आधा खाया हुआ प्लेट टेस्ट: क्या Nutrola सही-सही बता सकता है कि मैंने वास्तव में क्या खाया?

यह एक ऐसा परिदृश्य है जिसका सामना हर कैलोरी ट्रैकर करता है: आप एक भरे हुए प्लेट के साथ बैठते हैं, उसे लॉग करते हैं, और फिर ... आप उसे पूरा नहीं खाते। शायद आप आधे में ही भर गए। शायद आपके छोटे बच्चे ने चिल्लाना शुरू कर दिया और आपने खाना छोड़ दिया। शायद आपने अपने साथी के साथ ऐपेटाइज़र साझा किया और कुछ फ्राई खाकर छोड़ दिया। चाहे जो भी कारण हो, आपका ट्रैकर अब सोचता है कि आपने 900 कैलोरी खाई, जबकि आपने वास्तव में करीब 550 ही खाई।

यह एक छोटी समस्या नहीं है। हफ्तों और महीनों तक, लगातार ऐसा खाना लॉग करना जो आपने नहीं खाया, आपके डेटा में एक फैंटम अधिशेष पैदा करता है। आप सोचते हैं कि आप रोज़ 2,200 कैलोरी खा रहे हैं। असल में, आप 1,800 खा रहे हैं। आप सोचते हैं कि आप जिस मांसपेशी को बनाने के लिए ट्रेनिंग कर रहे हैं, वह क्यों नहीं बन रही। आप सोचते हैं कि आपकी ऊर्जा कम क्यों है। डेटा आपको झूठ बोल रहा है --- न तो ऐप खराब है, बल्कि पारंपरिक ट्रैकिंग कभी भी उस गंदे, बाधित, अधूरे वास्तविकता के लिए डिज़ाइन नहीं की गई थी कि इंसान वास्तव में कैसे खाते हैं।

हम जानना चाहते थे: क्या Nutrola आधा खाया हुआ प्लेट संभाल सकता है? क्या इसकी AI फोटो पहचान और वॉयस लॉगिंग सुविधाएँ सही-सही बता सकती हैं कि आपने वास्तव में क्या खाया, न कि केवल जो परोसा गया? इसलिए हमने एक प्रयोग किया।

वास्तविक दुनिया की समस्या जिस पर कोई बात नहीं करता

परीक्षण में जाने से पहले, हमें यह स्वीकार करना चाहिए कि यह स्थिति कितनी सामान्य है।

2024 में Journal of the Academy of Nutrition and Dietetics में प्रकाशित एक अध्ययन में पाया गया कि वयस्क औसतन किसी भी भोजन में परोसे गए खाने का 17% हिस्सा नहीं खाते। बच्चों के लिए, यह संख्या लगभग 30% तक पहुँच जाती है। सोचिए, इसका मतलब क्या है उन लोगों के लिए जो अपने पोषण को ट्रैक कर रहे हैं: यदि आप हर बार पूरे प्लेट को लॉग करते हैं, तो आप प्रति दिन सैकड़ों कैलोरी का अपने सेवन का गलत अनुमान लगा रहे हैं।

यहाँ कुछ स्थितियाँ हैं जिनका हम लगातार सामना करते हैं --- और जिनका अधिकांश ट्रैकर्स सही से प्रबंधन नहीं कर पाते:

• आप जल्दी भर जाते हैं। आपने एक पास्ता डिश ऑर्डर की, उसका दो-तिहाई खा लिया, और बाकी को पैक करवा लिया।
• आप खाना साझा करते हैं। आप और आपके साथी ने एक पिज्जा साझा किया और आपने 8 में से 3 स्लाइस खाई।
• बच्चे खाना छोड़ देते हैं और आप उसे चखते हैं। यहाँ तीन चिकन नगेट्स, वहाँ कुछ गोल्डफिश क्रैकर्स।
• आप एक रेस्तरां में डिश का स्वाद लेते हैं लेकिन पूरा नहीं खाते। आपने रिसोट्टो का स्वाद लिया, स्टेक के कुछ कौर खाए, और सलाद का अधिकांश खा लिया।
• आप डॉगी बैग लेकर घर जाते हैं। आधा बर्गर और अधिकांश फ्राई अगले दिन के लिए एक कंटेनर में चले गए।

