Я тестировал отслеживание калорий с помощью ИИ в ресторанах в течение 2 недель

Питание вне дома — это место, где отслеживание калорий теряет смысл. Исследование 2024 года, опубликованное в Journal of the Academy of Nutrition and Dietetics, показало, что блюда в ресторанах содержат в среднем 1205 калорий, а посетители недооценивают эту цифру на 30-50%. Я решил проверить, сможет ли отслеживание калорий с помощью ИИ на основе фотографий сократить этот разрыв. В течение двух недель я ел 28 блюд в ресторанах разных категорий, фотографировал каждую тарелку и сравнивал оценки ИИ с фактическими данными о питательных веществах из меню и лабораторных анализов.

Как я проводил этот тест?

Я отслеживал каждое ресторанное блюдо с 24 марта по 6 апреля 2026 года. Я использовал функцию фото ИИ от Nutrola, чтобы сделать снимок каждой тарелки перед едой. Для проверки точности я собрал данные о питательных веществах из трех источников:

• Опубликованные данные о питательных веществах из меню (доступные в сетевых ресторанах в соответствии с законами FDA о маркировке калорий)
• Реконструкция рецептов с использованием списков ингредиентов, предоставленных ресторанами, где это возможно
• Оценки зарегистрированного диетолога для независимых ресторанов без опубликованных данных (я нанял консультанта-диетолога для 6 блюд)

Я посетил 22 разных ресторана в четырех категориях: фастфуд (8 блюд), заведения с обслуживанием/неформальные рестораны (8 блюд), этническая кухня (7 блюд) и шведские столы (5 блюд). Я фотографировал каждую тарелку в реальных условиях — без специального освещения и без постановочных ракурсов. Просто мой телефон, направленный на стол, как это делает обычный человек.

Насколько точным было отслеживание калорий с помощью ИИ в разных типах ресторанов?

Вот результаты, усредненные по категориям ресторанов.

Тип ресторана	Протестированные блюда	Средние фактические калории	Средняя оценка ИИ	Среднее отклонение	Процент отклонения
Фастфуд	8	847 ккал	812 ккал	-35 ккал	-4.1%
Заведения с обслуживанием	8	1,143 ккал	1,024 ккал	-119 ккал	-10.4%
Этническая кухня	7	978 ккал	891 ккал	-87 ккал	-8.9%
Шведский стол	5	1,412 ккал	1,195 ккал	-217 ккал	-15.4%
Всего	28	1,067 ккал	972 ккал	-95 ккал	-8.9%

Ясно одно: ИИ лучше всего справляется с визуально различимыми, стандартизированными блюдами (фастфуд) и испытывает наибольшие трудности с смешанными, накладывающимися или многослойными блюдами (шведские столы).

Почему фастфуд оказался самой точной категорией?

Фастфуд — это «родное поле» для ИИ. Бургеры, картошка фри, куриные наггетсы и буррито имеют стандартизированные формы, постоянные размеры порций и почти всегда видны на тарелке, не скрываясь под соусами или другими блюдами.

Блюдо фастфуда	Фактические калории	Оценка ИИ	Отклонение
Большой Мак + средняя картошка фри	1,080 ккал	1,045 ккал	-3.2%
Буррито с курицей от Chipotle	1,005 ккал	960 ккал	-4.5%
Сэндвич с индейкой от Subway (15 см)	480 ккал	495 ккал	+3.1%
Набор из 3-х кусочков курицы от KFC с салатом	1,120 ккал	1,065 ккал	-4.9%
Сэндвич от Chick-fil-A + картошка фри	920 ккал	885 ккал	-3.8%
3 хрустящих тако + начос от Taco Bell	870 ккал	840 ккал	-3.4%
Чизбургер от Five Guys (без картошки фри)	840 ккал	810 ккал	-3.6%
Комбо от Wendy's Dave's Single	1,060 ккал	995 ккал	-6.1%

Среднее отклонение для фастфуда составило всего 4.1 процента. Фото ИИ от Nutrola также сопоставляет свои визуальные распознавания с проверенной базой данных продуктов, которая включает стандартные позиции меню крупных сетей. Этот гибридный подход — визуальная оценка плюс сопоставление с базой данных — дает ему преимущество перед чисто изображенческими оценками.

