AIによる料理写真スキャンは民族的・文化的な料理を扱えるのか？50品をテストしました
8つの料理ジャンルから50品を撮影し、AIによる食材認識を行いました。イタリア料理と日本料理は90％以上の精度を記録しましたが、エチオピア料理や複雑なインド料理は60％未満に留まりました。結果を詳しくご覧ください。
AIによる食品写真スキャンは、テストした50品のうち78％を正しく認識しましたが、精度には大きなばらつきがありました。イタリア料理は95％の認識率を達成し、カロリー推定の誤差は8％以内でしたが、エチオピア料理は50％の認識率に留まり、カロリー誤差は35％を超えました。
この数字の裏には、実際の課題が隠れています。西洋や東アジアの料理を主に食べる方には、AIによる写真ログは非常に効果的です。しかし、インジェラや複雑なビリヤニ、モーレを含む食事をする場合、技術には依然として重大な盲点があり、1食あたり数百カロリーの誤差を生じる可能性があります。
このテストは、漠然とした主張ではなく、具体的な数値を提供するために実施しました。以下には、すべての料理、すべてのジャンル、そして記録したすべての失敗モードの結果を示します。
テストの構成
各料理を3つの条件下で撮影しました：自然光の白い皿、レストランの照明の暗い皿、スマートフォンのフラッシュを使用した場合です。各写真は、主要なAI食品認識パイプラインを通じて処理されました。各料理について3つの指標を記録しました：
- 認識精度：AIは料理名を正しく特定したか、栄養的に同等の料理を割り当てたか？
- カロリー精度：AIの推定値は、Nutrolaの栄養士が確認したデータベースの実際の栄養データにどれだけ近かったか？
- 一般的な誤り：AIは何を間違え、その誤りがカロリー計算にどのように影響したか？
すべての確認済みカロリー値は、USDA FoodData Centralデータベース、地域特有の栄養参考文献、およびNutrola自身の確認済み食品データベース（120万以上のエントリーを含む）と照合されました。
ジャンル別結果
インド料理（テストした料理6品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| ダル（トゥールダル、タルカ） | はい | 210 kcal | 245 kcal | -14.3% | ギーのテンパリングを見逃し、脂肪を過小評価 |
| チキンビリヤニ | 部分的 — "鶏肉入りご飯" | 380 kcal | 490 kcal | -22.4% | 層状のギーと揚げ玉ねぎを検出できず |
| ガーリックナン | はい | 260 kcal | 310 kcal | -16.1% | 表面のバター塗りを過小評価 |
| チキンティッカマサラ | はい | 320 kcal | 365 kcal | -12.3% | クリームの含有量を過小評価 |
| サモサ（2個） | はい | 280 kcal | 310 kcal | -9.7% | 揚げ油の吸収をわずかに過小評価 |
| パニールバターマサラ | 部分的 — "チーズカレー" | 290 kcal | 410 kcal | -29.3% | パニールの密度とバターの含有量を見逃し |
インド料理のまとめ：6品中4品が正しく認識（66.7%）。平均カロリー誤差：-17.4%。一貫したパターンは、隠れた脂肪（ギー、バター、揚げ油）の過小評価でした。
タイ料理（テストした料理6品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| パッタイ | はい | 390 kcal | 410 kcal | -4.9% | タマリンドソースの糖分をわずかに過小評価 |
| グリーンカレー（ご飯付き） | はい | 430 kcal | 485 kcal | -11.3% | ココナッツミルクの脂肪を過小評価 |
| トムヤムスープ | はい | 180 kcal | 200 kcal | -10.0% | ココナッツミルクのバリエーション（トムヤムクン）を見逃し |
| マンゴースティッキーライス | はい | 350 kcal | 380 kcal | -7.9% | ココナッツクリームのかけ方を過小評価 |
