2週間、レストランでAIカロリー追跡を試してみた
ファーストフード、カジュアルダイニング、エスニック料理、ビュッフェの28回のレストラン食事でAI写真カロリー追跡を試しました。その正確さを一品ずつ検証しました。
外食はカロリー追跡が難しい場所です。 2024年に発表されたJournal of the Academy of Nutrition and Dieteticsの研究によると、レストランの食事は平均1,205カロリーを含んでおり、客はその数字を30〜50％過小評価していることがわかりました。私は、AIを活用した写真カロリー追跡がこのギャップを埋められるか試してみたくなりました。そこで、2週間にわたり、4つのカテゴリーの28回のレストラン食事を食べ、すべての皿を撮影し、AIの推定値とメニューやラボ分析から得た実際の栄養データを比較しました。
このテストはどのように設定したのか？
2026年3月24日から4月6日までの間、すべてのレストラン食事を追跡しました。Nutrolaの写真AI機能を使用して、食事前に各皿を撮影しました。正確さの基準として、3つの情報源から栄養データを収集しました：
- 公表されたメニューの栄養データ（FDAのカロリー表示法に基づくチェーンレストランで入手可能）
- レシピ再構築（利用可能な場合、レストランが提供する材料リストを使用）
- 登録栄養士の推定（公表データがない独立系レストラン向けに、6回の食事でRDコンサルタントを雇いました）
ファーストフード（8食）、カジュアルダイニング（8食）、エスニック料理（7食）、ビュッフェ（5食）の4つのカテゴリーで22の異なるレストランで食事をしました。実際のダイニング条件で、特別な照明やカメラ用に演出されたアングルは使用せず、普通の人がするようにテーブルに向けてスマートフォンで撮影しました。
レストランの種類ごとのAIカロリー追跡の正確さは？
以下は、レストランのカテゴリーごとに平均した結果です。
| レストランの種類 | テストした食事数 | 実際の平均カロリー | AI推定値 | 平均偏差 | 偏差率 |
|---|---|---|---|---|---|
| ファーストフード | 8 | 847 kcal | 812 kcal | -35 kcal | -4.1% |
| カジュアルダイニング | 8 | 1,143 kcal | 1,024 kcal | -119 kcal | -10.4% |
| エスニック料理 | 7 | 978 kcal | 891 kcal | -87 kcal | -8.9% |
| ビュッフェ | 5 | 1,412 kcal | 1,195 kcal | -217 kcal | -15.4% |
| 全体 | 28 | 1,067 kcal | 972 kcal | -95 kcal | -8.9% |
パターンは明確です。AIは視覚的に明確で標準化された食事（ファーストフード）で最も良い結果を出し、混合されたり重ねられたりした皿（ビュッフェ）では最も苦労しました。
なぜファーストフードが最も正確なカテゴリーだったのか？
ファーストフードはAIの得意分野でした。ハンバーガー、フライドポテト、チキンナゲット、ブリトーは標準化された形状と一貫したポーションサイズを持ち、皿の上でソースや他のアイテムに埋もれることなくほぼ常に視認できます。
| ファーストフードの食事 | 実際のカロリー | AI推定値 | 偏差 |
|---|---|---|---|
| マクドナルドのビッグマック + 中サイズのフライ | 1,080 kcal | 1,045 kcal | -3.2% |
| チポトレのチキンブリトー | 1,005 kcal | 960 kcal | -4.5% |
| サブウェイの6インチターキーサンド | 480 kcal | 495 kcal | +3.1% |
| KFCの3ピースミール + コールスロー | 1,120 kcal | 1,065 kcal | -4.9% |
| チックフィレのサンドイッチ + ワッフルフライ | 920 kcal | 885 kcal | -3.8% |
| タコベルの3つのクリスピータコス + ナチョス | 870 kcal | 840 kcal | -3.4% |
