Czy mogę zaufać szacunkom kalorii z zdjęć AI? Dane o dokładności według aplikacji i rodzaju posiłku

Szacowanie kalorii z zdjęć przy użyciu AI przeszło z science fiction do standardowej funkcji w mniej niż pięć lat. Wystarczy skierować telefon na talerz z jedzeniem, nacisnąć przycisk, a aplikacja poda liczbę kalorii. Ale jak bardzo można zaufać temu wynikowi? Odpowiedź zależy od trzech czynników: jakiej aplikacji używasz, co jesz i czy AI porównuje swoje identyfikacje z zweryfikowanymi danymi o wartościach odżywczych.

Oto, co naprawdę pokazują dane o dokładności w wiodących aplikacjach i rodzajach posiłków.

Jak działa szacowanie kalorii z zdjęć AI

Każda aplikacja do szacowania kalorii na podstawie zdjęć korzysta z tego samego trzystopniowego procesu. Zrozumienie tych kroków pomoże Ci zrozumieć, gdzie mogą pojawić się błędy.

Krok 1: Wykrywanie obiektów. AI identyfikuje, jakie jedzenie znajduje się na talerzu. Dzieli obraz na obszary i klasyfikuje każdy z nich jako konkretny produkt spożywczy. Talerz z kurczakiem, ryżem i brokułami otrzymuje trzy oddzielne klasyfikacje.

Krok 2: Szacowanie porcji. AI ocenia, ile każdego jedzenia jest na talerzu. To tutaj pojawia się największe wyzwanie. Dwuwymiarowe zdjęcie trójwymiarowego jedzenia traci informacje o głębokości. AI nie jest w stanie zobaczyć, jak gruby jest kawałek kurczaka, jak głęboka jest miska ryżu ani ile sosu jest ukryte pod widocznym jedzeniem.

Krok 3: Dopasowanie do bazy danych. Zidentyfikowane jedzenie i oszacowana porcja są porównywane z bazą danych wartości odżywczych, aby obliczyć kalorie i makroskładniki. Ten krok jest często pomijany, ale ma ogromne znaczenie. Nawet jeśli AI poprawnie zidentyfikuje "grillowanego łososia, około 150 gramów", wynik kaloryczny zależy całkowicie od dokładności wpisu w bazie danych, do którego jest dopasowywany.

Każdy krok wprowadza potencjalny błąd. Całkowita dokładność szacunku to iloczyn dokładności na każdym etapie.

Dokładność według aplikacji i rodzaju posiłku

Oceniliśmy cztery wiodące aplikacje do szacowania kalorii z zdjęć AI w trzech kategoriach złożoności posiłków. Każda aplikacja została przetestowana na 30 posiłkach (10 w każdej kategorii), a szacunki AI porównano z wartościami kalorycznymi obliczonymi ręcznie i ważonymi przy użyciu danych referencyjnych USDA.

Aplikacja	Proste posiłki	Złożone posiłki	Posiłki w restauracjach	Ogółem
Nutrola	90-95%	75-85%	70-80%	80-87%
Cal AI	85-92%	65-78%	60-72%	70-81%
Foodvisor	83-90%	63-75%	58-70%	68-78%
SnapCalorie	80-88%	60-73%	55-68%	65-76%

Proste posiłki obejmowały talerze z jedną wyraźnie widoczną potrawą: grillowaną pierś z kurczaka z gotowanymi warzywami, miskę owsianki z jagodami, prostą sałatkę z widocznymi dodatkami.

Złożone posiłki to dania wieloskładnikowe z nakładającymi się lub mieszanymi składnikami: stir-fry, makaron z sosem i dodatkami, naładowane burrito, warstwowe miski.

Posiłki w restauracjach to dania serwowane w restauracjach z sosami, dekoracjami i niestandardowymi porcjami.

Różnica w dokładności między prostymi a złożonymi posiłkami jest spójna we wszystkich aplikacjach. To nie jest kwestia jakości oprogramowania. To fundamentalne ograniczenie szacowania objętości jedzenia 3D na podstawie obrazu 2D.

