ما مدى موثوقية تقدير الحصص الغذائية بواسطة Cal AI؟ تدقيق الوزن المقاس مقابل تقديرات الذكاء الاصطناعي

تطبيق Cal AI هو تطبيق لتتبع السعرات الحرارية يعتمد على الصور، يستخدم رؤية الكمبيوتر لتقدير حصص الطعام والسعرات الحرارية من خلال الصور. يعد التطبيق بإمكانية تخطي وزن وقياس الطعام تمامًا — فقط قم بالتقاط صورة لطبقك، وسيتولى الذكاء الاصطناعي الباقي. إنها فكرة جذابة تزيل الجزء الأكثر مللًا من تتبع السعرات الحرارية. لكن هذا يعتمد على حل مشكلة أساسية في رؤية الكمبيوتر: تقدير الحجم والوزن ثلاثي الأبعاد لجسم ما من صورة ثنائية الأبعاد.

تعني موثوقية تقدير الحصص أن الوزن أو الحجم المقدر بواسطة الذكاء الاصطناعي يتطابق عن كثب مع الكمية المقاسة فعليًا. كما تعني الثبات — يجب أن تؤدي تصوير نفس الطعام عدة مرات إلى نفس التقدير في كل مرة. اختبرنا كلا البعدين من خلال وزن 20 نوعًا من الطعام على ميزان مطبخ معاير، وتصويرها عبر Cal AI، ومقارنة النتائج.

المشكلة الأساسية: تقدير الأبعاد الثلاثية من صورة ثنائية الأبعاد

قبل فحص نتائج الاختبار، من المهم فهم سبب صعوبة هذه المشكلة بطبيعتها. الصورة تضغط الأبعاد الثلاثة إلى بعدين. معلومات العمق والارتفاع والحجم تُفقد جزئيًا. كومة من الأرز بارتفاع 3 سنتيمترات تبدو متطابقة في الصورة مع كومة بارتفاع 2 سنتيمتر إذا كان زاوية الكاميرا تضغط الفارق.

يجب على الذكاء الاصطناعي استنتاج البعد المفقود من الأدلة السياقية: حجم الطبق، الظل الذي تلقيه الطعام، النسب النسبية للأجسام المعروفة في الإطار، ومطابقة الأنماط مع بيانات التدريب. كل خطوة من خطوات الاستنتاج هذه تُدخل خطأ محتملاً. وجدت دراسة نُشرت في المجلة الدولية لعلوم الأغذية والتغذية (2021) أن حتى أخصائيي التغذية المدربين الذين يقدرون الحصص من الصور حققوا دقة تتراوح بين 50-70%، مما يشير إلى أن تقدير الحصص بصريًا غير دقيق بطبيعته سواء قام به إنسان أو ذكاء اصطناعي.

هذه ليست انتقادات لـ Cal AI بشكل خاص. إنها التحدي الأساسي الذي يواجه أي نظام تقدير حصص يعتمد على الصور. السؤال هو كم من الخطأ ينتج عن هذا القيد الأساسي في الممارسة العملية وما إذا كان هذا الخطأ صغيرًا بما يكفي لجعل بيانات السعرات الحرارية مفيدة.

منهجية الاختبار: الوزن المقاس مقابل تقدير Cal AI

اخترنا 20 نوعًا من الطعام تغطي ست فئات: العناصر الموحدة (شكل وحجم متوقعين)، المواد الصلبة غير المنتظمة (شكل متغير)، الأطعمة المكدسة أو المجمعة، السوائل، الأطعمة في حاويات، والوجبات المتعددة المكونات. تم وزن كل طعام على ميزان مطبخ معاير بدقة تصل إلى 1 جرام.

ثم تم وضع كل طعام على طبق عشاء أبيض قياسي بقطر 26 سنتيمتر (ما لم يُذكر خلاف ذلك) والتقطت له صورة عبر Cal AI من زاوية 45 درجة على بعد حوالي 30 سنتيمتر. قمنا بتسجيل حجم الحصة المقدرة وعدد السعرات الحرارية بواسطة Cal AI، ثم حسبنا الانحراف عن القيم المقاسة فعليًا.

