Mennyire Megbízható a Lose It! Snap It Fotó Funkciója? Az Azonosítás és Következetesség Ellenőrzése

A Lose It! Snap It egy fotóalapú ételazonosító funkció a Lose It! kalóriaszámláló alkalmazásban, amelyet a FitNow Inc. fejlesztett. Az alapötlet egyszerű és vonzó: készíts egy fényképet az ételről, és az alkalmazás automatikusan azonosítja és naplózza a kalóriákat. Nincs szükség manuális keresésre, adatbázis-bejegyzések görgetésére vagy gépelésre. Csak irányítsd, lőj, és folytasd.

De a fotóalapú ételnaplózás megbízhatósága három dolog együttes működését igényli. Az alkalmazásnak helyesen kell azonosítania az ételt. Pontosan kell megbecsülnie a porció méretét. És következetes eredményeket kell produkálnia — vagyis ha kétszer fényképezed le ugyanazt az ételt, mindkét alkalommal ugyanazt a kalóriaértéket kell kapnod. Ha bármelyik három összetevő közül bármelyik hibás, a naplózott adatok megbízhatatlanná válnak.

Mindhárom szempontot teszteltük, amikor 20 különböző ételt fényképeztünk le kétszer a Snap It segítségével. Íme egy részletes áttekintés arról, hogy hol megbízható a funkció, hol hibázik, és mit jelent ez a kalóriaszámlálás pontossága szempontjából.

Mit Jelent a "Megbízható" a Fotóalapú Ételnaplózásban?

A megbízhatóság a fotós naplózó funkció esetében három dolog együttes megvalósulását jelenti. Az alkalmazás helyesen azonosítja a képen látható ételt. Megközelítőleg pontosan megbecsüli a porció méretét. És ugyanazt az eredményt adja, ha ugyanazt a bemenetet kapja.

Ha az azonosítás hibás — például az alkalmazás a quinoát "rizsnek" nevezi — a kalóriainformáció már az elején téves. Ha az azonosítás sikeres, de a porciós becslés 40%-kal eltér a valós mértéktől, a kalóriaérték továbbra is értelmetlen. Ha pedig kétszer fényképezed le ugyanazt a tányért, és két különböző eredményt kapsz, egyikben sem bízhatsz.

A legtöbb vélemény a fotós ételnaplózásról csupán az azonosítás pontosságára összpontosít. De az azonosítás pontosan úgy, mint egy város helyes megnevezése, de a távolság megbecslése — tudod, hová mész, de fogalmad sincs, mennyire. Mindhárom dimenziónak működnie kell ahhoz, hogy a funkció valóban hasznos legyen.

Tesztelési Módszertan: 20 Ételt, Kétszer Fényképezve

Összesen 20 ételt készítettünk öt kategóriában: egyedi teljes élelmiszerek, csomagolt termékek, egyszerű tányérételek, többkomponensű éttermek stílusú tányérok és vegyes tálak. Minden ételt kétszer fényképeztünk le a Lose It! Snap It segítségével, állandó világítási körülmények között, 45 fokos szögből, ami a leggyakoribb szög az ételfotózásban.

A két fénykép között 60 másodpercet vártunk, és kissé állítottuk a telefon pozícióját, hogy a valós körülményeket szimuláljuk. Az ételt nem mozdítottuk el vagy változtattuk meg. Három mutatót rögzítettünk minden teszt során: hogy az ételt helyesen azonosították-e, mennyire közel volt a becsült porció a valós mért súlyhoz, és hogy mindkét fénykép ugyanazt a kalóriaértéket produkálta-e.

