ما هي الأطعمة التي تخطئ فيها تقنية مسح الصور بالذكاء الاصطناعي أكثر من غيرها؟ (وكيفية تصحيح كل واحدة منها)

تعتبر الصلصات، الحساء، العصائر، الأطعمة الداكنة، الأطعمة المغلفة، أطباق الأرز المختلطة، والت toppings المتداخلة هي الفئات السبع من الأطعمة التي تخطئ فيها تقنية مسح الصور بالذكاء الاصطناعي أكثر من غيرها — حيث تنخفض دقة الصور غير المدعومة إلى 35-50% لبعض العناصر. الخبر الجيد هو أن كل واحدة من هذه الأطعمة المشكلة لها حل بسيط يستغرق أقل من 10 ثوانٍ ويعيد الدقة إلى أكثر من 85%. إليك السبب وراء صعوبة كل فئة وكيفية تصحيحها.

لماذا تواجه تقنية مسح الصور بالذكاء الاصطناعي نقاط ضعف؟

تعتمد تقنية التعرف على الطعام بالذكاء الاصطناعي على تحليل الميزات البصرية — الشكل، اللون، الملمس، والحجم — لتحديد ما هو موجود في طبقك وتقدير كميته. تعمل هذه الطريقة بشكل رائع مع الأطعمة الكاملة الواضحة والمفصولة. يمكن تحديد شريحة صدور الدجاج بجانب البروكلي والأرز على طبق أبيض بدقة تزيد عن 90%.

لكن الطعام ليس دائماً واضحاً أو مفصولاً أو كاملاً. بعض الأطعمة مخفية داخل أطعمة أخرى. بعضها مخلوط بشكل يجعل التعرف عليه مستحيلاً. وبعضها له نفس لون الطبق الذي يوضع فيه. هذه ليست إخفاقات للذكاء الاصطناعي بالمعنى التقليدي — بل هي مشاكل فيزيائية. لا يمكن للكاميرا أن ترى من خلال التورتيلا كما لا تستطيع عينيك.

فهم الأطعمة التي تقع ضمن هذه الفئات المشكلة يمكنك من توقع المشكلة وتطبيق حل سريع قبل أن يدخل الخطأ في سجل طعامك.

المشكلة 1: الصلصات والتتبيلات

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: تخلق الصلصات مشكلتين في وقت واحد. أولاً، إنها تخفي الطعام الموجود أسفلها — صدور الدجاج المغطاة بصلصة الترياكي تبدو ككتلة بنية، مما يجعل من الصعب على الذكاء الاصطناعي تحديد الدجاج وتقدير حجمه. ثانياً، من الصعب جداً تقدير كمية الصلصة من خلال الصورة. هل هي ملعقة كبيرة من تتبيلة السيزر أم ثلاث ملاعق؟ الفرق البصري يكاد يكون غير ملحوظ عندما يتم توزيعها على السلطة.

المخاطر السعرات الحرارية عالية. ملعقة كبيرة من زيت الزيتون تضيف 119 سعرة حرارية. ملعقتان كبيرتان من تتبيلة الرانش تضيفان 146 سعرة حرارية. ثلاث ملاعق كبيرة من صلصة الفول السوداني تضيف 195 سعرة حرارية. يمكن أن تؤدي أخطاء تقدير الصلصة لمقدار ملعقة واحدة فقط إلى تغيير عدد السعرات الحرارية في الوجبة بمقدار 50-200 سعرة حرارية.

كيفية تصحيح ذلك: قم بتصوير طعامك قبل إضافة الصلصة. ثم إما أن تلتقط صورة للصلصة بشكل منفصل في وعائها، أو تسجل كمية الصلصة صوتياً. في Nutrola، يمكنك التقاط صورة للطبق، ثم تقول "أضف ملعقتين كبيرتين من تتبيلة الرانش" باستخدام ميزة التسجيل الصوتي. سيقوم مساعد النظام الغذائي بالذكاء الاصطناعي بدمج كلا المدخلين في إدخال وجبة دقيقة واحدة.

إذا كانت الصلصة موجودة بالفعل على الطعام، استخدم ميزة التعديل السريع لتحديد نوع وكمية الصلصة تقريباً.