دقة تقدير الحصص: تقدير Cal AI مقابل الوزن الفعلي

نتائج اختبار الموثوقية الكاملة

الطعام	الوزن الفعلي	تقدير Cal AI	انحراف الوزن	نسبة الانحراف	السعرات الحرارية الفعلية	سعرات Cal AI	تأثير السعرات
شريحة خبز	38 جرام	40 جرام	+2 جرام	+5.3%	95	100	+5
بيضة كبيرة، مسلوقة	50 جرام	50 جرام	0 جرام	0.0%	78	78	0
بار بروتين (غير مغلف)	60 جرام	55 جرام	-5 جرام	-8.3%	210	193	-17
صدر دجاج، مشوي	174 جرام	140 جرام	-34 جرام	-19.5%	287	231	-56
شريحة لحم، مشوية	225 جرام	175 جرام	-50 جرام	-22.2%	573	446	-127
شريحة سمك السلمون، مخبوزة	168 جرام	145 جرام	-23 جرام	-13.7%	349	302	-47
أرز أبيض مطبوخ	210 جرام	180 جرام	-30 جرام	-14.3%	232	199	-33
مكرونة مطبوخة	240 جرام	195 جرام	-45 جرام	-18.8%	374	304	-70
بطاطس مهروسة	200 جرام	160 جرام	-40 جرام	-20.0%	224	179	-45
سلطة خضراء مختلطة	120 جرام	95 جرام	-25 جرام	-20.8%	19	15	-4
عصير برتقال في كوب	250 مل	200 مل	-50 مل	-20.0%	112	90	-22
قهوة بالحليب في كوب	350 مل	250 مل	-100 مل	-28.6%	58	41	-17
حساء في وعاء	400 مل	300 مل	-100 مل	-25.0%	160	120	-40
لوز في وعاء صغير	35 جرام	28 جرام	-7 جرام	-20.0%	204	163	-41
مزيج المكسرات في وعاء	55 جرام	42 جرام	-13 جرام	-23.6%	264	201	-63
زبادي في حاوية	170 جرام	150 جرام	-20 جرام	-11.8%	100	88	-12
تفاحة، كاملة	182 جرام	170 جرام	-12 جرام	-6.6%	95	89	-6
نصف أفوكادو	68 جرام	75 جرام	+7 جرام	+10.3%	109	120	+11
زبدة الفول السوداني على الخبز المحمص	18 جرام (PB فقط)	12 جرام	-6 جرام	-33.3%	105	70	-35
طبق دجاج + أرز + بروكلي	440 جرام إجمالي	365 جرام إجمالي	-75 جرام	-17.0%	542	450	-92

إحصائيات ملخصة:

• متوسط الانحراف المطلق: 16.9%
• الوسيط: 19.2%
• انحراف التقدير: 18 من 20 نوعًا من الطعام كانت تقديراتها أقل من الوزن الفعلي
• متوسط تأثير السعرات: 37 سعرة حرارية لكل عنصر غذائي
• الأطعمة ضمن دقة 10%: 5 من 20 (25%)
• الأطعمة التي تجاوزت نسبة الانحراف 20%: 8 من 20 (40%)

تظهر النتائج نمطًا واضحًا ومتسقًا. لقد قلل Cal AI من تقديرات حجم الحصص في 18 من 20 نوعًا من الطعام المختبر. كان متوسط الانحراف 16.9%، لكن هذا المتوسط يخفي شدة الانحراف في فئات معينة. أظهرت اللحوم غير المنتظمة (صدر الدجاج، شريحة اللحم) انحرافًا يتراوح بين 19-22%. الأطعمة المكدسة (الأرز، المكرونة، البطاطس المهروسة) أظهرت انحرافًا يتراوح بين 14-20%. السوائل أظهرت انحرافًا يتراوح بين 20-29%.

أين يكون تقدير الحصص موثوقًا

كانت تقديرات Cal AI الأكثر دقة للأطعمة ذات الأشكال المتناسقة والمتوقعة والأحجام القياسية.

العناصر الموحدة

شريحة من الخبز، بيضة مسلوقة، وتفاحة كلها تقع ضمن 5-10% من الوزن الفعلي. هذه الأطعمة لها أشكال ثابتة يتم التقاطها جيدًا في بيانات تدريب الذكاء الاصطناعي. شريحة الخبز لها سمك وأبعاد متشابهة بغض النظر عن العلامة التجارية. البيضة الكبيرة هي بيضة كبيرة. تشمل بيانات تدريب الذكاء الاصطناعي آلاف الصور لهذه العناصر، وتجعل هندستها المتوقعة تقدير العمق أقل أهمية.