पारंपरिक ट्रैकिंग ऐप्स आपको दो विकल्प देते हैं: पूरे भोजन को लॉग करें और असत्यता को स्वीकार करें, या मानसिक रूप से यह अनुमान लगाने की कोशिश करें कि आपने कितना खाया और हर एक सामग्री को मैन्युअल रूप से समायोजित करें। दोनों ही अच्छे नहीं हैं।

Nutrola का दृष्टिकोण अलग है। यह AI-संचालित फोटो पहचान का उपयोग करके आपके प्लेट पर क्या है, इसका विश्लेषण करता है, और आंशिक खपत के लिए समायोजित करने के कई तरीके प्रदान करता है: पहले और बाद की फोटो तुलना, वॉयस सुधार, और एक सर्विंग साइज स्लाइडर। हमने सभी तीन तरीकों का परीक्षण करने का निर्णय लिया।

प्रयोग: सेटअप और विधि

हमने पांच दिनों में 10 भोजन पर एक नियंत्रित परीक्षण डिज़ाइन किया। प्रत्येक भोजन के लिए, हमने इस प्रोटोकॉल का पालन किया:

1. खाने से पहले प्लेट पर हर आइटम का वजन किया एक कैलिब्रेटेड किचन स्केल का उपयोग करके (हमारा ग्राउंड ट्रुथ)।
2. Nutrola के साथ पूरे प्लेट की एक फोटो ली और AI को पोषण सामग्री का अनुमान लगाने दिया।
3. भोजन का एक पूर्व निर्धारित भाग खाया (हमने पहले से तय किया था कि कितना छोड़ना है)।
4. जो बचा था उसका वजन किया ताकि यह सटीक रूप से पता चल सके कि आपने कितना खाया।
5. Nutrola का उपयोग करके लॉग को समायोजित किया तीन में से एक विधि का उपयोग करते हुए:
   • विधि A: पहले/बाद की फोटो। खाने के बाद प्लेट की दूसरी फोटो ली और Nutrola को अंतर निकालने दिया।
   • विधि B: वॉयस सुधार। Nutrola की वॉयस लॉगिंग सुविधा का उपयोग करते हुए कहा, "मैंने इसका लगभग आधा खाया" या "मैंने लगभग दो-तिहाई खाया।"
   • विधि C: सर्विंग साइज स्लाइडर। मैन्युअल अंश समायोजन का उपयोग करके भाग को सेट किया।
6. Nutrola के समायोजित अनुमान की तुलना वास्तविक वजन किए गए मात्रा से की।

मुख्य मीट्रिक: Nutrola का समायोजित कैलोरी अनुमान असली संख्या के कितने करीब आया?

परिणाम: 10 भोजन, 10 परिदृश्य

यहाँ क्या हुआ।

#	भोजन	परिदृश्य	वास्तविक कैलोरी खाई गई	Nutrola अनुमान (समायोजित)	उपयोग की गई विधि	त्रुटि %
1	चीज़बर्गर + फ्राई	बर्गर पूरा खाया, आधे फ्राई छोड़े	782 kcal	801 kcal	पहले/बाद की फोटो	+2.4%
2	पेपरोनी पिज्जा (8 स्लाइस)	8 में से 3 स्लाइस खाई	534 kcal	521 kcal	सर्विंग साइज स्लाइडर (3/8)	-2.4%
3	चिकन स्टर-फ्राई और चावल	जल्दी भर गए, लगभग 2/3 खाया	488 kcal	507 kcal	वॉयस: "मैंने लगभग दो-तिहाई खाया"	+3.9%
4	रेस्तरां में चखना (3 डिश)	प्रत्येक का कुछ कौर, ज्यादातर सलाद	415 kcal	448 kcal	पहले/बाद की फोटो	+7.9%
5	बच्चों का मैक और चीज + नगेट्स	बचे हुए पर चखा: 2 नगेट्स, ~4 कौर मैक	187 kcal	174 kcal	वॉयस: "मैंने दो नगेट्स और कुछ कौर मैक और चीज खाया"	-7.0%
6	स्पेगेटी बोलोग्नीज़	आधा घर ले गए डॉगी बैग में	463 kcal	470 kcal	सर्विंग साइज स्लाइडर (1/2)	+1.5%
7	नाश्ते की प्लेट (अंडे, टोस्ट, बेकन, फल)	अंडे और बेकन खाए, टोस्ट और अधिकांश फल छोड़े	384 kcal	398 kcal	पहले/बाद की फोटो	+3.6%
8	थाई हरी करी और चावल	सारी करी खाई, चावल का 1/3 छोड़ा	571 kcal	554 kcal	वॉयस: "मैंने सब कुछ खाया सिवाय चावल के लगभग एक तिहाई"	-3.0%
9	साझा नाचोस प्लेट	अनुमानित रूप से प्लेट का लगभग 1/4 खाया	388 kcal	361 kcal	सर्विंग साइज स्लाइडर (1/4)	-7.0%
10	सलाद बाउल और ग्रिल्ड चिकन	पूरा चिकन खाया, अधिकांश हरी पत्तियाँ छोड़ी	327 kcal	341 kcal	पहले/बाद की फोटो	+4.3%