المشكلة 2: الحساء واليخنات

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: السائل غير الشفاف يمثل جداراً بصرياً. وعاء من حساء الدجاج بالتورتيلا المصور من الأعلى يبدو كسطح بني محمر مع بعض الزينة الظاهرة. يمكن للذكاء الاصطناعي تحديد لون المرق وأي تزيينات عائمة (كريمة حامضة، شرائح التورتيلا، كزبرة)، لكنه لا يستطيع رؤية الدجاج أو الفاصولياء أو الذرة أو أي مكونات أخرى مخفية تحت السطح.

هذا يؤدي إلى تقدير منخفض بشكل منهجي. يسجل الذكاء الاصطناعي ما يمكنه رؤيته — المرق والتزيينات — ويفوت البروتينات والكربوهيدرات الغنية بالسعرات الحرارية الموجودة تحت السطح. قد يحتوي وعاء من حساء الدجاج والخضار على 450 سعرة حرارية، لكن الذكاء الاصطناعي قد يسجله بـ 200-250 سعرة حرارية بناءً على المكونات المرئية فقط.

كيفية تصحيح ذلك: قم بوصف المكونات صوتياً. بعد تصوير الحساء، قل للذكاء الاصطناعي ما يحتويه: "هذا حساء دجاج بالتورتيلا مع حوالي أربعة أونصات من الدجاج المبشور، نصف كوب من الفاصولياء السوداء، ذرة، وملعقتين كبيرتين من الكريمة الحامضة على السطح." يقوم تسجيل الصوت في Nutrola بالتقاط تفاصيل المكونات التي لا تستطيع الصورة التقاطها، ويجمع مساعد النظام الغذائي بالذكاء الاصطناعي المعلومات البصرية واللفظية للحصول على تقدير كامل.

بالنسبة للحساء المعلب أو المطاعم التي تحتوي على بيانات غذائية معروفة، فإن مسح الباركود (للمعلب) أو البحث عن اسم المطعم في قاعدة بيانات Nutrola المعتمدة سيعطيك بيانات السعرات الحرارية الدقيقة دون الحاجة إلى أي صورة.

المشكلة 3: العصائر والمشروبات المخلوطة

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: الخلط يدمر كل الإشارات البصرية التي يعتمد عليها الذكاء الاصطناعي. يبدو أن العصير المصنوع من الموز، السبانخ، مسحوق البروتين، زبدة الفول السوداني، وحليب اللوز متطابق مع العصير المصنوع من الموز، الكيل، والماء — لكن الأول يحتوي على حوالي 480 سعرة حرارية والثاني يحتوي على حوالي 150 سعرة حرارية. لا يمكن للون وحده تمييز المكونات، وعملية الخلط تلغي الشكل والملمس والفصل.

هذا يجعل العصائر واحدة من الفئات ذات الدقة المنخفضة في مسح الصور، حيث قد تنخفض دقة الصور غير المدعومة أحياناً إلى أقل من 40%.

كيفية تصحيح ذلك: قم بتسجيل الوصفة صوتياً بدلاً من تصوير المنتج النهائي. قبل أو بعد الخلط، قل: "عصير مع موزة واحدة، ملعقة واحدة من بروتين مصل اللبن، ملعقة كبيرة من زبدة الفول السوداني، كوب من حليب اللوز، وكمية من السبانخ." هذا يعطي الذكاء الاصطناعي مكونات وكميات دقيقة. في Nutrola، يمكنك إنشاء وحفظ وصفات العصائر المفضلة لديك حتى تتمكن من تسجيلها بنقرة واحدة في المناسبات المتكررة.

بدلاً من ذلك، يمكنك تصوير المكونات مرتبة قبل الخلط. هذه الطريقة فعالة لأن كل عنصر يكون منفصلاً ومرئياً.