العناصر المعبأة القياسية

تم تقدير بار البروتين، على الرغم من عدم تغليفه، ضمن 8.3% من الوزن الفعلي. شكله المستطيل وأبعاده القياسية تجعله متوقعًا بصريًا. الأطعمة ذات الأشكال الهندسية المنتظمة تفوقت باستمرار على الأطعمة غير المنتظمة في اختباراتنا.

العامل المشترك هو أن هذه الأطعمة لديها تنوع منخفض في الشكل. عندما ترى شريحة خبز واحدة، فقد رأيت أساسًا جميع الشرائح. يمكن للذكاء الاصطناعي الاعتماد على الأبعاد النموذجية التي تم حفظها بدلاً من استنتاج الأبعاد من الأدلة السياقية.

أين يكون تقدير الحصص غير موثوق

الأشكال غير المنتظمة: مشكلة شريحة اللحم والدجاج

تم تقدير شريحة اللحم المشوية بأقل من 22.2%، مما أدى إلى خطأ قدره 127 سعرة حرارية لعنصر غذائي واحد. تم تقدير صدر الدجاج بأقل من 19.5%، وهو خطأ قدره 56 سعرة حرارية. هذه من بين الأطعمة الأكثر شيوعًا التي يسجلها الأشخاص الذين يتتبعون تناول البروتين.

الأشكال غير المنتظمة صعبة لأن السمك يختلف عبر الطعام. يتناقص سمك صدر الدجاج من مركز سميك إلى حواف رقيقة. من صورة مأخوذة من الأعلى أو بزاوية، يلتقط الذكاء الاصطناعي المساحة السطحية لكنه يقدر السمك في المركز بشكل أقل. النتيجة هي تقليل منهجي يؤثر على البروتينات ذات السعرات الحرارية العالية — بالضبط الأطعمة التي تكون الدقة فيها أكثر أهمية لتتبع المغذيات.

الأطعمة المكدسة: الأرز، المكرونة، والبطاطس

تم تقدير الأرز المطبوخ، المكرونة، والبطاطس المهروسة بأقل من 14-20%. هذه الأطعمة تتكدس بارتفاع كبير قد تضغطه الصورة الثنائية الأبعاد. قد تكون حصة الأرز على الطبق بارتفاع 4 سنتيمترات في القمة، لكن الصورة الملتقطة بزاوية 45 درجة تضغطها إلى ما يبدو أنه طبقة أرق بكثير.

تسرد قاعدة بيانات USDA FoodData Central الأرز الأبيض المطبوخ بـ 130 سعرة حرارية لكل كوب (186 جرام). تعني تقديرات أقل بنسبة 14.3% على حصة 210 جرام فقدان 33 سعرة حرارية — ومعظم الناس يتناولون الأرز كجزء من وجبة أكبر. تتراكم الأخطاء عبر كل طعام مكدس على الطبق.

السوائل: مشكلة الحجم غير المرئي

كانت السوائل هي الفئة الأقل دقة، مع انحرافات تتراوح بين 20-29%. تم تقدير كوب من عصير البرتقال بأقل من 20%. تم تقدير القهوة بالحليب في كوب بأقل من 28.6%. تم تقدير الحساء في وعاء بأقل من 25%.

المشكلة بسيطة: يمكن للذكاء الاصطناعي رؤية سطح السائل لكنه لا يمكنه تحديد عمق الحاوية. يمكن أن يقدم وعاء واسع وضحل ووعاء ضيق وعميق أسطحًا متطابقة في الصورة بينما يحملان أحجامًا مختلفة تمامًا. بدون معرفة أبعاد الحاوية، فإن تقدير حجم الذكاء الاصطناعي هو في الأساس تخمين.

مشكلة الزاوية: نفس الطعام، تقديرات مختلفة

بعيدًا عن اختبار دقة كل طعام، قمنا بالتحقيق فيما إذا كان Cal AI ينتج تقديرات متسقة عندما يتم تصوير نفس الطعام من زوايا مختلفة.

