة - عندما كانت العناصر مرتبة بالقرب من بعضها أو مغطاة جزئيًا، كانت تقديرات الكمية أقل موثوقية.
كان SnapCalorie سريعًا (متوسط 10 ثوانٍ) لكنه غالبًا ما كان يحتاج إلى تصحيحات يدوية مما أضاف وقتًا. كان دعم العناصر المتعددة جزئيًا - بالنسبة للأطباق التي تحتوي على أربعة عناصر أو أكثر، كان الذكاء الاصطناعي أحيانًا يدمج عنصرين أو يفوت عنصرًا بالكامل.
Bitesnap — 83% متوسط دقة
يستخدم Bitesnap نهجًا مختلفًا قليلاً - حيث يتعرف الذكاء الاصطناعي على الأطعمة ولكنه يعتمد بشكل أكبر على تأكيد المستخدم وتعديل الكميات. كان التعرف على الطعام جيدًا (تم التعرف عليه بشكل صحيح في 9 من 10 وجبات)، لكن تقديرات الكمية الأولية كانت غالبًا أقل بنسبة 15-20% من القيم الحقيقية.
يبدو أن التطبيق يتبنى تقديرات محافظة، وهو ما قد يفضله بعض المستخدمين (تقدير السعرات الحرارية أقل قد يكون أفضل من تقديرها بشكل زائد لفقدان الوزن)، لكنه يقلل من فائدة ميزة الصورة للتتبع الدقيق. استغرق التسجيل متوسط 15 ثانية بسبب الحاجة المتكررة للتعديلات اليدوية.
Lose It Snap It — 83% متوسط دقة
تتميز ميزة Snap It في Lose It بالتكامل في تطبيق Lose It الأوسع لتتبع السعرات الحرارية. الذكاء الاصطناعي للصور ليس الميزة الأساسية لـ Lose It - بل هو إضافة إلى نظام التتبع اليدوي الخاص به. تعكس الدقة ذلك: كان التعرف على الطعام صحيحًا للعناصر الشائعة لكنه واجه صعوبة مع الأطباق المختلطة، وكانت تقديرات الكمية الأقل دقة في اختباراتنا.
يعمل Snap It بشكل أفضل مع الصور ذات العنصر الواحد (قطعة فاكهة، وعاء من الحبوب) وأقل موثوقية للأطباق المعقدة. كان متوسط وقت التسجيل 18 ثانية، وهو الأبطأ في مقارنتنا. تكمن قوة Lose It في نظام التتبع الأوسع بدلاً من ميزته الخاصة بالصور.
ما الذي يجعل الذكاء الاصطناعي للصور دقيقًا (أو لا)
التعرف على الطعام
الخطوة الأولى هي التعرف على ما هو موجود على الطبق. تم تدريب نماذج الرؤية الحاسوبية الحديثة على ملايين الصور الغذائية ويمكنها التعرف على مئات فئات الطعام. جميع التطبيقات الستة تمكنت من التعرف على الأطعمة الشائعة مثل الدجاج والأرز والمعكرونة. ظهرت الاختلافات مع العناصر الأقل شيوعًا، والأطباق المختلطة، والأطعمة التي تبدو متشابهة (هل هي كينوا أم كسكس؟).
تقدير الكمية
هنا تحدث أكبر اختلافات في الدقة. تقدير الوزن من صورة ثنائية الأبعاد يمثل تحديًا جوهريًا لأن الصور تضغط معلومات العمق. قطعة دجاج مسطحة وقطعة دجاج سميكة تبدو متشابهة من الأعلى ولكنها تزن بشكل مختلف تمامًا.
تستخدم أفضل التطبيقات إشارات متعددة: حجم الطبق كمرجع، تحليل الظل والعمق، نماذج إحصائية لأحجام الحصص النموذجية، وتوحيد الكميات المدعوم بقاعدة بيانات. يبدو أن تكامل Nutrola مع قاعدة بياناتها الموثوقة يساعد - عندما يتعرف الذكاء الاصطناعي على "صدر دجاج مشوي"، فإنه يتحقق من البيانات القياسية لتحسين التقدير.