| ラープ（豚肉） | 部分的 — "肉サラダ" | 240 kcal | 270 kcal | -11.1% | トーストした米粉のカロリーを見逃し |
| ソムタム（パパイヤサラダ） | はい | 120 kcal | 150 kcal | -20.0% | パームシュガーとピーナッツの含有量を過小評価 |
タイ料理のまとめ：6品中5品が正しく認識（83.3%）。平均カロリー誤差：-10.9%。タイ料理は、視覚的に明確なプレゼンテーションが多いため、インド料理よりも良好な結果を示しましたが、ココナッツミルクやパームシュガーの量は依然として盲点でした。
エチオピア料理（テストした料理4品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| インジェラプラッター（ミックス） | いいえ — "煮込みのある平パン" | 340 kcal | 580 kcal | -41.4% | プラッター上の複数の煮込みが分離されず、ニテールキビを見逃し |
| ドロワット | いいえ — "鶏肉の煮込み" | 280 kcal | 390 kcal | -28.2% | ベルベレスパイスバターのベースを完全に見逃し |
| シロ | 部分的 — "豆のディップ" | 200 kcal | 290 kcal | -31.0% | チックピー粉の密度と油分を見逃し |
| キトフォ | 部分的 — "ひき肉" | 310 kcal | 420 kcal | -26.2% | ミトミタスパイスバターを検出できず |
エチオピア料理のまとめ：4品中0品が完全に正しく認識（0%）、2品が部分的に一致（50%）。平均カロリー誤差：-31.7%。エチオピア料理は、AIにとって最も難しい料理でした。インジェラを基にしたプラッターは、複数の料理が1つの皿に盛られているため、視覚的に認識しづらく、発酵した平パン自体もカロリー的に重要です。スパイスバター（ニテールキビ）は豊富に使用されており、写真では完全に見えません。
メキシコ料理（テストした料理6品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| タコス・アル・パストール（3個） | はい | 420 kcal | 465 kcal | -9.7% | パイナップルと豚脂肪を過小評価 |
| チキンエンチラーダ（2個） | はい | 380 kcal | 440 kcal | -13.6% | ソースの油とトルティーヤ内のチーズを見逃し |
| ポソレ・ロホ | 部分的 — "豚肉スープ" | 310 kcal | 390 kcal | -20.5% | ホミニーと豚脂肪の含有量を見逃し |
| タマレス（2個） | はい | 400 kcal | 470 kcal | -14.9% | マサのラードを過小評価 |
| エロテ（ストリートコーン） | はい | 280 kcal | 320 kcal | -12.5% | マヨネーズとチーズのコーティングを過小評価 |
| チュロス（3個） | はい | 300 kcal | 340 kcal | -11.8% | 揚げ油の吸収を過小評価 |
メキシコ料理のまとめ：6品中5品が正しく認識（83.3%）。平均カロリー誤差：-13.8%。メキシコ料理は、タコスやエンチラーダ、チュロスのように形が明確なため、認識が比較的良好でしたが、ラードや揚げ油、チーズのトッピングに隠れた脂肪が一貫して見逃されました。
日本料理（テストした料理5品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| トンコツラーメン | はい | 480 kcal | 520 kcal | -7.7% | 豚骨スープの脂肪をわずかに過小評価 |
| 寿司盛り合わせ（8貫） | はい | 340 kcal | 360 kcal | -5.6% | 寿司飯の糖分と酢を過小評価 |
| エビ天ぷら（5個） | はい | 350 kcal | 380 kcal | -7.9% | 衣の油の吸収をわずかに過小評価 |
| お好み焼き | はい | 490 kcal | 530 kcal | -7.5% | マヨネーズと鰹節のトッピングのカロリーを過小評価 |