اختبار تناسق الزاوية: صدر دجاج مشوي (174 جرام فعلي)

زاوية الصورة	تقدير Cal AI	الانحراف عن الفعلي
45 درجة (قياسي)	140 جرام	-19.5%
مباشرة من الأعلى (90 درجة)	155 جرام	-10.9%
زاوية منخفضة (20 درجة)	125 جرام	-28.2%
زاوية جانبية (10 درجات)	110 جرام	-36.8%

أنتج نفس صدر الدجاج الذي يزن 174 جرام تقديرات تتراوح من 110 جرام إلى 155 جرام حسب زاوية الكاميرا — بفارق 45 جرام. كانت الزاوية العلوية هي الأكثر دقة لأنها تلتقط المساحة السطحية الكاملة، لكن حتى هذه كانت خاطئة تقريبًا بنسبة 11%. الزوايا المنخفضة والجانبية قدرت الحصة بشكل كبير لأنها ضغطت ارتفاع وعمق الطعام بشكل متزايد.

هذا يعني أن عدد السعرات الحرارية الذي يحصل عليه المستخدم يتحدد جزئيًا بكيفية حمله لهاتفه، وليس فقط بما يأكله. المستخدم الذي يلتقط صور الطعام بزاوية منخفضة سيقلل من السعرات بشكل متسق مقارنةً بالمستخدم الذي يلتقط الصور من الأعلى.

وهم حجم الطبق: نفس الحصة، أطباق مختلفة

اختبرنا ما إذا كان حجم الطبق يؤثر على تقدير Cal AI للحصة من خلال وضع 200 جرام من المكرونة المطبوخة على ثلاثة أطباق مختلفة.

اختبار حجم الطبق: 200 جرام مكرونة مطبوخة

قطر الطبق	تقدير Cal AI	الانحراف
20 سم (طبق صغير)	225 جرام	+12.5%
26 سم (طبق قياسي)	195 جرام	-2.5%
32 سم (طبق كبير)	155 جرام	-22.5%

تم تقدير نفس 200 جرام من المكرونة بـ 225 جرام على طبق صغير و155 جرام على طبق كبير — بفارق 70 جرام بناءً فقط على حجم الطبق. هذا هو وهم ديلبو، وهو تحيز إدراكي موثق جيدًا حيث تبدو الأشياء أكبر عندما تكون محاطة بإطار صغير وأصغر عندما تكون محاطة بإطار كبير. لقد تعلم الذكاء الاصطناعي نفس التحيز من بيانات التدريب الخاصة به، والتي تتكون من صور الطعام حيث يرتبط حجم الطبق بحجم الحصة المدركة.

بالنسبة للمستخدمين الذين يأكلون من أطباق مطاعم كبيرة أو أوعية تقديم، يعني ذلك أن Cal AI سيقلل بشكل منهجي من تقديرات حصصهم. بالنسبة للمستخدمين الذين يأكلون من أطباق حلوى صغيرة، سيبالغ التطبيق في تقدير الحصص. لا يحصل أي من المجموعتين على عدد دقيق لما تناولوه فعليًا.

اختبار التناسق: نفس الطعام، خمس صور

قمنا بتصوير حصة واحدة من صدر الدجاج المشوي مع الأرز والبروكلي (542 سعرة حرارية فعلية) خمس مرات على التوالي، مع تعديل زاوية الهاتف قليلاً في كل مرة.

اختبار تناسق خمس صور

رقم الصورة	السعرات الحرارية الإجمالية لـ Cal AI	الانحراف عن الفعلي
1	450	-17.0%
2	478	-11.8%
3	435	-19.7%
4	462	-14.8%
5	448	-17.3%

أنتجت خمس صور لنفس الوجبة تقديرات مختلفة للسعرات الحرارية، تتراوح من 435 إلى 478 — بفارق 43 سعرة حرارية. كان المتوسط 455 سعرة حرارية، مما يقلل من 542 سعرة حرارية الفعلية بنسبة 16.1%. لم تنتج أي صورة نتيجة ضمن 10% من محتوى السعرات الفعلي.

تظهر هذه التجربة مشكلات الدقة والتناسق في آن واحد. التقديرات منخفضة بشكل متسق (فشل دقة)، وتتفاوت عبر صور الطعام المتطابقة (فشل التناسق). يحصل المستخدم الذي يسجل هذه الوجبة على رقم مختلف اعتمادًا على أي من الصور الخمس التي يلتقطها.