المشكلة 4: الأطعمة الداكنة في أطباق داكنة

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: يعتمد التعرف على الطعام بالذكاء الاصطناعي على التباين بين الطعام وحاويته لتحديد الحواف والحدود وأحجام الحصص. عندما تُقدم الأطعمة الداكنة (مثل الفاصولياء السوداء، الشوكولاتة الداكنة، يخنة اللحم، الأطباق التي تعتمد على صلصة الصويا، الأرز الأسود) في أطباق أو صحون داكنة، يقترب التباين البصري من الصفر. لا يستطيع الذكاء الاصطناعي تحديد أين ينتهي الطعام وأين تبدأ الوعاء، مما يؤدي إلى أخطاء كبيرة في تقدير الحصص.

تظهر بيانات الاختبار من أبحاث التعرف على الطعام أن تركيبات الطعام ذات التباين المنخفض تقلل من دقة تقدير الحصص بمقدار 15-25 نقطة مئوية مقارنة بنفس الطعام على سطح ذو تباين عالٍ (أبيض أو فاتح).

كيفية تصحيح ذلك: استخدم أطباق وصحون فاتحة اللون. هذه هي أبسط وأفضل حل في هذه القائمة. يوفر الطبق الأبيض أقصى تباين تقريباً لجميع أنواع الطعام. إذا كنت في مطعم ولا يمكنك التحكم في الأطباق، ضع منديل أبيض بجانب الوعاء كنقطة مرجعية، أو أضف ملاحظة صوتية تصف حجم الحصة التقريبي.

المشكلة 5: الأطعمة المغلفة (البوريتو، اللفائف، لفائف الربيع، الزلابية)

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: التورتيلا، ورق الأرز، غلاف الوونتون، أو جيب البيتا غير شفافة بصرياً. يمكن للذكاء الاصطناعي أن يحدد أنك تأكل بوريتو، لكنه لا يستطيع تحديد ما بداخله — دجاج أم لحم خنزير، فاصولياء سوداء أم فاصولياء مقلية، مع أو بدون غ guacamole، مع أو بدون كريمة حامضة. الفرق في السعرات الحرارية بين بوريتو دجاج وخضار (حوالي 450 سعرة حرارية) وبوريتو لحم خنزير مع غ guacamole، جبن، وكريمة حامضة (حوالي 900+ سعرة حرارية) هائل، لكن من الخارج تبدو متطابقة تقريباً.

كيفية تصحيح ذلك: قم بوصف المحتويات صوتياً بعد التصوير. قل: "بوريتو دجاج مع فاصولياء سوداء، أرز، خس، صلصة، وغ guacamole." يمكنك أيضاً تصوير البوريتو مقطوعاً إلى نصفين لكشف المقطع العرضي، مما يعطي الذكاء الاصطناعي معلومات أكثر بكثير حول الحشوة. في Nutrola، يستخدم مساعد النظام الغذائي بالذكاء الاصطناعي كل من الصورة والوصف الصوتي لبناء ملف غذائي كامل للعنصر المغلف.

بالنسبة لبوريتو واللفائف من المطاعم (مثل Chipotle، Taco Bell، Subway، إلخ)، فإن البحث عن اسم المطعم في قاعدة بيانات Nutrola المعتمدة غالباً ما يعطيك بيانات غذائية دقيقة لطلبك المحدد.

المشكلة 6: أطباق الأرز المختلطة

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: الأطباق المعتمدة على الأرز غير واضحة بصرياً. يمكن أن تبدو الأرز المقلي، البرياني، الباييلا، والريزوتو ككومة من الحبوب ذات الألوان المتشابهة مع تزيينات متناثرة. قد يخطئ الذكاء الاصطناعي في تحديد الأرز المقلي (المطبوخ في الزيت مع البيض والخضار، حوالي 230 سعرة حرارية لكل كوب) كأرز مطبوخ على البخار (حوالي 200 سعرة حرارية لكل كوب) — لكنه قد يفوت 2-3 ملاعق كبيرة من الزيت التي تم استخدامها في عملية القلي.

تقدم البرياني تحدياً مماثلاً. يتم طهي الأرز مع السمن، التوابل، وغالباً ما يكون مغطى باللحم الذي لا يمكن رؤيته من الأعلى. يحتوي كوب من البرياني الدجاج على حوالي 290-350 سعرة حرارية، لكن الذكاء الاصطناعي قد يقدره كأرز عادي مع دجاج على السطح، متجاهلاً محتوى الدهون تماماً.