جودة قاعدة البيانات
تعتمد دقة الذكاء الاصطناعي للصور على كل من التعرف البصري وجودة قاعدة البيانات. إذا تعرف الذكاء الاصطناعي على صدر دجاج بشكل صحيح وقدر 150 جرامًا، لكن إدخال قاعدة البيانات لصدور الدجاج يحتوي على سعرات حرارية غير صحيحة لكل جرام، فإن النتيجة النهائية ستكون خاطئة. التطبيقات التي تحتوي على قواعد بيانات موثوقة (Nutrola، Foodvisor) تقضي على هذا المصدر من الأخطاء.
التعرف على طريقة الطهي
هل يعرف الذكاء الاصطناعي الفرق بين الدجاج المشوي والمقلي؟ هذا مهم لأن طريقة الطهي تؤثر بشكل كبير على كثافة السعرات الحرارية. يحتوي الدجاج المقلي على ضعف السعرات الحرارية تقريبًا مقارنة بالدجاج المشوي لكل جرام. تستخدم أفضل أنظمة الذكاء الاصطناعي للصور إشارات بصرية (أنماط التحميص، اللمعان الظاهر للزيت، التغليف) لاستنتاج طرق الطهي. أظهرت Nutrola وFoodvisor أدلة على اكتشاف طريقة الطهي في اختباراتنا.
هل دقة 94% كافية؟
أظهرت أبحاث من مجلة الإنترنت الطبية (2018) أن دقة تتبع السعرات الحرارية ضمن 20% من المدخول الفعلي كافية لتحقيق فقدان وزن ملحوظ عند الحفاظ عليها بشكل مستمر. وفقًا لهذا المعيار، تلبي جميع التطبيقات الستة العتبة - حتى الأقل دقة بنسبة 83% تقع ضمن هامش 20%.
ومع ذلك، تتراكم اختلافات الدقة مع مرور الوقت. يعني فرق دقة 6% بين 94% (Nutrola) و88% (عدة منافسين) حوالي 120-150 سعرة حرارية يوميًا على نظام غذائي يحتوي على 2000 سعرة حرارية. على مدار شهر، يمثل ذلك 3600-4500 سعرة حرارية من خطأ التتبع - وهو ما يكفي لتمثيل حوالي 0.5 كجم من تغيير الوزن غير المحسوب.
بالنسبة للوعي الصحي العادي، توفر أي من هذه التطبيقات تعليقات مفيدة. ولكن بالنسبة للتتبع الموجه نحو الأهداف حيث تكون الدقة مهمة - مثل فقدان الوزن، وبناء العضلات، والعلاج الغذائي الطبي - فإن الخيار الأكثر دقة يوفر ميزة ملحوظة.
نصائح للحصول على نتائج أفضل من الذكاء الاصطناعي للصور
استخدم إضاءة جيدة. ينتج ضوء النهار الطبيعي أفضل النتائج. تقلل الإضاءة الخافتة وإضاءة الفلورسنت القاسية من الدقة لأن الظلال تخفي أشكال الطعام وكمياته.
التقط الصورة من مباشرة فوق. توفر زاوية علوية (من أعلى) أفضل رؤية للذكاء الاصطناعي لجميع العناصر على الطبق. تؤدي اللقطات المائلة إلى تشويه المنظور مما يجعل تقدير الكمية أكثر صعوبة.
استخدم طبقًا بحجم قياسي. يستخدم الذكاء الاصطناعي الطبق كمرجع للحجم. تجعل الأطباق الكبيرة الكميات تبدو أصغر وقد تؤدي إلى تقديرات أقل. تنتج الأطباق القياسية بحجم 10 بوصات أفضل النتائج.
افصل الأطعمة المتداخلة. إذا كان ذلك ممكنًا، رتب الأطعمة بحيث لا تكون مكدسة أو متداخلة. يقدر الذكاء الاصطناعي الكميات بشكل أكثر دقة عندما يمكنه رؤية الامتداد الكامل لكل عنصر غذائي.
أضف العناصر التي يصعب رؤيتها. الزيوت، والصلصات، والمواد التي يتم امتصاصها في الطعام أو المخفية تحت عناصر أخرى يصعب على الذكاء الاصطناعي اكتشافها. ضع في اعتبارك تسجيل هذه العناصر بشكل منفصل باستخدام ميزة الإدخال اليدوي أو تسجيل الصوت.