كيف تتراكم الأخطاء اليومية

تتوسط الأخطاء الفردية لكل طعام في اختباراتنا 37 سعرة حرارية. يبدو أن هذا صغير حتى تأخذ في الاعتبار أن اليوم النموذجي يتضمن تسجيل 10 إلى 15 عنصرًا غذائيًا عبر ثلاث وجبات ووجبات خفيفة.

سيناريو التراكم اليومي

الوجبة	الأطعمة المسجلة	السعرات الفعلية	إجمالي Cal AI	الخطأ التراكمي
الإفطار (دقيق الشوفان، موز، زبدة الفول السوداني)	3 عناصر	445	385	-60
الغداء (دجاج، أرز، خضروات)	3 عناصر	542	450	-92
وجبة خفيفة (لوز، زبادي)	2 عنصر	304	251	-53
العشاء (شريحة لحم، بطاطس مهروسة، سلطة)	3 عناصر	816	640	-176
الإجمالي اليومي	11 عنصر	2,107	1,726	-381

نقص يومي قدره 381 سعرة حرارية. هذا يمثل 18.1% من إجمالي المدخول — عجز لا وجود له. المستخدم الذي يخطط لعجز يومي قدره 500 سعرة حرارية لفقدان الوزن يكون في الواقع في عجز قدره 119 سعرة حرارية بعد احتساب انحراف تقدير Cal AI. بمعدل كهذا، يصبح فقدان الوزن المخطط له بمقدار 1 رطل في الأسبوع 0.24 رطل في الأسبوع. شهر من تتبع دقيق ينتج أسبوعًا واحدًا من النتائج المتوقعة، وليس لدى المستخدم أي وسيلة لمعرفة السبب.

أظهرت الأبحاث المنشورة في المجلة الأمريكية للتغذية السريرية أن التقليل من تقدير تناول الطعام هو الاتجاه الأكثر شيوعًا للخطأ في تقييم النظام الغذائي، وأن أنظمة الذكاء الاصطناعي المدربة على بيانات مصنفة من قبل البشر ترث هذا التحيز.

كيف تتعامل Nutrola مع تقدير الحصص بشكل مختلف

تتمثل نهج Nutrola في مشكلة تقدير الحصص في اعتبار الذكاء الاصطناعي للصور كنقطة انطلاق، وليس كإجابة نهائية. يحدد تطبيق التعرف على الصور الأطعمة ويربطها بقاعدة بيانات موثوقة من قبل أخصائيي التغذية تحتوي على أكثر من 1.8 مليون إدخال، مما يحدد قيم السعرات الحرارية بدقة لكل جرام. لكن بدلاً من الاعتماد فقط على الذكاء الاصطناعي لتخمين حجم الحصة، توفر Nutrola طبقة تصحيح صوتي.

بعد تصوير وجبتك، يمكنك أن تقول "في الواقع كانت حوالي 200 جرام من الدجاج" أو "كان الأرز حوالي كوب واحد." يتم تحديث الإدخال على الفور بناءً على البيانات الغذائية الموثوقة لكل جرام. يستغرق ذلك ثوانٍ — أسرع من البحث اليدوي — ويحل القيد الأساسي الذي لا يمكن لأي ذكاء اصطناعي تقدير الحجم ثلاثي الأبعاد بدقة من صورة ثنائية الأبعاد.

تعد قاعدة البيانات الموثوقة هي الفارق الحاسم. حتى عندما يكون تقدير الحصص مثاليًا، فإن عدد السعرات الحرارية يعتمد فقط على دقة البيانات الغذائية التي يشير إليها. تحتوي قاعدة بيانات Nutrola على إدخال موثوق واحد لكل طعام، مأخوذ من بيانات موثوقة من قبل أخصائيي التغذية، دون تكرارات أو إدخالات متضاربة من مصادر جماعية. ينتج الجمع بين التعرف على الصور، وتصحيح الصوت للحصص، والبيانات الموثوقة سجلات سعرات حرارية تعكس ما تناولته فعليًا بدلاً من ما خمنه الذكاء الاصطناعي من صورة.