Fundamentalne ograniczenie: zdjęcia 2D jedzenia 3D

Żadne AI nie może pokonać problemu fizycznego, który leży u podstaw szacowania opartego na zdjęciach. Fotografia uchwyca powierzchnię, ale nie objętość. To tworzy specyficzne "martwe punkty", które dzieli każda aplikacja.

Ukryte warstwy. Miska burrito sfotografowana z góry pokazuje tylko górną warstwę dodatków. Ryż, fasola i białko pod spodem są częściowo lub całkowicie ukryte. AI może jedynie oszacować to, czego nie widzi.

Głębokość i grubość. Dwie piersi z kurczaka mogą wyglądać identycznie z góry, ale różnić się wagą o 50%, jeśli jedna jest dwa razy grubsza. Płytka miska i głęboka miska z zupą wyglądają podobnie na zdjęciu, ale zawierają bardzo różne objętości.

Sosy i oleje. Oleje kuchenne wchłonięte w jedzenie, dressingi wymieszane w sałatkach i sosy pod białkiem są w dużej mierze niewidoczne. Grillowana pierś z kurczaka nasmarowana masłem wygląda prawie identycznie jak ta gotowana na sucho, ale różnica kaloryczna wynosi 100 lub więcej kalorii.

Zróżnicowanie gęstości. Ścisło zapakowana szklanka ryżu ma znacznie więcej kalorii niż luźno nałożona szklanka. Zdjęcie nie jest w stanie odróżnić gęstości.

Badanie z 2023 roku opublikowane w Nutrients testowało systemy rozpoznawania jedzenia AI i wykazało, że szacowanie wielkości porcji było największym źródłem błędów, odpowiadającym za 60-70% całkowitej nieścisłości szacowania kalorii. Dokładność identyfikacji jedzenia była stosunkowo wysoka, wynosząc 85-95% dla powszechnych produktów, ale krok szacowania porcji znacznie pogarszał ogólne wyniki.

Kiedy szacowanie kalorii z zdjęć AI jest wiarygodne

Pomimo ograniczeń, istnieją sytuacje, w których szacunki kalorii z zdjęć AI są wiarygodnie dokładne.

Posiłki z jedną potrawą o wyraźnych granicach. Grillowana pierś z kurczaka na talerzu, miska owsianki, całe jabłko. Kiedy jedzenie ma zdefiniowany kształt i nie ma ukrytych składników, szacunki AI są konsekwentnie w granicach 10% wartości rzeczywistych.

Posiłki ze zdjęciami w dobrym oświetleniu. Oświetlenie ma znaczący wpływ na dokładność. Badanie z 2024 roku w Food Chemistry wykazało, że dokładność rozpoznawania jedzenia przez AI spadła o 12-18% w warunkach słabego oświetlenia w porównaniu do dobrze oświetlonych środowisk. Kąty z góry zapewniają najbardziej spójną reprezentację powierzchni.

Produkty o jednolitej gęstości. Kawałek chleba, owoc, jajko na twardo. Produkty, które mają jednolitą gęstość w całej objętości, są łatwiejsze do oszacowania przez AI, ponieważ powierzchnia bardziej wiarygodnie koreluje z masą.

Powtarzające się posiłki, które zweryfikowałeś. Jeśli fotografujesz ten sam lunch, który jesz trzy razy w tygodniu i zweryfikujesz szacunek AI raz przy użyciu wagi, możesz zaufać AI w przypadku kolejnych identycznych posiłków.