| ファイブガイズのチーズバーガー（フライなし） | 840 kcal | 810 kcal | -3.6% |
| ウェンディーズのデイブズシングルコンボ | 1,060 kcal | 995 kcal | -6.1% |
ファーストフードの平均偏差はわずか4.1％でした。Nutrolaの写真AIは、視覚認識を主要チェーンの標準メニューアイテムを含む確認済みの食品データベースと照合します。このハイブリッドアプローチ — 視覚的推定とデータベース照合の組み合わせ — は、純粋な画像ベースの推定に対して優位性をもたらします。
カジュアルダイニングの食事はどうだったか？
カジュアルダイニングでは、最初の本格的な課題が登場しました。盛り付けは非常に多様です。あるレストランのグリルサーモンフィレは6オンスかもしれませんが、別のレストランでは8オンスかもしれません。ソースがかけられ、バターが野菜に溶け込み、食事が始まる前にパンバスケットが運ばれてきます。
| カジュアルダイニングの食事 | 実際のカロリー | AI推定値 | 偏差 | 主な課題 |
|---|---|---|---|---|
| グリルサーモン + 野菜 | 785 kcal | 710 kcal | -9.6% | 野菜のバター |
| チキンパルメザン + パスタ | 1,340 kcal | 1,180 kcal | -11.9% | チーズの層の深さ |
| ステーキ（10オンスリブアイ） + ベイクドポテト | 1,290 kcal | 1,150 kcal | -10.9% | マーブル模様が見えない |
| シーザーサラダ + グリルチキン | 680 kcal | 640 kcal | -5.9% | ドレッシングの量 |
| フィッシュアンドチップス | 1,180 kcal | 1,050 kcal | -11.0% | バッターの厚さ |
| ハンバーガー + オニオンリング | 1,420 kcal | 1,285 kcal | -9.5% | リングのバッター吸収 |
| パスタカルボナーラ | 1,050 kcal | 940 kcal | -10.5% | クリーム/卵/チーズの比率 |
| グリルチキンサンドイッチ + サラダ | 895 kcal | 840 kcal | -6.1% | マヨネーズ/ソースの広がり |
過小評価の最大の原因は、目に見えない脂肪でした。バターが蒸しブロッコリーに溶け込んだり、オイルがパスタに混ざったり、クリームベースのソースが吸収されたり — AIは食べ物に吸収されたものを見抜くことができません。これは、AIでも人間でも視覚的推定方法の根本的な限界です。
AIはエスニック料理や国際料理をどう扱うか？
これは私が最も興味を持っていたカテゴリーでした。エスニック料理は独自の課題を呈します：馴染みのない料理の構成、複雑なスパイスやオイルのブレンド、レストラン間の標準化の欠如です。
| エスニック料理の食事 | 実際のカロリー | AI推定値 | 偏差 | 主な課題 |
|---|---|---|---|---|
| チキンティッカマサラ + ナン + ライス | 1,180 kcal | 1,040 kcal | -11.9% | ソースのクリーム/ギー |
| エビのパッタイ | 920 kcal | 855 kcal | -7.1% | ヌードルのオイル |
| 寿司盛り合わせ（12貫 + 2巻） | 785 kcal | 750 kcal | -4.5% | ご飯の密度の変動 |
| チキンシャワルマプレート | 1,050 kcal | 935 kcal | -11.0% | タヒニとオイル |
| ビーフのフォー（大） | 720 kcal | 690 kcal | -4.2% | スープの脂肪分 |
| エンチラーダ（3つ） + ライスと豆 | 1,210 kcal | 1,095 kcal | -9.5% | トルティーヤの中のチーズ |
| エチオピアコンボ（3皿 + インジェラ） | 980 kcal | 870 kcal | -11.2% | シチューの澄ましバター |