Что происходит с блюдами в ресторанах с обслуживанием?

Рестораны с обслуживанием представили первые настоящие вызовы. Оформление блюд сильно варьируется. Филе лосося на гриле в одном ресторане может весить 170 граммов, а в другом — 225 граммов. Соусы поливаются, масло растапливается в овощах, а хлебные корзины появляются еще до начала еды.

Блюдо в ресторане с обслуживанием	Фактические калории	Оценка ИИ	Отклонение	Основная проблема
Лосось на гриле + овощи	785 ккал	710 ккал	-9.6%	Масло на овощах
Курица пармезан + паста	1,340 ккал	1,180 ккал	-11.9%	Глубина слоя сыра
Стейк (285 г рибай) + запеченный картофель	1,290 ккал	1,150 ккал	-10.9%	Мраморность не видна
Цезарь с курицей на гриле	680 ккал	640 ккал	-5.9%	Количество соуса
Рыба с картошкой	1,180 ккал	1,050 ккал	-11.0%	Толщина кляра
Бургер + кольца лука	1,420 ккал	1,285 ккал	-9.5%	Впитывание кляра в кольцах
Паста карбонара	1,050 ккал	940 ккал	-10.5%	Соотношение сливок/яиц/сыра
Сэндвич с курицей на гриле + салат	895 ккал	840 ккал	-6.1%	Распределение майонеза/соуса

Основной причиной недооценки стали невидимые жиры. Масло, растопленное в брокколи, масло, смешанное с пастой, соусы на основе сливок — ИИ не мог увидеть то, что впиталось в еду. Это фундаментальное ограничение любого метода визуальной оценки, будь то ИИ или человек.

Как ИИ справляется с этническими и международными кухнями?

Эта категория меня больше всего интересовала. Этнические кухни представляют собой уникальные вызовы: незнакомые составы блюд, сложные смеси специй и масел, а также меньшая стандартизация между ресторанами.

Блюдо этнической кухни	Фактические калории	Оценка ИИ	Отклонение	Основная проблема
Курица тикка масала + наан + рис	1,180 ккал	1,040 ккал	-11.9%	Сливки/гхи в соусе
Пад Тай с креветками	920 ккал	855 ккал	-7.1%	Масло в лапше
Суши-плато (12 кусочков + 2 ролла)	785 ккал	750 ккал	-4.5%	Плотность риса варьируется
Тарелка с курицей шаурмой	1,050 ккал	935 ккал	-11.0%	Тахини и масло
Фо с говядиной (большое)	720 ккал	690 ккал	-4.2%	Содержание жира в бульоне
Энчилада (3) с рисом и фасолью	1,210 ккал	1,095 ккал	-9.5%	Сыр внутри тортильи
Эфиопское комбо (3 блюда + инжера)	980 ккал	870 ккал	-11.2%	Очищенное масло в рагу

Суши и фо показали хорошие результаты, потому что компоненты визуально различимы — можно сосчитать кусочки суши и увидеть лапшу в прозрачном бульоне. Худшие результаты показали блюда с скрытыми жирами: индийские карри, насыщенные гхи и сливками, эфиопские рагу с нитер киббех (специальное масло) и ближневосточные блюда с тахини. Nutrola предложила мне добавить масла для индийских и ближневосточных блюд, что помогло сократить разрыв, когда я принял эти подсказки.

Почему шведские столы самые сложные для отслеживания?

Шведские столы оказались катастрофой для точности, и, честно говоря, я этого ожидал. Проблемы накапливаются друг на друга.