كيفية تصحيح ذلك: استخدم ميزة التعديل السريع لتحديد نوع طبق الأرز بالضبط بعد أن يقوم الذكاء الاصطناعي بتحديده أولياً. في Nutrola، انقر على العنصر المسجل واختر النوع الصحيح من قاعدة البيانات المعتمدة. تحديد "أرز مقلي بالدجاج" بدلاً من قبول تحديد عام "أرز" يمكن أن يصحح خطأ يتراوح بين 100-200 سعرة حرارية لكل حصة.

بالنسبة لأطباق الأرز المنزلية، فإن تسجيل طريقة الطهي صوتياً هو الأكثر دقة: "كوب من الأرز المقلي المصنوع من ملعقتين كبيرتين من زيت السمسم، بيضتين، وخضار مختلطة."

المشكلة 7: الأطعمة المتداخلة والطبقات المخفية

لماذا تواجه تقنية الذكاء الاصطناعي صعوبة: البيتزا هي المثال الكلاسيكي. عند تصويرها من الأعلى، تظهر شريحة البيتزا التزيينات — بيبروني، فطر، فلفل — لكن الجبنة تحت التزيينات والصلصة تحت الجبنة مخفية جزئياً أو كلياً. يمكن أن تحتوي البيتزا ذات القشرة الرقيقة وبيتزا اللحم المحشوة على أسطح مرئية متشابهة لكن تختلف بأكثر من 300 سعرة حرارية لكل شريحة.

تمتد هذه المشكلة إلى الأطباق المكونة من طبقات مثل اللازانيا (حيث عدد الطبقات الداخلية غير مرئي)، الناتشوز المحملة (حيث تكون الرقائق في الأسفل مدفونة تحت التزيينات)، وأطباق الحبوب حيث تكون الحبوب الأساسية مخفية تحت البروتينات والخضار.

كيفية تصحيح ذلك: حدد نوع الطبق وحجمه باستخدام الصوت أو التعديل السريع. بالنسبة للبيتزا، قل "شريحتان من بيتزا لحم محشوة" بدلاً من الاعتماد على الصورة فقط. بالنسبة للأطباق المكونة من طبقات، وصف ما تعرفه عن الطبقات. يمكن لمساعد النظام الغذائي بالذكاء الاصطناعي في Nutrola استخدام المعلومات السياقية — "محشوة" مقابل "قشرة رقيقة"، "ناتشوز محملة" مقابل "رقائق عادية مع صلصة" — لضبط تقديرات السعرات الحرارية بشكل كبير.

جدول مرجعي كامل للأطعمة المشكلة

يغطي هذا الجدول 15 نوعاً شائعاً من الأطعمة المشكلة، ويشرح لماذا تواجه تقنية الذكاء الاصطناعي صعوبة، ويقدم الحل السريع، ويظهر تحسين الدقة الذي يمكنك توقعه.