Megbízhatósági Eredmények Ételkategóriák Szerint

Azonosítás, Porció Pontosság és Következetesség Táblázat

Étel	Kategória	Helyes Azonosítás (1. Fotó)	Helyes Azonosítás (2. Fotó)	Porció Pontosság	Következetes Eredmény
Alma, egész	Egyedi tétel	Igen	Igen	10%-on belül	Igen
Banán, egész	Egyedi tétel	Igen	Igen	5%-on belül	Igen
Fehérje szelet (csomagolás látható)	Csomagolt	Igen	Igen	Pontos	Igen
Joghurt pohár (címke látható)	Csomagolt	Igen	Igen	Pontos	Igen
Grillezett csirke + rizs	Egyszerű tányér	Igen	Igen	20%-on belül	Nem (18 kalória eltérés)
Tészta marinara szósszal	Egyszerű tányér	Igen	Igen	25%-on belül	Nem (34 kalória eltérés)
Steak + püré + spárga	Többkomponensű	Részleges (spárga kimarad)	Igen	35%-on belül	Nem (67 kalória eltérés)
Burrito tál	Vegyes tál	Részleges (bab kimarad)	Részleges (kukorica kimarad)	40%-on belül	Nem (89 kalória eltérés)
Gabonás tál tofuval	Vegyes tál	Részleges (tofu mint csirke)	Részleges (tofu mint csirke)	45%-on belül	Nem (52 kalória eltérés)
Caesar saláta croutonokkal	Egyszerű tányér	Igen	Igen	30%-on belül	Nem (41 kalória eltérés)
Sushi tál (8 darab, vegyes)	Többkomponensű	Részleges (4 típusból 3)	Részleges (4 típusból 2)	35%-on belül	Nem (73 kalória eltérés)
Zabkása bogyókkal és dióval	Vegyes tál	Részleges (dió kimarad)	Igen	25%-on belül	Nem (38 kalória eltérés)
Szendvics (metszet látható)	Egyszerű tányér	Igen	Igen	20%-on belül	Nem (22 kalória eltérés)
Rizs vs kuszkusz teszt (kuszkusz)	Egyedi tétel	Nem (rizsnek azonosítva)	Nem (rizsnek azonosítva)	15%-on belül	Igen (konzisztensen hibás)
Quinoa tál	Egyedi tétel	Nem (rizsnek azonosítva)	Igen	20%-on belül	Nem (45 kalória eltérés)
Pizza szelet	Egyszerű tányér	Igen	Igen	15%-on belül	Igen
Smoothie pohárban	Folyadék	Igen	Részleges (fehérje por kimarad)	50%-on belül	Nem (62 kalória eltérés)
Curry rizzsel	Vegyes tál	Részleges (általános curry)	Részleges (általános curry)	40%-on belül	Nem (55 kalória eltérés)
Tojás pirítós	Egyszerű tányér	Igen	Igen	15%-on belül	Igen
Poke tál	Vegyes tál	Részleges (edamame kimarad)	Részleges (tengeri alga kimarad)	45%-on belül	Nem (81 kalória eltérés)

Összesített Eredmények:

• Teljes helyes azonosítás: a fényképek 60%-a (24 a 40-ből)
• Részleges azonosítás (kimaradt összetevők): 30% (12 a 40-ből)
• Hibás azonosítás: 10% (4 a 40-ből)
• Következetes eredmény mindkét fényképnél: az ételek 30%-a (6 a 20-ból)
• Átlagos porció pontosság eltérés: 25,5%

Hol Megbízható a Snap It

A Snap It két specifikus helyzetben teljesít jól, amelyek közös jellemzője a vizuális egyszerűség.

Csomagolt Ételek Látható Címkékkel

Amikor egy vonalkód vagy márkacímke látható a fényképen, a Snap It hatékonyan működik, mint egy vizuális vonalkód-olvasó. Pontosan azonosítja a terméket, és lehívja a kalóriainformációkat az adatbázisból. Ilyen esetekben az azonosítás helyes, a porció megegyezik a csomagolás méretével, és az eredmények tökéletesen következetesek. Ez a funkció legerősebb felhasználási esete, bár felveti a kérdést, hogy miért használnád a fotós naplózást, ha egyszerűen beolvashatod a vonalkódot.