تتضمن Nutrola أيضًا مسح الرموز الشريطية للأطعمة المعبأة واستيراد الوصفات للوجبات المطبوخة في المنزل، مما يضمن جودة البيانات المتسقة عبر كل طريقة تسجيل. متاح على iOS وAndroid بسعر 2.50 يورو في الشهر دون إعلانات في أي خطة، تم تصميم Nutrola حول مبدأ أن السرعة والدقة ليستا متعارضتين.

الأسئلة الشائعة

ما مدى دقة Cal AI في حساب السعرات الحرارية؟

في اختباراتنا لـ 20 نوعًا من الطعام، انحرفت تقديرات الحصص بواسطة Cal AI عن الأوزان المقاسة فعليًا بمعدل 16.9%. وترجم ذلك إلى خطأ متوسط في السعرات الحرارية قدره 37 سعرة حرارية لكل عنصر غذائي. فقط 25% من الأطعمة (5 من 20) تم تقديرها بدقة ضمن 10%. أظهر التطبيق انحرافًا قويًا نحو التقليل، حيث قلل من تقديرات الحصص لـ 18 من 20 نوعًا من الطعام المختبر. بالنسبة ليوم كامل من الأكل، تراكمت هذه الأخطاء الفردية إلى نقص قدره 381 سعرة حرارية في سيناريو اختبارنا.

لماذا يعطي Cal AI سعرات حرارية مختلفة لنفس الوجبة؟

تتغير تقديرات Cal AI بناءً على زاوية الصورة، والإضاءة، وإطار الصورة لأن الذكاء الاصطناعي يستنتج حجم الحصة ثلاثي الأبعاد من صورة ثنائية الأبعاد. في اختبار التناسق لدينا، أنتجت خمس صور لنفس الوجبة تقديرات للسعرات الحرارية تتراوح من 435 إلى 478 — بفارق 43 سعرة حرارية. كانت زاوية الكاميرا لها التأثير الأكبر: أظهر اختبار الزاوية لدينا أن صدر دجاج واحد تم تقديره بـ 110 جرام من زاوية جانبية مقابل 155 جرام من الأعلى مباشرة.

هل Cal AI أكثر دقة لبعض الأطعمة من غيرها؟

نعم. Cal AI هو الأكثر دقة للأطعمة ذات الأشكال المتناسقة والمتوقعة: شرائح الخبز (انحراف 5.3%)، البيض المسلوق (انحراف 0%)، والفواكه الكاملة (انحراف 6.6%). وهو أقل دقة للأطعمة ذات الأشكال غير المنتظمة (انحراف 19-22%)، والأطعمة المكدسة مثل الأرز والمكرونة (انحراف 14-20%)، والسوائل (انحراف 20-29%). إذا كان نظامك الغذائي يتكون أساسًا من أطعمة بسيطة وموحدة، سيكون التطبيق أكثر موثوقية مقارنةً إذا كنت تتناول وجبات معقدة ومتعددة المكونات.

هل يؤثر حجم الطبق على تقدير السعرات الحرارية من قبل Cal AI؟

نعم. في اختبار حجم الطبق لدينا، تم تقدير 200 جرام من المكرونة بـ 225 جرام على طبق صغير بقطر 20 سم و155 جرام على طبق كبير بقطر 32 سم — بفارق 70 جرام لنفس الحصة. يحدث هذا بسبب وهم ديلبو، حيث يتغير السياق المحيط بحجم الجسم المدرك. سيشهد المستخدمون الذين يأكلون من أطباق كبيرة أو أطباق مطاعم تقديرات حصص منخفضة باستمرار.

هل يمكنني استخدام Cal AI لفقدان الوزن؟

يمكن أن يوفر Cal AI وعيًا تقريبيًا بالسعرات الحرارية، لكن انحرافه المنهجي نحو التقليل يجعله مشكلة لفقدان الوزن بناءً على العجز الدقيق. في سيناريو يومنا، تم تقليل العجز المخطط البالغ 500 سعرة حرارية إلى عجز فعلي قدره 119 سعرة حرارية بعد احتساب انحراف Cal AI — وهو تقليل بنسبة 76% في العجز المقصود. للحصول على نتائج أكثر موثوقية، اجمع بين التسجيل القائم على الصور ووزن الطعام الفعلي أو استخدم تطبيقًا مثل Nutrola الذي يدمج الذكاء الاصطناعي للصورة مع تصحيح الصوت للحصص وقاعدة بيانات غذائية موثوقة.