توصيتنا
Nutrola هو أكثر تطبيقات تتبع السعرات الحرارية بالذكاء الاصطناعي دقة وسرعة المتاحة في 2026. مع دقة متوسطة تبلغ 94% عبر جميع أنواع الوجبات وسرعة تسجيل تبلغ ثماني ثوانٍ، فإنه يوفر أفضل مزيج من الدقة والراحة. تضمن قاعدة البيانات الموثوقة التي تحتوي على أكثر من 1.8 مليون غذاء أن التعرف البصري الدقيق يترجم إلى بيانات غذائية دقيقة. يتم تكملة الذكاء الاصطناعي للصور بتسجيل الصوت وماسح الرموز الشريطية للحالات التي تكون فيها الصور غير عملية.
بسعر 2.50 يورو شهريًا بدون إعلانات، يعد Nutrola أيضًا الخيار الأكثر فعالية من حيث التكلفة. يعمل على نظامي iOS وAndroid ويتزامن مع Apple Watch لتتبع صحي شامل.
بالنسبة للمستخدمين الذين يرغبون في بديل، يقدم Cal AI وFoodvisor كلاهما دقة تزيد عن 90% وهما متتبعان جيدان للصور، على الرغم من كونهما أبطأ وأكثر تكلفة من Nutrola.
الأسئلة الشائعة
ما مدى دقة تتبع السعرات الحرارية بالذكاء الاصطناعي حقًا؟
في اختباراتنا المنضبطة، حقق أكثر تطبيقات الذكاء الاصطناعي دقة (Nutrola) دقة تبلغ 94% في المتوسط عبر عشرة أنواع من الوجبات، مقارنة بالأطعمة الموزونة مع بيانات التغذية من USDA كمرجع. كان أقل التطبيقات دقة متوسطه 83%. تختلف الدقة حسب تعقيد الوجبة - حيث يتم تتبع الوجبات البسيطة ذات العنصر الواحد بدقة أكبر من الأطباق المعقدة المختلطة.
هل يمكن للذكاء الاصطناعي اكتشاف الزيوت والسعرات الحرارية المخفية؟
يمكن لأفضل تطبيقات الذكاء الاصطناعي للصور اكتشاف الزيوت المرئية على أسطح الطعام، واللمعان الدهني على الصلصات، والتغليف المقلي. ومع ذلك، فإن الزيوت التي يتم امتصاصها في الطعام أثناء الطهي تكون في الغالب غير مرئية وصعبة على أي نظام بصري اكتشافها. لتحقيق أقصى قدر من الدقة، قم بتسجيل الزيوت المخلوطة والدهون المخفية بشكل منفصل.
هل تؤثر الإضاءة أو زاوية الصورة على الدقة؟
نعم، بشكل كبير. ينتج ضوء النهار الطبيعي من الأعلى أفضل النتائج. تقلل الإضاءة الخافتة، والظلال القاسية، واللقطات المائلة من الدقة لأنهم يخفون كميات الطعام ويجعلون تقدير الكمية أكثر صعوبة. للحصول على أفضل النتائج، قم بتصوير طعامك من مباشرة فوق في إضاءة جيدة.
هل الذكاء الاصطناعي دقيق بما يكفي لفقدان الوزن؟
نعم. تثبت الأبحاث أن تتبع السعرات الحرارية ضمن 20% من المدخول الفعلي كافٍ لتحقيق فقدان وزن ملحوظ عند تتبعه بشكل مستمر. التطبيقات الأفضل للذكاء الاصطناعي (94% دقة) تقع ضمن هذا العتبة. الفكرة الرئيسية من الأبحاث هي أن التتبع التقريبي المستمر يتفوق على التتبع الدقيق غير المتسق - وسرعة الذكاء الاصطناعي (8 ثوانٍ) تعزز من الاتساق.
هل يمكنني استخدام الذكاء الاصطناعي للصور في كل وجبة؟
يعمل الذكاء الاصطناعي للصور بشكل أفضل مع الوجبات المصفوفة التي تحتوي على أطعمة مرئية وقابلة للتعرف. يكون أقل موثوقية للأطعمة في حاويات غير شفافة، والحساء حيث تكون المكونات مغمورة، والسموذي حيث لا تكون المكونات الفردية مرئية. في هذه الحالات، استخدم تسجيل الصوت أو الإدخال اليدوي كبدائل. يجد معظم الناس أن الذكاء الاصطناعي للصور يغطي 70-80% من وجباتهم، بينما تتعامل ميزات الصوت أو الإدخال اليدوي مع الباقي.
مستعد لتحويل تتبع تغذيتك؟
انضم إلى الآلاف الذين حولوا رحلتهم الصحية مع Nutrola!