Egyszerű Egyedi Ételek

Teljes gyümölcsök, egy sima tojás, egy szelet kenyér — olyan ételek, amelyek vizuálisan egyértelműek és viszonylag standard méretűek. A Snap It minden egyes teljes élelmiszert helyesen azonosított a tesztünk során, és a porciókat 5-15%-on belül becsülte meg a valós súlyhoz képest. A következetesség is erős volt, mindkét fénykép ugyanazt vagy szinte ugyanazt az eredményt produkálta.

A közös tényező az, hogy ezek az ételek jellegzetes vizuális aláírással és kiszámítható porcióméretekkel rendelkeznek. Egy alma minden szögből almának néz ki, és a kalóriatartalma szűk tartományon belül mozog, függetlenül a pontos mérettől.

Hol Megbízhatatlan a Snap It

A megbízhatósági hibák három helyzet köré csoportosulnak, amelyek a valós étkezések többségét képviselik.

Többkomponensű Ételek

Amikor egy tányér három vagy több különböző ételt tartalmaz, a Snap It gyakran legalább egy összetevőt kihagy. A steak vacsoránk tesztjén az első fénykép teljesen kihagyta a spárgát. A sushi tál tesztjén az alkalmazás csak 2-3 a 4 sushi fajtából azonosított. Minden kihagyott összetevő egy teljes ételt jelent, amely nem kerül naplózásra — gyakran 50-150 kalória, amely egyszerűen eltűnik a napi összesítésből.

Vegyes Tálak és Rétegezett Ételek

A burrito tálak, gabonás tálak, poke tálak és curryk gyengén teljesítettek. Amikor az összetevők össze vannak keverve vagy rétegezve, az AI nehezen tudja megkülönböztetni az egyes komponenseket. A burrito tálunk rizst, csirkét, babot, kukoricát, salsát, sajtot és guacamolét tartalmazott. A Snap It az rizst és csirkét azonosította, de az egyik fényképen kihagyta a babot, a másikon pedig a kukoricát. A vegyes tálak porciós becslése átlagosan 40-45%-os eltérést mutatott a valós mért értékektől.

Vizuálisan Hasonló Ételek

A kuszkuszt mindkét fényképen rizsként azonosították — ez egy következetes hibás azonosítás. A quinoát az egyik fényképen rizsként, a másikon pedig helyesen azonosították. A karfiolrizs, a sima rizs és a kuszkusz fényképeken szinte megkülönböztethetetlenek, de a kalóriatartalmuk jelentősen eltér. A kuszkusz körülbelül 176 kalóriát tartalmaz egy főtt csészében, míg a rizs 206 kalóriát. A kuszkusz következetes hibás azonosítása rizsként 30 kalóriát ad hozzá csészénként, amelyet a felhasználó valójában nem fogyasztott el.

Hibás Módszerek Elemzése

Minden hibát kategorizáltunk a 40 fényképen, hogy azonosítsuk a mintákat.

Hibás Módszerek Gyakorisági Táblázat

Hibás Módszer	Előfordulások	% az Összes Fényképből	Átlagos Kalória Hatás
Kimaradt összetevő többkomponensű ételben	10	25%	85 kalória
Porció túlbecslése (>20%-kal a valós felett)	7	17,5%	62 kalória
Porció alábecsülése (>20%-kal a valós alatt)	9	22,5%	58 kalória
Étel hibás azonosítása	4	10%	45 kalória
Következetlen eredmény (ugyanaz az étel, eltérő kalóriák)	14	35%*	52 kalória átlag eltérés
Kimaradt folyadék kalóriák (öntetek, szószok, olaj)	6	15%	72 kalória

*20 ételpárra mérték, nem 40 egyedi fényképre.

A leggyakoribb hiba a következetlenség volt — 20 ételből 14 különböző kalóriaértéket produkált, amikor kétszer fényképezték. A legjelentősebb kalóriás hiba a kimaradt összetevők voltak, amelyek átlagosan 85 naplózatlan kalóriát jelentettek minden előfordulásnál. A kimaradt folyadék kalóriák (öntetek, főzőolajok, szószok) szintén jelentősek voltak, 72 kalóriát jelentettek minden kihagyott esetnél.