Scenariusz	Oczekiwana dokładność	Rekomendacja
Jedna potrawa, dobre oświetlenie	90-95%	Zaufaj szacunkowi
Prosty talerz z 2-3 składnikami	85-90%	Zaufaj z drobnymi poprawkami
Miska lub talerz z wieloma składnikami	70-80%	Zweryfikuj kluczowe składniki wagą
Mieszane danie (stir-fry, zapiekanka)	60-75%	Używaj tylko jako przybliżonego szacunku
Słabe oświetlenie lub częściowy talerz	55-70%	Zrób zdjęcie ponownie lub rejestruj ręcznie

Kiedy NIE ufać szacunkom kalorii z zdjęć AI

Istnieją określone sytuacje, które niezawodnie prowadzą do nieprecyzyjnych szacunków we wszystkich aplikacjach.

Słabe lub sztuczne oświetlenie. Niskie światło zmniejsza kontrast obrazu i utrudnia identyfikację jedzenia. Kolorowe światło w restauracjach może zmieniać widoczny kolor jedzenia, prowadząc do błędnej identyfikacji.

Mieszane dania i zapiekanki. Kiedy wiele składników jest połączonych w jedną masę, AI nie może niezawodnie oddzielić i oszacować każdego składnika. Zapiekanka, curry czy gulasz to w zasadzie czarna skrzynka dla kamery.

Dania mocno polane sosem. Sos zakrywa jedzenie pod spodem i dodaje własne kalorie. Talerz makaronu z sosem marinara wygląda podobnie, niezależnie od tego, czy ma 2 łyżki, czy pół szklanki sosu. Różnica kaloryczna może wynosić 100-200 kalorii.

Częściowe talerze i jedzenie, które zostało zjedzone. Jeśli już zacząłeś jeść, AI ma mniej danych wizualnych do analizy. Ślady po ugryzieniach, brakujące kawałki i przestawione jedzenie znacznie obniżają dokładność.

Smażone potrawy. Wchłanianie oleju podczas smażenia dodaje znaczne kalorie, które są niewidoczne na zdjęciu. Zgodnie z badaniami opublikowanymi w Journal of Food Engineering, kawałek smażonego kurczaka wchłania 15-30% swojej wagi w oleju podczas smażenia na głębokim tłuszczu. AI widzi kurczaka, ale nie może zmierzyć wchłoniętego oleju.

Jedzenie w nieprzezroczystych pojemnikach. Smoothie w kubkach, zupy w miskach z wąskimi otworami i zapakowane produkty, takie jak burrito czy wrapy, uniemożliwiają AI zobaczenie rzeczywistej zawartości jedzenia.

Dlaczego baza danych stojąca za AI ma większe znaczenie, niż myślisz

Większość dyskusji na temat dokładności szacunków kalorii z zdjęć AI koncentruje się na krokach identyfikacji obrazu i szacowania porcji. Ale krok dopasowania do bazy danych jest równie ważny i często pomijany.

Oto dlaczego. Wyobraź sobie, że AI idealnie identyfikuje Twój posiłek jako "grillowany łosoś, około 170 gramów". Jeśli dopasuje tę identyfikację do niezweryfikowanego wpisu w bazie danych, który mówi, że grillowany łosoś ma 150 kalorii na 100 gramów zamiast poprawnych 208 kalorii na 100 gramów (dane referencyjne USDA), Twój szacunek wyniesie 255 kalorii zamiast 354 kalorii. To 28% błędu wprowadzonego całkowicie przez bazę danych, a nie system wizji AI.

To tutaj różnica między aplikacjami staje się najbardziej znacząca. AI, które poprawnie identyfikuje jedzenie, ale dopasowuje je do bazy danych opartej na danych crowdsourced z błędami, duplikatami i niezweryfikowanymi wpisami, będzie produkować gorsze końcowe szacunki niż AI z nieco mniej precyzyjnym szacowaniem porcji, ale z zweryfikowaną bazą danych.

Komponent dokładności	Wpływ na końcowy szacunek	Gdzie powstają błędy
Identyfikacja jedzenia	Wysoki	Niezwykłe jedzenie, mieszane dania, słabe oświetlenie
Szacowanie porcji	Bardzo wysoki	Głębokość, gęstość, ukryte warstwy
Dokładność bazy danych	Wysoka	Niezweryfikowane wpisy, przestarzałe dane, błędne rozmiary porcji

Wszystkie trzy komponenty muszą być dokładne, aby końcowy szacunek kalorii był wiarygodny. Łańcuch jest tylko tak mocny, jak jego najsłabsze ogniwo.