寿司とフォーは、構成要素が視覚的に明確であるため、良好な結果を出しました — 寿司の個数を数えたり、透明なスープの中のヌードルを見ることができます。最もパフォーマンスが悪かったのは、隠れた脂肪を含む料理でした：ギーやクリームがたっぷり入ったインドのカレー、スパイスバターの入ったエチオピアのシチュー、中東料理のタヒニなどです。Nutrolaは、インド料理や中東料理に対して調理油を追加するよう促してきましたが、そのプロンプトを受け入れることでギャップを縮めることができました。
ビュッフェはなぜ追跡が最も難しいのか？
ビュッフェは正確さの面で大失敗でしたが、正直言って予想していました。課題が相乗的に重なります。
| ビュッフェの課題 | 正確さへの影響 |
|---|---|
| 重なり合った食べ物 | AIは下にあるアイテムを見えません |
| 複数のステーションからの混合サービング | 個々のアイテムを特定するのが難しい |
| 皿にプールされたソースやグレービー | ボリュームの推定が失敗 |
| 複数回のトリップ（2〜3皿） | 各皿を別々に撮影する必要があります |
| 多くのビュッフェでの薄暗い照明 | 画像の質が低下 |
| ビュッフェの食事 | 実際のカロリー | AI推定値 | 偏差 |
|---|---|---|---|
| 中華ビュッフェ（2皿） | 1,580 kcal | 1,290 kcal | -18.4% |
| インディアンビュッフェ（2皿） | 1,490 kcal | 1,240 kcal | -16.8% |
| ホテルの朝食ビュッフェ | 1,020 kcal | 910 kcal | -10.8% |
| ブラジリアンステーキハウス | 1,650 kcal | 1,380 kcal | -16.4% |
| ピザビュッフェ（4スライス + サラダ） | 1,320 kcal | 1,155 kcal | -12.5% |
中華ビュッフェとインディアンビュッフェは、ソースが下にあるものを隠してしまったため、最も正確さが悪かったです。中華ビュッフェでは、甘酢ソースが鶏肉の部分を完全に覆い、写真からのポーション推定がほぼ不可能になりました。ホテルの朝食ビュッフェは、皿の上にアイテムが広がっていたため、最も良いパフォーマンスを示しました — 卵、トースト、ベーコン、果物 — 各々が明確に視認できました。
薄暗い照明はAIカロリー追跡の正確さに影響を与えるか？
はい、かなりの影響があります。28回の食事の照明条件を追跡したところ、明確な相関関係が見つかりました。
| 照明条件 | 食事数 | 平均偏差 |
|---|---|---|
| 明るい/自然光 | 11 | -5.8% |
| 標準的な室内照明 | 12 | -9.2% |
| 薄暗い/ムード照明 | 5 | -14.1% |
薄暗い照明の5回の食事（高級ダイニング2回、バー1回、夕方のビュッフェ2回）は、明るい食事の約2.5倍の偏差がありました。スマートフォンのフラッシュは場合によっては役立ちましたが、厳しい影が生じ、2回のケースでは部分推定を混乱させました。最も良いアプローチは、画面の明るさを上げて、写真を撮る前にソフトな光源として使用することでした。
共有皿やファミリースタイルの食事は追跡にどのように影響するか？
私の食事のうち3回はファミリースタイルで、皿がテーブル全体で共有されました。これにより、各皿の自分が食べた分の割合を推定するというユニークな問題が生じました。
共有したタイ料理の食事（パッタイ、グリーンカレー、フried rice、春巻きを2人で分けました）の実際の合計は約2,100カロリーでした。私は自分が盛った分に基づいて約55％を食べたと推定しました。私の皿にあるAI推定値は985カロリーでしたが、私のシェアに基づく実際の数字は約1,155カロリーで、14.7％の偏差がありました。
ここでの解決策は簡単です。自分が盛った皿を撮影し、テーブルの中央にある共有皿ではなく、自分の皿を撮影してください。NutrolaのAIは、個人の皿の部分を分析する際に最も効果的に機能します。
レストランでの食事をAIで追跡するための最良の戦略は？
28回の食事を経て、一貫して最良の結果を得るためのワークフローを開発しました。