الطعام المشكلة	لماذا تواجه تقنية الذكاء الاصطناعي صعوبة	الحل السريع	الدقة بدون حل	الدقة مع الحل	خطأ السعرات الحرارية النموذجي بدون حل
سلطة مع تتبيلة	لا يمكن تقدير كمية التتبيلة المضافة	صورة قبل التتبيلة، تسجيل صوتي للكمية	52%	88%	+/- 150 kcal
صلصة المعكرونة الكريمية	الصلصة تخفي كمية المعكرونة تحتها	وصف صوتي لكميات المعكرونة والصلصة	55%	87%	+/- 180 kcal
حساء الدجاج	المرق غير الشفاف يخفي المكونات الغارقة	وصف صوتي لجميع المكونات	48%	86%	+/- 200 kcal
يخنة اللحم	سائل داكن، لحم وخضار غير مرئيين	وصف صوتي للمكونات والكميات	45%	85%	+/- 230 kcal
عصير أخضر	الخلط يدمر جميع الإشارات البصرية	تسجيل وصفة قبل الخلط	35%	90%	+/- 250 kcal
مشروب بروتين	سائل غير شفاف، مسحوق بروتين غير مرئي	تسجيل صوتي أو حفظ الوصفة لتسجيل بنقرة واحدة	38%	92%	+/- 200 kcal
فاصولياء سوداء في وعاء داكن	تباين شبه معدوم مع الحاوية	استخدام وعاء أبيض أو وصف صوتي للحصة	58%	86%	+/- 120 kcal
قلي الصويا في طبق داكن	صلصة داكنة على سطح داكن	استخدام طبق فاتح، تسجيل صوتي لكمية الصلصة	55%	84%	+/- 160 kcal
بوريتو (سليم)	التورتيلا تخفي جميع الحشوة	وصف صوتي للحشوة أو تصوير مقطوع	40%	85%	+/- 280 kcal
لفائف الربيع	ورق الأرز يخفي المحتويات	وصف صوتي لمكونات الحشوة	42%	84%	+/- 180 kcal
أرز مقلي	يبدو كأرز عادي مع تزيينات	تعديل سريع لتحديد "أرز مقلي" مع زيت	60%	88%	+/- 150 kcal
برياني دجاج	محتوى الدهون والتوابل غير مرئي في الأرز	تحديد البرياني في التعديل السريع، وليس الأرز العادي	55%	87%	+/- 170 kcal
بيتزا محشوة	التزيينات تخفي الجبنة، عمق القشرة غير مرئي	وصف صوتي لنوع القشرة وحجمها	50%	86%	+/- 250 kcal
ناتشوز محملة	الرقائق السفلية مدفونة تحت التزيينات	وصف صوتي للطبقات وحجم الحصة التقريبي	48%	83%	+/- 220 kcal
لازانيا	عدد الطبقات الداخلية غير مرئي من الأعلى	تحديد حجم الحصة (مثل "مربع كبير واحد")	52%	85%	+/- 200 kcal

قاعدة العشر ثوانٍ: متى يجب إضافة ملاحظة للصورة

قاعدة بسيطة: إذا لم تتمكن من رؤية جميع المكونات في وجبتك من خلال النظر إلى الطبق، فإن الذكاء الاصطناعي لا يمكنه ذلك أيضاً. كلما كان هذا هو الحال، خصص 10 ثوانٍ لإضافة ملاحظة صوتية أو تعديل سريع.

ينطبق هذا على:

• المكونات المخفية: أي شيء مغطى، مغلف، أو غارق
• طريقة الطهي: مقلي مقابل مخبوز مقابل مطبوخ على البخار (غير مرئي من الصورة لكن يغير عدد السعرات الحرارية بشكل كبير)
• الصلصات والزيوت: من الصعب جداً تقدير الكميات بصرياً
• عمق الحصة: الأطعمة في الأوعية حيث لا يكون الحجم مرئياً من الأعلى

تم تصميم نهج Nutrola المدمج — التعرف على الصور بالذكاء الاصطناعي بالإضافة إلى التسجيل الصوتي وقاعدة بيانات معتمدة تحتوي على أكثر من مليون نوع من الأطعمة — خصيصاً لهذا الغرض. يعتبر مساعد النظام الغذائي بالذكاء الاصطناعي الصورة كنقطة انطلاق ويستخدم مدخلاتك الصوتية لملء الفجوات التي لا يمكن للكاميرا التقاطها.

الأطعمة التي تتعرف عليها تقنية مسح الصور بالذكاء الاصطناعي بشكل صحيح تقريباً في كل مرة

للسياق، إليك الفئات الغذائية التي يتمتع فيها مسح الصور بدقة عالية ونادراً ما تحتاج إلى إضافة معلومات:

• الفواكه الكاملة: التفاح، الموز، البرتقال — أشكال وألوان مميزة، دقة 90-95%
• البروتينات المشوية بدون صلصة: صدور الدجاج، الستيك، شرائح سمك السلمون — دقة 85-92%
• الخضار المفصولة: البروكلي، الجزر، الفاصولياء الخضراء مرتبة بشكل واضح — دقة 88-94%
• الخبز والمخبوزات: الخبز المقطع، اللفائف، الكرواسون — أشكال مميزة، دقة 85-90%
• البيض (المرئي): البيض المقلي، المخفوق، أو المسلوق على الطبق — دقة 88-93%
• وجبات خفيفة بمكون واحد: حفنة من اللوز، قطعة من الجبنة، بار جرانولا (غير مغلف) — دقة 82-88%

عندما تتكون وجبتك بشكل أساسي من هذه العناصر المرئية والمفصولة، عادةً ما تكون صورة واحدة كافية.