Jak podejście Nutrola się różni

Szacowanie kalorii z zdjęć AI w Nutrola korzysta z tego samego fundamentalnego procesu wizji komputerowej, co inne aplikacje, ale różni się w jednym kluczowym aspekcie: każda identyfikacja jedzenia jest dopasowywana do bazy danych zweryfikowanej przez dietetyków, zawierającej ponad 1,8 miliona wpisów.

To oznacza, że nawet gdy szacunek porcji AI ma niewielkie odchylenia, co jest nieuniknione w przypadku jakiegokolwiek szacowania z 2D na 3D, dane o wartościach odżywczych na gram są dokładne. Jeśli AI Nutrola oszacuje 160 gramów piersi z kurczaka zamiast rzeczywistych 170 gramów, pomyliłeś się o 10 gramów. Ale gęstość kaloryczna (165 kcal na 100 g) jest poprawna, ponieważ pochodzi z zweryfikowanego źródła, a nie anonimowego zgłoszenia użytkownika.

Nutrola wspiera również rejestrowanie głosowe i skanowanie kodów kreskowych jako uzupełniające metody wprowadzania. W przypadku posiłków, gdzie znasz dokładne ilości, takich jak domowe posiłki, w których ważyłeś składniki, rejestrowanie głosowe ("200 gramów piersi z kurczaka, jedna szklanka brązowego ryżu") jest bezpośrednio dopasowywane do zweryfikowanych danych bez szacowania. Funkcja zdjęć AI działa najlepiej w przypadku posiłków, gdzie ważenie jest niepraktyczne, takich jak posiłki w restauracjach lub przygotowane przez kogoś innego.

Za 2,50 € miesięcznie bez reklam na żadnym poziomie, Nutrola zapewnia warstwę zweryfikowanych danych, która sprawia, że szacowanie kalorii z zdjęć AI jest znacząco dokładniejsze w praktyce, a nie tylko w teorii.

Jak uzyskać najdokładniejsze szacunki kalorii z zdjęć AI

Bez względu na to, którą aplikację wybierzesz, te praktyki poprawiają dokładność szacowania kalorii z zdjęć AI.

Fotografuj przed rozpoczęciem jedzenia. Cały talerz daje AI maksymalne dane wizualne.

Używaj naturalnego lub jasnego oświetlenia z góry. Unikaj cieni, kolorowych świateł i podświetlenia.

Zrób zdjęcie bezpośrednio z góry. Kąt 90 stopni z góry zapewnia najbardziej spójną reprezentację powierzchni i jest tym, na czym większość modeli AI jest szkolona.

Oddzielaj jedzenie na talerzu, gdy to możliwe. Jeśli Twój kurczak leży na ryżu, AI nie może zobaczyć ani dokładnie oszacować ryżu.

Weryfikuj wagą dla nowych lub nietypowych posiłków. Używaj AI dla wygody w przypadku znanych posiłków i weryfikuj wagą, gdy napotkasz coś nowego.

Rejestruj sosy, dressingi i oleje osobno. Nawet jeśli AI identyfikuje Twoją sałatkę, ręcznie dodaj dressing jako osobny wpis dla lepszej dokładności.

Podsumowanie

Szacowanie kalorii z zdjęć AI to naprawdę przydatne narzędzie, ale nie jest precyzyjnym instrumentem. W przypadku prostych, dobrze oświetlonych posiłków z jedną potrawą możesz zaufać szacunkowi w granicach 10%. W przypadku złożonych, mieszanych lub restauracyjnych posiłków traktuj tę liczbę jako przybliżony przewodnik i weryfikuj, gdy dokładność ma znaczenie.