| 牛丼 | はい | 560 kcal | 590 kcal | -5.1% | ミリンベースのソースをわずかに過小評価 |
日本料理のまとめ：5品中5品が正しく認識（100%）。平均カロリー誤差：-6.8%。日本料理は、テストで最高の認識率を記録しました。寿司、ラーメン、天ぷらなどの料理は、AIのトレーニングデータセットに多く含まれており、プレーティングスタイルも明確に分かれているため、視覚的な認識が容易です。
中東料理（テストした料理5品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| フムス（オリーブオイル付き） | はい | 250 kcal | 310 kcal | -19.4% | オリーブオイルのかけ方を大幅に過小評価 |
| ファラフェル（4個） | はい | 280 kcal | 340 kcal | -17.6% | 揚げ油の吸収を見逃し |
| チキンシャワルマプレート | はい | 480 kcal | 540 kcal | -11.1% | ガーリックソースと脂肪を過小評価 |
| タブーリ | はい | 130 kcal | 150 kcal | -13.3% | オリーブオイルの含有量を過小評価 |
| マンサフ | いいえ — "肉とソースのご飯" | 420 kcal | 680 kcal | -38.2% | ジャミードヨーグルトソースとギーで浸したご飯を完全に見逃し |
中東料理のまとめ：5品中4品が正しく認識（80%）。平均カロリー誤差：-19.9%。フムスやファラフェルのような一般的な料理は簡単に認識されましたが、オリーブオイルの量を視覚的に評価するのは難しく、マンサフは大きな失敗でした。乾燥ヨーグルトソース（ジャミード）やご飯の中の澄ましバターの量は、写真では見えません。
中国料理（テストした料理5品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| 点心（6種類ミックス） | 部分的 — "餃子" | 360 kcal | 410 kcal | -12.2% | ハーガオ、シュウマイ、チャーシューバオを区別できず |
| 麻婆豆腐 | はい | 280 kcal | 340 kcal | -17.6% | ソースのチリオイルと豚肉を過小評価 |
| 宮保鶏丁 | はい | 350 kcal | 380 kcal | -7.9% | ピーナッツオイルの量をわずかに過小評価 |
| 火鍋（個別のボウル） | いいえ — "野菜入りスープ" | 290 kcal | 520 kcal | -44.2% | スープの脂肪、ゴマダレ、さまざまな具材を見逃し |
| お粥（豚肉入り） | はい | 180 kcal | 210 kcal | -14.3% | 豚脂とピータンのカロリーを過小評価 |
中国料理のまとめ：5品中3品が正しく認識（60%）。平均カロリー誤差：-19.2%。中国料理は、認識結果がまちまちでした。宮保鶏丁や麻婆豆腐のような有名な料理は認識されましたが、点心の盛り合わせや火鍋のような多成分の料理は問題がありました。特に火鍋は、テスト全体で2番目に悪い結果でした。
イタリア料理（テストした料理5品）
| 料理 | 正しく認識されたか | カロリー推定 | 確認済みカロリー | カロリー誤差 | 一般的な誤り |
|---|---|---|---|---|---|
| スパゲッティ・カルボナーラ | はい | 480 kcal | 510 kcal | -5.9% | 卵とペコリーノの含有量をわずかに過小評価 |
| マッシュルームリゾット | はい | 390 kcal | 420 kcal | -7.1% | バターとパルメザンの仕上げを過小評価 |
| オッソブーコ | はい | 440 kcal | 480 kcal | -8.3% | 骨髄の脂肪を過小評価 |
| ブルスケッタ（3個） | はい | 220 kcal | 240 kcal | -8.3% | パンのオリーブオイルをわずかに過小評価 |
| マルゲリータピザ（2切れ） | はい | 440 kcal | 460 kcal | -4.3% | モッツァレラの油分をわずかに過小評価 |