Проблема шведского стола	Влияние на точность
Накладывающиеся блюда	ИИ не видит предметы под ними
Смешанные порции из нескольких станций	Сложно идентифицировать отдельные блюда
Соусы и подливы, собравшиеся на тарелке	Оценка объема не срабатывает
Несколько походов (2-3 тарелки)	Нужно фотографировать каждую тарелку отдельно
Тусклое освещение во многих шведских столах	Пониженное качество изображения

Блюдо на шведском столе	Фактические калории	Оценка ИИ	Отклонение
Китайский шведский стол (2 тарелки)	1,580 ккал	1,290 ккал	-18.4%
Индийский шведский стол (2 тарелки)	1,490 ккал	1,240 ккал	-16.8%
Завтрак в отеле (шведский стол)	1,020 ккал	910 ккал	-10.8%
Бразильский стейкхаус	1,650 ккал	1,380 ккал	-16.4%
Пицца (4 куска + салат)	1,320 ккал	1,155 ккал	-12.5%

Китайские и индийские шведские столы показали худшую точность, потому что соусы скрывали то, что было под ними. На китайском шведском столе сладко-кислый соус полностью закрыл куриные кусочки, что сделало оценку порций практически невозможной по фотографии. Завтрак в отеле показал лучшие результаты, потому что блюда были разложены по тарелке — яйца, тосты, бекон, фрукты — каждое было четко видно.

Влияет ли тусклое освещение на точность отслеживания калорий с помощью ИИ?

Да, значительно. Я отслеживал условия освещения для всех 28 блюд и нашел четкую корреляцию.

Условия освещения	Блюда	Среднее отклонение
Яркий/естественный свет	11	-5.8%
Стандартное внутреннее освещение	12	-9.2%
Тусклое/атмосферное освещение	5	-14.1%

Пять блюд при тусклом освещении (два в ресторанах высокой кухни, один в баре, два вечерних шведских стола) имели почти в 2.5 раза большее отклонение, чем хорошо освещенные блюда. Вспышка телефона помогала в некоторых случаях, но создавала резкие тени, которые фактически путали оценку порций в двух случаях. Лучший подход — увеличить яркость экрана и использовать его как мягкий источник света перед тем, как сделать фото.

Как совместные блюда и семейный стиль подачи влияют на отслеживание?

Три моих блюда были поданы в семейном стиле, когда блюда делились между всеми за столом. Это создало уникальную проблему: мне нужно было оценить, какую долю каждого блюда я съел.

Для совместного тайского обеда (пад тай, зеленое карри, жареный рис, спрятанные весенние роллы) фактическая сумма составила около 2100 калорий на стол. Я оценил, что съел примерно 55 процентов, основываясь на том, что сам себе наложил. Моя оценка ИИ для того, что было на моей тарелке, составила 985 калорий; фактическая цифра на основе моей доли была примерно 1155 калорий — отклонение 14.7 процента.

Решение здесь простое. Фотографируйте свою тарелку после того, как наложите себе, а не общие блюда в центре стола. ИИ Nutrola работает лучше всего, когда анализирует порцию одного человека на его тарелке.

Какова лучшая стратегия для отслеживания ресторанных блюд с помощью ИИ?

После 28 блюд я разработал рабочий процесс, который постоянно давал лучшие результаты.

• Фотографируйте сверху под углом 45 градусов. Прямой верхний ракурс уплощает восприятие глубины. Легкий угол позволяет ИИ оценить высоту и объем еды.
• Разделяйте предметы на тарелке, когда это возможно. Убирайте рис от карри. Отодвигайте салат в сторону. Ясные визуальные границы улучшают распознавание.
• Всегда принимайте подсказки об маслах/соусах. Когда Nutrola спрашивает, добавлялось ли кулинарное масло или соус, отвечайте «да» для ресторанной еды. Это почти всегда так.
• Отдельно фиксируйте приправы. Кетчуп, майонез, заправка для салата, соевый соус — фотографируйте их отдельно или добавляйте вручную.
• Используйте голосовую запись для предметов, которые нельзя сфотографировать. Хлебная корзина с маслом, пополнение напитка или кусочек десерта другого человека. Я использовал функцию голосовой записи Nutrola, чтобы сказать «две булочки с маслом», и это было зарегистрировано за секунды.