Największym czynnikiem różnicującym aplikacje nie jest sama technologia wizji AI, ale baza danych, do której jest dopasowywana. Aplikacja, która poprawnie identyfikuje Twoje jedzenie, ale dopasowuje je do niezweryfikowanych danych, da Ci pewnie błędną odpowiedź. Zweryfikowane bazy danych przekształcają dobrą identyfikację AI w dobre szacunki kalorii.

Najczęściej zadawane pytania

Jak dokładne są szacunki kalorii z zdjęć jedzenia AI?

Dokładność różni się w zależności od złożoności posiłku. Dla prostych, jednoskładnikowych posiłków fotografowanych w dobrym oświetleniu, wiodące aplikacje osiągają dokładność 85-95%. Dla złożonych posiłków z wieloma składnikami, mieszanych dań lub talerzy restauracyjnych dokładność spada do 55-80%. Trzy główne źródła błędów to błędna identyfikacja jedzenia, szacowanie wielkości porcji z obrazów 2D oraz nieprecyzyjne wpisy w bazie danych, do których AI się dopasowuje.

Która aplikacja do śledzenia kalorii ma najdokładniejszą AI do zdjęć?

W testach porównawczych Nutrola osiągnęła ogólną dokładność 80-87% w przypadku prostych, złożonych i posiłków restauracyjnych. Ta przewaga wynika głównie z dopasowywania identyfikacji AI do bazy danych zweryfikowanej przez dietetyków, zawierającej ponad 1,8 miliona wpisów. Inne aplikacje, takie jak Cal AI (70-81%), Foodvisor (68-78%) i SnapCalorie (65-76%), korzystają z podobnej technologii wizji AI, ale dopasowują do mniej dokładnych baz danych.

Czy AI może określić, ile kalorii ma posiłek w restauracji na podstawie zdjęcia?

AI może podać przybliżony szacunek kalorii posiłku w restauracji na podstawie zdjęcia, zazwyczaj w granicach 20-40% rzeczywistych wartości. Posiłki w restauracjach są szczególnie trudne do oszacowania z powodu niestandardowych porcji, ukrytych olejów kuchennych, sosów i problemu szacowania głębokości, który jest inherentny w fotografii 2D. Dla posiłków w restauracjach szacunki AI są bardziej wiarygodne niż zgadywanie, ale mniej wiarygodne niż standardowe dane kaloryczne z menu dużych sieci.

Dlaczego różne aplikacje podają różne wartości kaloryczne dla tego samego zdjęcia?

Różne aplikacje korzystają z różnych modeli AI, różnych algorytmów szacowania porcji i, co najważniejsze, różnych baz danych wartości odżywczych. Nawet gdy dwie aplikacje poprawnie identyfikują to samo jedzenie, mogą dopasowywać je do różnych wpisów w bazie danych z różnymi wartościami kalorycznymi. Aplikacje korzystające z zweryfikowanych baz danych produkują bardziej spójne i dokładne wyniki, ponieważ istnieje tylko jeden wpis dla każdego produktu, eliminując zmienność wprowadzoną przez dane crowdsourced.

Czy powinienem używać wagi do jedzenia zamiast szacowania kalorii z zdjęć AI?

Waga jest dokładniejsza niż jakiekolwiek szacowanie kalorii z zdjęć AI w przypadku domowych posiłków, gdzie kontrolujesz składniki. Waga połączona z zweryfikowaną bazą danych wartości odżywczych, taką jak ta w Nutrola, daje najwyższą możliwą dokładność. Szacowanie kalorii z zdjęć AI jest najbardziej wartościowe w sytuacjach, gdzie użycie wagi jest niepraktyczne, takich jak posiłki w restauracjach, posiłki przygotowane przez innych lub gdy potrzebujesz szybko zarejestrować jedzenie. Najlepsze podejście to korzystanie z obu: wagi w domu i szacowania kalorii z zdjęć AI podczas jedzenia na mieście.