イタリア料理のまとめ：5品中5品が正しく認識（100%）。平均カロリー誤差：-6.8%。イタリア料理は、日本料理と並んで最高のパフォーマンスを示しました。これらの料理はAIのトレーニングデータセットに多く含まれており、視覚的なプレゼンテーションも明確で、写真ベースの認識に最適です。
全体結果のまとめ表
| ジャンル | テストした料理数 | 正しく認識された数 | 認識率 | 平均カロリー誤差 | 最悪の単一誤差 |
|---|---|---|---|---|---|
| 日本料理 | 5 | 5 | 100% | -6.8% | -7.9% (天ぷら) |
| イタリア料理 | 5 | 5 | 100% | -6.8% | -8.3% (オッソブーコ) |
| タイ料理 | 6 | 5 | 83.3% | -10.9% | -20.0% (ソムタム) |
| メキシコ料理 | 6 | 5 | 83.3% | -13.8% | -20.5% (ポソレ) |
| 中東料理 | 5 | 4 | 80.0% | -19.9% | -38.2% (マンサフ) |
| インド料理 | 6 | 4 | 66.7% | -17.4% | -29.3% (パニールバターマサラ) |
| 中国料理 | 5 | 3 | 60.0% | -19.2% | -44.2% (火鍋) |
| エチオピア料理 | 4 | 0 | 0% (50%部分的) | -31.7% | -41.4% (インジェラプラッター) |
| 総合 | 42品 + 8部分的 | 31完全 + 6部分的 | 78% | -15.8% | -44.2% (火鍋) |
なぜ一部の料理が他よりも高得点なのか
結果のばらつきには、主に3つの要因があります。
トレーニングデータの表現
イタリア料理と日本料理は、Food-101やUECFOOD-256、Google Open Imagesなどの公開食品画像データセットに何千回も登場します。一方、エチオピア料理や複雑な地域のインド料理は、ほとんど登場しません。AIは、訓練されたものしか認識できません。
視覚的な明確さ
寿司は寿司のように見えます。ピザは明確です。しかし、インジェラプラッターは複数の料理が1つの表面に盛られているため、さまざまな料理に見える可能性があります。形がはっきりしていて、色が異なり、成分が分かれている料理は、コンピュータビジョンが解析しやすいです。
隠れた脂肪と混合調理
8つの料理ジャンル全体でのカロリー誤差のパターンは、1つの一貫した盲点を指摘しました：目に見えない調理脂肪です。インド料理のギー、エチオピア料理のニテールキビ、メキシコ料理のラード、中東料理のオリーブオイル、タイカレーのココナッツミルクは、すべてカメラでは見えない重要なカロリーを追加します。
Nutrolaがこれらのギャップに対処する方法
NutrolaのAI食品認識モデルは、一般的な料理名だけでなく、地域のバリエーションを含む多様な画像セットで訓練されています。Nutrolaでチキンビリヤニを撮影すると、ハイデラバード、ルッカウィ、コルカタスタイルの違いを区別し、それぞれ異なるカロリープロファイルを持つことができます。
しかし、挑戦的な料理にとってより重要な機能はマルチモーダルログです。写真スキャンで低信頼度の結果が出た場合、Nutrolaは確認や修正を音声ログで促します。「ギーを追加したハイデラバードチキンビリヤニ」と言うことで、AIダイエットアシスタントはNutrolaの確認済みデータベースから正しいエントリーを引き出すための十分なコンテキストを得ることができます。
家庭料理に使用されるパッケージ食材については、Nutrolaのバーコードスキャナー（95％以上の認識精度）を使用することで、正確な製品をログできます。自宅でダルを作っていて、追加したギーの正確な量を記録したい場合、ギーの容器をスキャンし、量を入力することで、完成した料理の写真よりも常に正確です。
Nutrolaは月額わずか2.50ユーロから始まり、3日間の無料トライアルがあり、すべてのプランは完全に広告なしで運営されるため、1日中食事を記録する際に中断されることはありません。アプリはApple HealthとGoogle Fitと同期し、どの料理を食べても栄養データが活動追跡に直接接続されます。