Ezek a hibák nem fordulnak elő elszigetelten. Egyetlen ételfénykép egyszerre több hibás módszert is kiválthat — egy vegyes tál esetében lehet, hogy egy összetevő kimarad, a porció alábecsült, és a második fényképhez képest következetlen eredményt ad.

A Visszaesés Probléma: Amikor a Fotós Naplózás Hibázik

Amikor a Snap It nem tud azonosítani egy ételt, vagy a felhasználó észleli, hogy az azonosítás hibás, az alkalmazás visszaáll a manuális keresésre. Itt egy második megbízhatósági probléma merül fel. A Lose It! egy olyan adatbázist használ, amely felhasználói által beküldött bejegyzéseket tartalmaz a hitelesített adatok mellett, hasonlóan más crowdsourced adatbázisokhoz.

Egy felhasználó, aki a fotós naplózással kezdett, hogy időt takarítson meg, most manuálisan kell keresnie egy adatbázisban, értékelnie kell a különböző bejegyzéseket ugyanazon ételhez, és meg kell tippelnie, melyik a helyes. A fotós naplózás sebességi előnye elveszik, és a felhasználó visszatér a crowdsourced ételadatbázisokat érintő pontossági kihívásokhoz. A Journal of the Academy of Nutrition and Dietetics 2019-es tanulmánya megállapította, hogy a crowdsourced táplálkozási adatbázisok körülbelül 27%-ában jelentős hibák voltak a vizsgált bejegyzések között.

Ez egy következetlen nyomon követési élményt teremt. Néhány ételt fotóval naplóznak egy szintű pontossággal. Más ételeket manuálisan naplóznak egy másik pontossági szinten. A felhasználó napi kalóriaösszege egy patchwork adathalmozattá válik, amely eltérő megbízhatósággal bír, megnehezítve a trendek azonosítását vagy a számokba vetett bizalmat.

Hogyan Közelíti Meg a Nutrola Fotós AI a Megbízhatóságot Másképp

A Nutrola fotós AI a három megbízhatósági dimenziót — azonosítás, porció pontosság és következetesség — egy eltérő architekturális megközelítéssel kezeli.

A Nutrola ételazonosítása minden azonosított ételt közvetlenül egy táplálkozási szakértő által hitelesített adatbázishoz kapcsol, amely több mint 1,8 millió bejegyzést tartalmaz. Amikor az AI azonosítja a csirkét a fényképen, egyetlen hitelesített bejegyzéshez kapcsolódik a csirkemellről, nem pedig felhasználói által beküldött lehetőségek listájához, eltérő kalóriaértékekkel. Ez megszünteti azt a láncreakciós hibát, ahol a helyes azonosítás még mindig téves kalóriákat eredményez egy hibás adatbázis-bejegyzés miatt.

A porció pontossága érdekében a Nutrola a fotóelemzést kombinálja a hangalapú naplózással, mint gyors korrekciós réteggel. Ha az AI a rizs porcióját 150 grammra becsüli, de te tudod, hogy 200 grammot mértél, mondhatod, hogy "valójában az körülbelül 200 gramm volt", és a bejegyzés azonnal frissül. Ez az emberi beavatkozásra épülő megközelítés elismeri, hogy egyetlen AI sem képes tökéletesen megbecsülni a porciókat egy 2D fényképből, miközben olyan korrekciós mechanizmust biztosít, amely másodpercek alatt végrehajtható, nem pedig teljes manuális keresést igényel.

A következetesség előnye magából a hitelesített adatbázisból származik. Mivel minden étel egy bejegyzéshez kapcsolódik, a megismételt fényképek, amelyek ugyanazt az ételt azonosítják, mindig ugyanazt az alap kalóriaértéket produkálják. A porciós becslések kissé eltérhetnek a fényképek között, de az alapvető táplálkozási adatok stabilak és hitelesítettek.