10 भोजन में औसत त्रुटि: 4.3%।

संदर्भ के लिए, प्रशिक्षित पोषण विशेषज्ञों द्वारा मैन्युअल कैलोरी अनुमान पर शोध में सामान्य त्रुटियाँ 10 से 30% होती हैं। प्रशिक्षित व्यक्ति अक्सर 40% या उससे अधिक का गलत अनुमान लगाते हैं। 4.3% की औसत त्रुटि एक श्रृंखला में गंदे, वास्तविक जीवन के आंशिक खाने के परिदृश्यों के बीच, सच में, हमारी अपेक्षा से बेहतर है।

जो काम किया उसका विश्लेषण (और जो थोड़ा कठिन था)

पहले/बाद की फोटो तुलना: सबसे अच्छा प्रदर्शन करने वाला

पहले और बाद की फोटो विधि सबसे सटीक रही। भोजन 1, 4, 7, और 10 ने इस दृष्टिकोण का उपयोग किया, और इस समूह की औसत त्रुटि 4.6% थी --- लेकिन एक महत्वपूर्ण लाभ के साथ: इसमें उपयोगकर्ता से कोई मानसिक अनुमान लगाने की आवश्यकता नहीं थी।

Nutrola में यह कैसे काम करता है। जब खाना आता है, तो आप अपने प्लेट की एक फोटो लेते हैं। Nutrola की AI खाद्य पदार्थों की पहचान करती है और 100+ पोषक तत्वों में उनकी पोषण सामग्री का अनुमान लगाती है --- केवल कैलोरी नहीं, बल्कि प्रोटीन, वसा, कार्बोहाइड्रेट, फाइबर, विटामिन और खनिज भी। जब आप खाना खा लेते हैं, तो आप उसी लॉग प्रविष्टि को खोलते हैं और दूसरी फोटो लेते हैं। Nutrola की AI दोनों छवियों की तुलना करती है, यह पहचानती है कि क्या हटाया गया (खाया गया) और क्या बचा है, और तदनुसार पुनर्गणना करती है।

बर्गर और फ्राई परीक्षण (भोजन 1) एक अच्छा उदाहरण था। AI ने सही तरीके से पहचाना कि बर्गर पूरी तरह से खा लिया गया था जबकि लगभग आधे फ्राई बचे थे। इसने पूरे भोजन को आधा नहीं किया --- इसने पहचाना कि विभिन्न आइटमों की खपत के विभिन्न स्तर हैं। यही विशिष्टता इस फीचर को वास्तव में उपयोगी बनाती है।

फोटो विधि के लिए सबसे कठिन परिदृश्य भोजन 4 था, रेस्तरां में चखने की स्थिति। जब आपके पास तीन अलग-अलग डिश होती हैं और आपने प्रत्येक से कुछ कौर खाए हैं, तो "पहले" और "बाद" के बीच का दृश्य अंतर सूक्ष्म होता है। 7.9% की त्रुटि इस विधि के लिए सबसे अधिक थी, फिर भी यह अभी भी एक उचित सीमा के भीतर थी।