كيف تبني عادة التصحيح

النهج الأكثر فعالية ليس حفظ قائمة بالأطعمة المشكلة. بدلاً من ذلك، ابني عادة واحدة: بعد كل صورة طعام، خصص ثانية واحدة لتسأل نفسك، "هل يمكن للكاميرا رؤية كل شيء سأأكله؟" إذا كانت الإجابة لا، أضف ملاحظة صوتية سريعة.

في Nutrola، يكون سير العمل سلساً:

1. التقط صورة لوجبتك
2. إذا كان هناك أي شيء مخفي، انقر على الميكروفون واصفاً ما هو داخل أو تحت أو مختلط
3. يقوم مساعد النظام الغذائي بالذكاء الاصطناعي بدمج كلا المدخلين ويولد تحليلاً غذائياً كاملاً

يستغرق هذا أقل من 15 ثانية إجمالاً ويقضي على الفجوات في الدقة التي تجعل مسح صور الطعام غير موثوق لبعض الوجبات.

الأسئلة الشائعة

لماذا تواجه تقنية مسح الطعام بالذكاء الاصطناعي صعوبة أكبر مع السوائل مقارنة بالأطعمة الصلبة؟

تزيل السوائل إشارات الشكل والملمس والفصل التي يعتمد عليها الذكاء الاصطناعي للتعرف. تحتوي صدور الدجاج الصلبة على شكل وملمس يمكن التعرف عليه. بينما الدجاج المذاب في حساء لا يحتوي على أي من تلك الميزات — يصبح جزءاً من سائل غير شفاف. بالإضافة إلى ذلك، من الصعب جداً تقدير حجم السائل من صورة من الأعلى لأن المساحة السطحية لا تشير بشكل موثوق إلى العمق. يمكن أن تظهر وعاء واسع وضحل وكوب ضيق وعميق نفس المساحة السطحية لكن يحملان أحجاماً مختلفة جداً.

هل يمكن لتقنية مسح الطعام بالذكاء الاصطناعي اكتشاف الزيوت المستخدمة أثناء التحضير؟

لا. يتم امتصاص الزيوت في الطعام أثناء التحضير ولا تترك أي أثر بصري موثوق في الصورة. لا يمكن للذكاء الاصطناعي التمييز بين صدور الدجاج المقلية (المطبوخة في 1-2 ملاعق كبيرة من الزيت، مما يضيف 120-240 سعرة حرارية) وصدور الدجاج المشوية الجافة من الصورة فقط. دائماً قم بتسجيل الزيوت صوتياً أو إضافتها يدوياً. هذه واحدة من أكثر المصادر شيوعاً للسعرات الحرارية المخفية في مسح صور الطعام.

ما مدى دقة تقنية مسح الطعام بالذكاء الاصطناعي للوجبات من المطاعم مقارنة بالوجبات المنزلية؟

عادةً ما تكون الوجبات من المطاعم أصعب على الذكاء الاصطناعي لمسحها بدقة لأن المطاعم تستخدم المزيد من الزيت، الزبدة، والصلصات أكثر من معظم الطهي المنزلي، وهذه الإضافات غير مرئية في الصور. تشير الدراسات إلى أن دقة مسح الصور للوجبات من المطاعم تتراوح عادةً بين 5-15 نقطة مئوية أقل من الوجبات المنزلية بنفس الأطعمة. بالنسبة للمطاعم الكبيرة، فإن استخدام البيانات الغذائية المنشورة من المطعم (القابلة للبحث في قاعدة بيانات Nutrola المعتمدة) يكون أكثر دقة بكثير من مسح الصور.