A Nutrola vonalkód-olvasást is kínál a csomagolt ételekhez, valamint receptimportálási funkciót a házi készítésű ételekhez, biztosítva, hogy minden naplózási módszer ugyanahhoz a hitelesített adatbázishoz kapcsolódjon. iOS és Android rendszeren elérhető havi 2,50 euróért, hirdetések nélkül, a Nutrola a megbízhatóságot helyezi előtérbe az adatbázis méretével szemben.

Gyakran Ismételt Kérdések

Mennyire pontos a Lose It! Snap It a mindennapi ételek esetében?

A tesztelésünk során a Snap It minden étel összetevőjét csupán a fényképek 60%-ában azonosította helyesen. Az egyedi tételek és csomagolt ételek esetében a pontosság magas volt — megközelítve a 95%-os helyes azonosítást, a porciók becslése pedig 5-15%-on belül volt a valós súlyhoz képest. A többkomponensű ételek és vegyes tálak esetében a pontosság jelentősen csökkent, az alkalmazás legalább egy étkezési összetevőt kihagyott a fényképek 25%-ában, és a porciók becslése 35-45%-kal eltért a mért értékektől.

Adja a Snap It ugyanazt az eredményt, ha kétszer fényképezem le ugyanazt az ételt?

Nem. A 20 étel kétszeri fényképezésének tesztjében csupán 30% produkált következetes kalóriaértékeket mindkét fényképnél. A megismételt fényképek közötti átlagos kalóriaeltérés 52 kalória volt, néhány étel esetében a különbség 80-89 kalória volt. Ez a következetlenség azt jelenti, hogy a kapott kalóriaérték részben attól függ, hogy milyen szögből, milyen fényviszonyok között és mikor fényképezted le az ételt, nem csupán attól, hogy mit eszel.

Milyen típusú ételeknél működik a Snap It a legjobban?

A Snap It legmegbízhatóbb a vizuálisan megkülönböztethető, egyedi ételeknél (teljes gyümölcsök, tojások, szeletelt kenyér) és a csomagolt ételeknél, ahol a címke vagy a márkaneve látható a fényképen. Ezek a kategóriák 95%-nál magasabb helyes azonosítási arányt mutattak, és a porciók becslése 5-15%-on belül volt a valós értékekhez képest. A funkció a legkevésbé megbízható a vegyes tálak, többkomponensű éttermek stílusú tányérok és vizuálisan hasonló gabonák, mint a rizs, kuszkusz és quinoa esetében.

Miért hagyja ki a Snap It az összetevőket a tálamban vagy tányéromon?

Amikor az ételek rétegezve, keverve vagy részben más összetevők alatt rejtve vannak, az AI nem tudja vizuálisan megkülönböztetni az egyes komponenseket. Például egy burrito tálban a babok a rizs alatt, vagy a sajt más feltétekbe keveredve láthatatlanná válnak egy olyan fénykép előtt, amely csak a felső felületet rögzíti. Minden kihagyott összetevő naplózatlan kalóriákat jelent — általában 50-150 kalóriát minden kimaradt összetevőnél a tesztjeink alapján.

Elég pontos a fotóalapú kalóriaszámlálás a fogyáshoz?

A fotóalapú nyomon követés elég pontos lehet a durva kalóriafigyelemhez, de általában nem elegendő a precíz deficit-alapú fogyáshoz. Tesztelésünk során az átlagos porció pontosság eltérés 25,5% volt az összes ételtípus esetében, ami napi kalóriahibákat jelentett 150-400 kalória között az étkezés összetettségétől függően. Összehasonlításképpen, egy tipikus fogyási deficit 500 kalória naponta, ami azt jelenti, hogy a fotós naplózás hibái önmagukban akár 30-80%-át is elvehetik a tervezett deficitnek. A fotós naplózást a porciók ellenőrzésével — akár az ételek mérésével, akár a Nutrola által kínált hangkorrekcióval — jelentősen javítja a pontosságot.