Как отслеживание с помощью фото ИИ сравнивается с ручной оценкой в ресторанах?

Согласно исследованию 2023 года в Obesity Reviews, люди, которые вручную оценивают блюда в ресторанах, отклоняются на 30-50% от фактического содержания калорий. Мое отслеживание с помощью ИИ отклонялось в среднем на 8.9 процента. Даже в худшем случае — шведские столы при тусклом освещении — отклонение ИИ достигало 18 процентов, что все равно значительно лучше, чем без помощи.

Метод оценки	Среднее отклонение	Худшее отклонение
Без помощи (среднее исследование)	30-50%	100%+
Опытный ручной трекер	15-25%	40%
Оценка с помощью фото ИИ (этот тест)	8.9%	18.4%

Данные ясны: отслеживание калорий с помощью фото ИИ не идеально, но оно значительно превосходит человеческую оценку. Для человека, который ест вне дома 3-5 раз в неделю, эта разница складывается в сотни калорий улучшенной точности в неделю.

Каковы реальные ограничения отслеживания калорий с помощью ИИ в ресторанах?

После двух недель я могу перечислить конкретные сценарии, в которых отслеживание с помощью фото ИИ постоянно оказывается неэффективным.

• Скрытые жиры и масла: Единственный самый большой источник ошибок. Если оно впитано в еду, никакая камера не сможет это увидеть.
• Слоеные или сложенные блюда: Лазанья, сложенные начос, нагруженные бургеры — ИИ не может точно оценить то, что находится между слоями.
• Темные продукты в тусклом освещении: Соус моле на темной курице в тускло освещенном ресторане почти невозможно визуально разобрать.
• Калорийные заправки и соусы: Столовая ложка заправки ранч добавляет 73 калории. Две столовые ложки арахисового соуса добавляют 190 калорий. Эти небольшие объемы имеют большое калорийное значение.
• Размеры порций, которые варьируются в зависимости от ресторана: «Порция картошки фри» может составлять 200 калорий в одном месте и 500 в другом.

Несмотря на эти ограничения, фактор удобства огромен. Проведение 5 секунд на фотографирование тарелки вместо 5 минут на поиск в базе данных и оценку порций — это значительная разница. За две недели я оцениваю, что подход с фото ИИ сэкономил мне примерно 45 минут времени на ручное ведение учета, обеспечивая при этом значительно лучшую точность, чем я мог бы достичь самостоятельно.

Итог: стоит ли использовать отслеживание калорий с помощью фото ИИ в ресторанах?

Для тех, кто часто ест вне дома, отслеживание калорий с помощью фото ИИ — это самое практичное решение, доступное сегодня. Оно не сравнится с точностью взвешивания еды дома и систематически недооценит блюда с скрытыми жирами. Но среднее отклонение в 8.9 процента, которое я измерил, вполне укладывается в приемлемые рамки для большинства целей в области питания.

Подход Nutrola, сочетающий фото ИИ с проверенной базой данных о питательных веществах и умными подсказками для масел и соусов, показал самые последовательные результаты в моем тестировании. Функция голосовой записи заполнила пробелы для предметов, которые я не мог сфотографировать. При стартовой цене всего 2.50 евро в месяц, улучшение точности по сравнению с ручным угадыванием в ресторанах оправдывает стоимость многократно.

Главное: идеальное отслеживание в ресторанах невозможно независимо от метода. Но отслеживание с помощью фото ИИ приближает вас к тому, чтобы добиться значительного прогресса в ваших целях по питанию без тех трудностей, которые заставляют большинство людей прекращать отслеживание, когда они едят вне дома.