- 45度の角度から上から撮影する。 真上から撮影すると奥行きの知覚が平坦になってしまいます。わずかな角度をつけることで、AIは食べ物の高さやボリュームを評価できます。
- 可能な限り皿のアイテムを分ける。 カレーからご飯を離したり、サラダを一方に引っ張ったりします。明確な視覚的境界が認識を改善します。
- 油やソースのプロンプトは必ず受け入れる。 Nutrolaが調理油やソースが追加されたかどうか尋ねてきたら、外食の場合は「はい」と答えましょう。ほぼ常にそうです。
- 調味料は別々に記録する。 ケチャップ、マヨネーズ、サラダドレッシング、醤油 — それらを横に撮影するか、手動で追加します。
- 写真に撮れないアイテムは音声記録を使用する。 事前に提供されたパンバスケットやバター、ドリンクのリフィル、誰かのデザートの一口など。Nutrolaの音声記録機能を使って「バター付きのディナーロール2つ」と言うと、数秒で記録されます。
AI写真追跡はレストランでの手動推定とどう比較されるか？
2023年のObesity Reviewsの研究によると、レストランの食事を手動で推定する人々は、実際のカロリー内容から30〜50％偏差します。私のAI支援による追跡は、平均で8.9％の偏差でした。最悪のケース — 薄暗いビュッフェ — でも、AIの偏差は約18％にとどまり、無援助の推測よりもはるかに良好でした。
| 推定方法 | 平均偏差 | 最悪のケース偏差 |
|---|---|---|
| 無援助の推測（研究平均） | 30-50% | 100%+ |
| 経験豊富な手動トラッカー | 15-25% | 40% |
| AI写真推定（このテスト） | 8.9% | 18.4% |
データは明確です：AI写真追跡は完璧ではありませんが、人間の推定を大幅に上回ります。週に3〜5回外食する人にとって、その違いは数百カロリーの改善された正確さに繋がります。
レストランでのAIカロリー追跡の実際の限界は？
2週間の試行を経て、AI写真追跡が一貫して不足する特定のシナリオを挙げることができます。
- 隠れた脂肪やオイル： 最大のエラー源です。食べ物に吸収されている場合、カメラでは見えません。
- 重ねられた料理： ラザニア、重ねたナチョス、ボリューム満点のハンバーガー — AIは層の間に何があるかを正確に推定できません。
- 薄暗い照明下の暗色の食べ物： 薄暗いレストランでのダークチキンにモレソースがかかっていると、視覚的に解析するのはほぼ不可能です。
- カロリー密度の高いドレッシングやソース： 大さじ1杯のランチドレッシングは73カロリー、2杯のピーナッツソースは190カロリーを追加します。これらの小さなボリュームは、カロリーの重みが大きいです。
- レストランによって異なるポーションサイズ： 「サイドのフライ」は、ある店では200カロリー、別の店では500カロリーかもしれません。
これらの制限にもかかわらず、利便性は非常に大きいです。皿を撮影するのに5秒を費やすのと、データベースを検索してポーションを推測するのに5分を費やすのでは、意味のある違いがあります。2週間で、写真AIアプローチは手動記録の時間を約45分節約し、自分自身で達成できるよりもはるかに良い正確さを提供したと推定しています。
最終的な結論：レストランでAI写真追跡を使用すべきか？
外食を頻繁にする人にとって、AI写真カロリー追跡は現在利用可能な最も実用的な解決策です。自宅で食べ物を重さを量る精度には及びませんし、隠れた脂肪のある食事を体系的に過小評価します。しかし、私が測定した8.9％の平均偏差は、ほとんどの栄養目標にとって許容範囲内です。
Nutrolaのアプローチは、写真AIと栄養士が確認したデータベース、油やソースに関するスマートなプロンプトを組み合わせることで、私のテストで最も一貫した結果を生み出しました。音声記録機能は、撮影できなかったアイテムのギャップを埋めました。月額わずか2.50ユーロのスタート価格で、レストランでの手動推測に対する正確さの向上は、そのコストを何度も正当化します。
結論として、レストランでの完璧な追跡は、どの方法でも不可能です。しかし、AI写真追跡は、外食時に多くの人が追跡をやめてしまう摩擦を感じることなく、栄養目標に向けて意味のある進展を遂げるために十分な近さを提供します。