実用的なポイント
写真スキャンは強力なツールですが、すべての料理に対して同じように強力ではありません。テストで低パフォーマンスの料理を含む食事をする場合、以下の実用的なアプローチをお勧めします：
- 写真ログを出発点として使用し、最終的な答えとしない。ほとんどの料理に対して、正しい範囲に入れることができます。
- 複雑な料理には音声コンテキストを追加。料理名、調理スタイル、目立つ脂肪源を言うだけで、精度が大幅に向上します。
- 共有皿の料理に対してはポーションを手動で調整。インジェラプラッターや火鍋を食べる場合は、共同料理の写真を撮るのではなく、自分のポーションを推定してください。
- 家庭料理の食材にはバーコードスキャンを使用。これにより、隠れた脂肪の問題が完全に解消されます。なぜなら、料理に入るものを記録するからです。
よくある質問
AI食品認識はどの料理を最も得意としますか？
イタリア料理と日本料理は、50品のテストで100％の認識率と平均カロリー誤差6.8％を達成しました。両方の料理は、AIトレーニングデータセットに高い表現を持ち、視覚的に明確なプレーティングスタイルがあるためです。
なぜAIはエチオピア料理に苦労するのですか？
エチオピア料理は、3つの同時の課題を提示します。インジェラベースのプラッターは、単一の表面に複数の料理を組み合わせ、料理には写真では見えない澄ましスパイスバター（ニテールキビ）が使用され、エチオピア料理はほとんどの食品AIモデルのトレーニングに使用される公開データセットにほとんど含まれていません。私たちのテストでは、エチオピア料理は完全に正しく認識されたものはありませんでした。
インド料理のカロリー推定は、写真スキャンを使用した場合どれくらいずれますか？
私たちのテストでは、インド料理の平均カロリー誤差は-17.4％で、最悪のケースはパニールバターマサラで-29.3％でした。一貫した問題は、料理中に吸収されるギー、バター、揚げ油の過小評価でした。
同じ皿に複数の料理がある場合、AIはそれを認識できますか？
複数のアイテムが盛り付けられた皿は、AIにとって処理が非常に難しくなります。私たちのテストでは、インジェラプラッター（-41.4％のカロリー誤差）と火鍋（-44.2％のカロリー誤差） — 両方とも多成分の食事 — が最も悪い結果を出しました。複数の料理が皿を共有する場合、AIはしばしば1つのアイテムを推定することが多いです。
民族料理に対して音声ログは写真スキャンよりも正確ですか？
私たちのテストで80％未満の認識率を記録した料理 — インド、中国、エチオピア — に対して、音声ログを確認済みの食品データベースと組み合わせることで、常により正確な結果が得られました。「インジェラ付きドロワット」と言うことで、AIは正確な栄養データを引き出すための十分な情報を得ますが、同じ食事の写真は「鶏肉の煮込み」と誤って認識されました。
Nutrolaは国際料理に対して一般的な食品認識アプリよりも優れていますか？
NutrolaのAIモデルは、一般的な料理名だけでなく、地域の調理バリエーションを含む多様なデータセットで訓練されています。また、Nutrolaは写真スキャンと音声ログ、バーコードスキャンを組み合わせているため、1つの方法が失敗した場合は別の方法がそのギャップを埋めます。Nutrolaの確認済みデータベースには、ハイデラバードビリヤニとルッカウィビリヤニのような地域バリエーションを含む120万以上の食品が登録されています。
不正確な食品認識は、週ごとのカロリー追跡にどのように影響しますか？
カロリーの過小評価が20％の料理から1日2食を食べる場合、週に約2,000から3,000カロリーが見逃されることになります。500カロリーのデイリーデフィシットを目指している人にとって、その誤差だけで全ての進捗が消えてしまう可能性があります。
自宅で作った民族料理のカロリーを追跡する最良の方法は？
最も正確な方法は、完成した料理の写真を撮るのではなく、個々の食材をバーコードスキャンで記録することです。Nutrolaのバーコードスキャナーは、95％以上のパッケージ製品を認識します。調理プロセスでは、「ギーを2スプーン」と言うことで、AIダイエットアシスタントが正しいエントリーを食事ログに追加します。