वॉयस सुधार: आश्चर्यजनक रूप से स्वाभाविक

भोजन 3, 5, और 8 में Nutrola की वॉयस लॉगिंग सुविधा का उपयोग करके भागों को समायोजित किया गया। आप बस Nutrola को बताते हैं कि आपने क्या खाया स्वाभाविक भाषा में, और AI आपके विवरण की व्याख्या करता है।

यहाँ standout भोजन 5 था --- बच्चों के बचे हुए का परिदृश्य। सटीक अंश की गणना करने के बजाय, हमने बस कहा: "मैंने दो चिकन नगेट्स और लगभग चार कौर मैक और चीज खाया।" Nutrola ने इसे 174 kcal के कैलोरी अनुमान में अनुवादित किया, जबकि वास्तविकता 187 kcal थी। इस तरह के अस्पष्ट, अनौपचारिक विवरण के लिए 7% की त्रुटि प्रभावशाली है।

वॉयस सुधार तब सबसे अच्छा काम करता है जब आप बता सकते हैं कि आपने क्या खाया ठोस शब्दों में ("दो स्लाइस," "लगभग आधा," "रोटी को छोड़कर सब कुछ")। जब विवरण स्वाभाविक रूप से अस्पष्ट होता है --- "कुछ कौर" का मतलब विभिन्न लोगों के लिए अलग-अलग हो सकता है। लेकिन रोज़ाना उपयोग के लिए, यह तेज़ और आश्चर्यजनक रूप से करीब है।

सर्विंग साइज स्लाइडर: सरल और प्रभावी

स्लाइडर विधि (भोजन 2, 6, और 9) तीनों में से सबसे मैन्युअल है, लेकिन सबसे पूर्वानुमानित भी है। आप पूरे भोजन को लॉग करते हैं, फिर एक स्लाइडर को खींचते हैं ताकि यह इंगित कर सकें कि आपने कितना अंश खाया। यह सीधा है: यदि आपने 8 स्लाइस में से 3 खाई, तो आप इसे 3/8 पर सेट करते हैं। यदि आपने आधा घर ले लिया, तो आप इसे 1/2 पर सेट करते हैं।

यहाँ सटीकता पूरी तरह से इस बात पर निर्भर करती है कि आप अपने अंश का कितना अच्छा अनुमान लगाते हैं। भोजन 2 (पिज्जा) और भोजन 6 (डॉगी बैग) आसान थे क्योंकि अंश स्पष्ट थे --- आप स्लाइस गिन सकते हैं, और आप आधे प्लेट का अनुमान लगा सकते हैं। भोजन 9 (साझा नाचोस) कठिन था क्योंकि यह अनुमान लगाना कि आपने "लगभग एक चौथाई" खाया, स्वाभाविक रूप से अस्थिर है। वहाँ 7% की त्रुटि Nutrola की गलती नहीं थी --- यह हमारी थी।

यह क्यों महत्वपूर्ण है जितना आप सोचते हैं

फैंटम अधिशेष समस्या

आइए कुछ त्वरित गणित करते हैं। मान लीजिए कि आप दिन में तीन भोजन करते हैं और उनमें से दो में प्लेट पर खाना छोड़ते हैं --- यह अधिकांश वयस्कों के लिए एक सामान्य पैटर्न है। यदि आप औसतन 150 कैलोरी प्रति अधूरे भोजन के लिए अधिक लॉग करते हैं, तो यह आपके ट्रैकर में प्रति दिन 300 अतिरिक्त कैलोरी है जो आपने वास्तव में नहीं खाई।

एक सप्ताह में, यह 2,100 फैंटम कैलोरी है। एक महीने में, 9,000। यदि आप अपने ट्रैकिंग डेटा का उपयोग यह तय करने के लिए कर रहे हैं कि कैलोरी कम करनी है या बढ़ानी है, क्या आपकी प्रोटीन की मात्रा पर्याप्त है, या क्या आपका आहार आपकी ट्रेनिंग का समर्थन कर रहा है, तो ये फैंटम कैलोरी आपके निर्णय लेने को सक्रिय रूप से बाधित कर रही हैं।