هل يساعد تقطيع الطعام إلى قطع قبل التصوير في تحسين دقة الذكاء الاصطناعي؟

يعتمد ذلك. يساعد تقطيع البوريتو إلى نصفين لكشف المقطع العرضي الذكاء الاصطناعي على رؤية الحشوة، مما يحسن الدقة. لكن تقطيع صدور الدجاج إلى قطع صغيرة قد يقلل من الدقة لأن الذكاء الاصطناعي قد يواجه صعوبة في تقدير الحجم الإجمالي من قطع متفرقة. القاعدة العامة: قطع الأطعمة المغلفة أو المكونة من طبقات لكشف المحتويات المخفية، لكن اترك الأطعمة الكاملة المرئية سليمة عند التصوير.

هل من الأفضل استخدام مسح الصور أو الإدخال اليدوي للأطباق المختلطة مثل الكسرولة؟

بالنسبة للأطباق المختلطة حيث تكون المكونات مخلوطة تماماً أو مكونة من طبقات، فإن التسجيل الصوتي عادةً ما يكون أكثر دقة من مسح الصور بمفرده أو البحث اليدوي والإدخال. يتيح لك التسجيل الصوتي وصف الطبق بشكل طبيعي — "كوب ونصف من كسرولة الدجاج والبروكلي مع قاعدة من حساء الفطر الكريمي" — ويمكن للذكاء الاصطناعي مطابقة ذلك مع الوصفات المعروفة وبيانات السعرات الحرارية. هذا أسرع من البحث يدوياً عن كل مكون وأكثر دقة من صورة لسطح مخبوز بني.

ماذا يجب أن أفعل إذا أخطأ الذكاء الاصطناعي في تحديد طعام في صورتي؟

انقر على العنصر الذي تم تحديده بشكل غير صحيح في سجل طعامك واستخدم ميزة التعديل السريع أو وظيفة البحث لاستبداله بالطعام الصحيح. في Nutrola، يمكنك أيضاً تصحيح الصوت بقول "هذا ليس أرزاً أبيض، إنه أرز جوز الهند." يتعلم الذكاء الاصطناعي من التصحيحات السياقية ضمن الوجبة لتحسين تقديراته للعناصر المتبقية. تساعد التصحيحات المتسقة أيضاً التطبيق على تخصيص التعرف بمرور الوقت للأطعمة التي تتناولها بانتظام.

كيف تتعامل Nutrola مع الوجبات التي تجمع بين مسح الصور وتصحيحات الصوت؟

يعتبر مساعد النظام الغذائي بالذكاء الاصطناعي في Nutrola مسح الصورة كأساس بصري ومدخلات الصوت كبيانات تكميلية. عندما تسجل تفاصيل إضافية بعد الصورة — مثل "أضف صلصة الترياكي، حوالي ثلاث ملاعق كبيرة" — يقوم الذكاء الاصطناعي بدمج كلا المدخلين في إدخال وجبة واحدة مع إجماليات غذائية مجمعة. لا تحتاج إلى تسجيل الصورة ومدخلات الصوت كوجبات منفصلة. تم تصميم النظام لهذا النهج الهجين لأنه ينتج باستمرار أكثر النتائج دقة عبر جميع أنواع الطعام.

هل ستتحسن دقة مسح الطعام بالذكاء الاصطناعي بما يكفي للتعامل مع هذه الأطعمة المشكلة في المستقبل؟

تتحسن تقنية التعرف على الطعام بالذكاء الاصطناعي بشكل مستمر، مع مكاسب في الدقة تتراوح بين 2-5 نقاط مئوية سنوياً عبر معظم فئات الطعام. ومع ذلك، فإن بعض القيود أساسية — لا يمكن لأي كاميرا أن ترى من خلال التورتيلا أو داخل حساء غير شفاف. من المحتمل أن تأتي التحسينات المستقبلية الأكثر تأثيراً من الذكاء الاصطناعي السياقي (تعلم أنماط تناول الطعام لديك والوجبات الشائعة) والمدخلات متعددة الوسائط (دمج الصور، الصوت، والبيانات السابقة)، وهو الاتجاه الذي تتحرك فيه Nutrola بالفعل. حتى الآن، يظل نهج الصورة مع الصوت هو الطريقة الأكثر دقة المتاحة.