यही कारण है कि लोग "मैं सब कुछ ट्रैक कर रहा हूँ और नंबर कहते हैं कि मुझे वजन बढ़ाना चाहिए, लेकिन मैं नहीं बढ़ रहा" के निराशाजनक चक्र में फंस जाते हैं। नंबर गलत हैं --- न तो खाद्य डेटाबेस गलत है, बल्कि इसलिए कि आपने ऐसा खाना लॉग किया जो कचरे में या फ्रिज में गया, आपके शरीर में नहीं।

"अपने प्लेट को साफ करो" जाल

यहाँ एक और सूक्ष्म मनोवैज्ञानिक आयाम भी है। जब आपका ट्रैकर पूरे प्लेट को लॉग करता है और आप जानते हैं कि आपने सब कुछ नहीं खाया, तो आपके पास दो विकल्प होते हैं: प्रविष्टि को वापस समायोजित करें (जो अधिकांश लोग नहीं करेंगे क्योंकि यह थकाऊ है) या इसे छोड़ दें और असत्यता को स्वीकार करें।

समय के साथ, कुछ लोग अनजाने में अपने प्लेट को खत्म करना शुरू कर देते हैं ताकि लॉग सटीक हो सके। ट्रैकर अधिक खाने का कारण बन जाता है। यह पोषण ट्रैकिंग का विपरीत है। एक अच्छा ट्रैकर आपको यह स्वतंत्रता देनी चाहिए कि आप अपने शरीर की ज़रूरतों के अनुसार खा सकें और संतुष्ट होने पर रुक सकें, यह जानते हुए कि डेटा वास्तविकता को दर्शाएगा।

Nutrola के आंशिक भोजन उपकरण इस दबाव को हटा देते हैं। आपको सटीक लॉग पाने के लिए सब कुछ खत्म करने की आवश्यकता नहीं है। फोटो लें, जो चाहें खाएं, दूसरी फोटो या त्वरित वॉयस नोट के साथ समायोजित करें, और आगे बढ़ें। डेटा ईमानदार रहता है और आपका भोजन के साथ संबंध भी।

100+ पोषक तत्वों में सटीकता

यह ध्यान देने योग्य है कि कैलोरी की सटीकता केवल कहानी का एक हिस्सा है। Nutrola 100 से अधिक पोषक तत्वों को ट्रैक करता है, और आंशिक भोजन समायोजन सभी पर लागू होता है। जब आप अपने आधे खाए हुए प्लेट की फोटो लेते हैं, तो Nutrola केवल कैलोरी को पुनर्गणना नहीं कर रहा है --- यह प्रोटीन, फाइबर, आयरन, विटामिन C, सोडियम, और बाकी सब कुछ को भी पुनर्गणना कर रहा है। यह विशेष रूप से उन लोगों के लिए महत्वपूर्ण है जो विशिष्ट पोषक तत्व लक्ष्यों का प्रबंधन कर रहे हैं, जैसे एथलीट जो प्रोटीन सेवन की निगरानी कर रहे हैं या व्यक्ति जो रक्तचाप प्रबंधन के लिए सोडियम ट्रैक कर रहे हैं।

Nutrola का सत्यापित खाद्य डेटाबेस 12 मिलियन से अधिक प्रविष्टियों का पोषणात्मक आधार प्रदान करता है, और AI फोटो पहचान परत जो आपके प्लेट पर जो देखती है, उसे उस डेटाबेस से खींची गई डेटा में अनुवाद करती है। जब आप आंशिक भोजन के लिए समायोजित करते हैं, तो संपूर्ण पोषण प्रोफ़ाइल अनुपात में समायोजित होती है।

सर्वोत्तम परिणाम प्राप्त करने के लिए सुझाव

इस प्रयोग को चलाने के बाद, यहाँ Nutrola के साथ आंशिक भोजन को ट्रैक करने के लिए हमारे व्यावहारिक सुझाव हैं:

1. जब प्लेट में कई आइटम हों जिनकी खपत के विभिन्न स्तर हों, तो पहले/बाद की फोटो विधि का उपयोग करें। यही वह जगह है जहाँ AI की व्यक्तिगत खाद्य पदार्थों की पहचान करने की क्षमता वास्तव में चमकती है। यह जानता है कि आपने चिकन खाया लेकिन चावल छोड़ा।

2. जब आप सरलता से बता सकते हैं कि आपने क्या खाया, तो वॉयस सुधार का उपयोग करें। "मैंने लगभग तीन-चौथाई खाया" या "मैंने चार में से दो खाए" जैसे बयान Nutrola अच्छी तरह से संभालता है।

3. जब अंश स्पष्ट हो, तो सर्विंग साइज स्लाइडर का उपयोग करें। आधा, एक चौथाई, आठ में से तीन स्लाइस --- यदि आप संख्या जानते हैं, तो स्लाइडर सबसे तेज़ विधि है।

4. बच्चों के बचे हुए और चखने के लिए, वास्तविक समय में वॉयस लॉगिंग का उपयोग करें। पुनर्निर्माण करने के बजाय कि आपने क्या चखा, बस Nutrola को बताते जाएँ: "मैंने अपने बच्चे के दो चिकन नगेट्स खाए।" Nutrola की वॉयस लॉगिंग सुविधा आपको यह कुछ सेकंड में करने देती है बिना कैमरा खोले।

5. 10% से नीचे की सटीकता के बारे में तनाव न करें। हमारे प्रयोग ने 4.3% की औसत त्रुटि दिखाई। भले ही आप किसी दिए गए भोजन पर 7 या 8% की त्रुटि कर रहे हों, यह हर बार पूरे प्लेट को लॉग करने से आने वाली 30 से 50% की अधिक अनुमानित त्रुटि से नाटकीय रूप से बेहतर है।

सामान्य प्रश्न

क्या Nutrola वास्तव में फोटो से भरे प्लेट और आधे खाए हुए प्लेट के बीच का अंतर बता सकता है?

हाँ। Nutrola की AI फोटो पहचान दो छवियों की तुलना करती है --- एक खाने से पहले और एक खाने के बाद --- और पहचानती है कि कौन से आइटम पूरी तरह से खा लिए गए, आंशिक रूप से खाए गए, या बिना छुए रह गए। हमारे परीक्षण में, इस विधि ने वजन किए गए हिस्सों की तुलना में औसतन 4.6% की त्रुटि दिखाई, जो तीन समायोजन विधियों में से सबसे सटीक है।

अगर मैं अपने बचे हुए खाने की केवल एक फोटो लेता हूँ, तो क्या होगा?

आप अभी भी एक सटीक लॉग प्राप्त कर सकते हैं। प्लेट पर जो बचा है उसकी एक फोटो लें और Nutrola की वॉयस सुधार सुविधा का उपयोग करके बताएं कि आपने क्या खाया --- उदाहरण के लिए, "मैंने इस प्लेट का लगभग तीन-चौथाई खाया" या "मैंने मांस खत्म किया लेकिन अधिकांश सलाद छोड़ दिया।" Nutrola तदनुसार पोषण अनुमान को समायोजित करेगा। आप यह भी कर सकते हैं कि आपने जो खाया उसका अंश मैन्युअल रूप से सेट करने के लिए सर्विंग साइज स्लाइडर का उपयोग करें।

Nutrola साझा भोजन जैसे पिज्जा या ऐपेटाइज़र प्लेट को कैसे संभालता है?

साझा भोजन के लिए, सबसे सरल तरीका है पूरे डिश को लॉग करना और फिर अपने हिस्से को इंगित करने के लिए सर्विंग साइज स्लाइडर का उपयोग करना। यदि आपने 8 स्लाइस में से 3 खाई, तो स्लाइडर को 3/8 पर सेट करें। कम संरचित साझा करने के लिए --- जैसे एक सामुदायिक नाचोस प्लेट --- वॉयस सुधार अच्छी तरह से काम करता है। बस कुछ ऐसा कहें जैसे "मैंने लगभग एक चौथाई खाया" और Nutrola सभी पोषक तत्वों के अनुमान को अनुपात में समायोजित करेगा।

क्या आंशिक भोजन को ट्रैक करना वास्तव में मेरे समग्र डेटा में फर्क डालता है?

बिल्कुल। हमारे विश्लेषण ने दिखाया कि जब आप केवल आंशिक भोजन खाते हैं, तब लगातार पूरे प्लेट को लॉग करने से आपके दैनिक सेवन का अनुमान 200 से 400 कैलोरी तक अधिक हो सकता है। एक महीने में, यह आपके लॉग में 6,000 से 12,000 फैंटम कैलोरी जोड़ता है। यह विकृति यह गलत निष्कर्ष निकालने का कारण बन सकती है कि क्या आप अधिशेष में हैं या घाटे में, जो प्रशिक्षण, भोजन योजना, और शरीर की संरचना के लक्ष्यों के निर्णयों को प्रभावित करती है।

क्या Nutrola का पहले/बाद की फोटो फीचर मुफ्त संस्करण में उपलब्ध है?

हाँ। Nutrola की मुख्य सुविधाएँ --- जिसमें AI फोटो पहचान, वॉयस लॉगिंग, और सर्विंग साइज स्लाइडर शामिल हैं --- सभी मुफ्त में उपलब्ध हैं। आप आंशिक भोजन को ट्रैक कर सकते हैं, 100 से अधिक पोषक तत्वों को लॉग कर सकते हैं, और Nutrola के सत्यापित खाद्य डेटाबेस में 12 मिलियन से अधिक प्रविष्टियों तक पहुंच सकते हैं बिना किसी भुगतान की सदस्यता के। प्रीमियम सुविधाएँ उन्नत विश्लेषण और गहरे अंतर्दृष्टि के लिए हैं, लेकिन सटीक आंशिक भोजन ट्रैकिंग के लिए आवश्यक उपकरण मुफ्त में शामिल हैं।

अगली दिन खाने के लिए डॉगी बैग या बचे हुए खाने को ट्रैक करने के बारे में क्या?

जब आप बचे हुए खाना घर ले जाते हैं, तो आपके पास दो अच्छे विकल्प होते हैं। पहले, आप मूल भोजन को एक कम मात्रा में लॉग कर सकते हैं (स्लाइडर या वॉयस सुधार का उपयोग करके यह दर्शाने के लिए कि आपने रेस्तरां में कितना खाया), और फिर बचे हुए को अगले दिन एक अलग भोजन के रूप में लॉग कर सकते हैं, खाने से पहले उनकी फोटो लेकर। दूसरा, आप बस रेस्तरां में पहले और बाद की फोटो ले सकते हैं और Nutrola को यह गणना करने दें कि आपने वहाँ क्या खाया। जब आप बचे हुए को फिर से गर्म करते हैं, तो एक नई फोटो लें और इसे एक नए भोजन के रूप में लॉग करें। किसी भी तरह से, गणित सही रहता है।

अंतिम निष्कर्ष

आधा खाया हुआ प्लेट पोषण ट्रैकिंग में सबसे सामान्य और सबसे अनदेखी त्रुटियों में से एक है। अधिकांश ऐप्स इस धारणा पर बनाए गए हैं कि आप जो कुछ भी लॉग करते हैं, वह सब कुछ खाते हैं। असल जीवन ऐसा नहीं होता।

Nutrola का AI फोटो पहचान, स्वाभाविक भाषा वॉयस सुधार, और मैन्युअल सर्विंग साइज समायोजन का संयोजन आपको आंशिक भोजन को संभालने के तीन अलग-अलग तरीके देता है --- और हमारे परीक्षण में, तीनों विधियों ने वजन किए गए वास्तविकता के 2 से 8% के भीतर कैलोरी अनुमान प्रदान किए। 10 गंदे, वास्तविक जीवन के परिदृश्यों में औसत त्रुटि 4.3% थी।

आपको साफ लॉग पाने के लिए अपना प्लेट साफ करने की आवश्यकता नहीं है। ट्रैक करें कि आपने वास्तव में क्या खाया, न कि जो परोसा गया, और डेटा को असली कहानी बताने दें।