Cal AI Porsiyon Tahmininin Ne Kadar Güvenilir? Ölçülen Ağırlık ile AI Tahmini Denetimi

Cal AI, fotoğraf tabanlı kalori takip uygulamasıdır ve yiyecek porsiyonlarını ve kalorilerini fotoğraflardan tahmin etmek için bilgisayarla görme teknolojisi kullanır. Uygulamanın temel vaadi, yiyeceklerinizi tartma ve ölçme işlemlerini tamamen atlayabilmenizdir — sadece tabağınızın fotoğrafını çekin, AI geri kalanını halleder. Bu, kalori takibinin en zahmetli kısmını ortadan kaldıran cazip bir öneridir. Ancak bu, iki boyutlu bir görüntüden bir nesnenin üç boyutlu boyutunu ve ağırlığını tahmin etme gibi temel bir bilgisayarla görme sorununu çözmeyi gerektirir.

Porsiyon tahmininin güvenilirliği, AI'nın tahmin ettiği ağırlığın veya hacmin, gerçek ölçülen miktara yakın olması anlamına gelir. Ayrıca tutarlılık da önemlidir — aynı yiyeceği birden fazla kez fotoğraflamak, her seferinde aynı tahmini üretmelidir. Bu iki boyutu test etmek için 20 gıdayı kalibre edilmiş bir mutfak tartısında tarttık, Cal AI ile fotoğrafladık ve sonuçları karşılaştırdık.

Temel Sorun: 2D Görüntüden 3D Tahmin

Test sonuçlarını incelemeden önce, bu sorunun neden doğası gereği zor olduğunu anlamak önemlidir. Bir fotoğraf, üç boyutu iki boyuta indirger. Derinlik, yükseklik ve hacim bilgileri kısmen kaybolur. 3 santimetre yüksekliğindeki bir pirinç yığını, kamera açısı fark etmeden, 2 santimetre yüksekliğindeki bir yığınla fotoğrafta aynı görünebilir.

AI, eksik boyutu bağlamsal ipuçlarından çıkarmak zorundadır: tabak boyutu, yiyeceğin oluşturduğu gölge, çerçevedeki bilinen nesnelerin göreceli oranları ve eğitim verisi ile desen eşleştirme. Bu her bir çıkarım adımı, potansiyel hata kaynağıdır. 2021 yılında yayımlanan bir çalışmada, fotoğraflardan porsiyon tahmini yapan eğitimli diyetisyenlerin bile yalnızca %50-70 doğruluk oranına ulaştığı bulunmuştur; bu da görsel porsiyon tahmininin, insan ya da AI tarafından yapılması fark etmeksizin, doğası gereği belirsiz olduğunu göstermektedir.

Bu, Cal AI'ye özel bir eleştiri değildir. Bu, fotoğraf tabanlı porsiyon tahmin sistemlerinin karşılaştığı temel bir zorluktur. Sorun, bu temel kısıtlamanın pratikte ne kadar hata ürettiği ve bu hatanın kalori verilerini kullanışlı hale getirecek kadar küçük olup olmadığıdır.

Test Metodolojisi: Tartı ile Ölçülen Ağırlık vs Cal AI Tahmini

Altı kategoriye yayılan 20 gıda seçtik: uniform ürünler (tahmin edilebilir şekil ve boyut), düzensiz katı gıdalar (değişken şekil), yığılmış veya dağınık yiyecekler, sıvılar, kap içindeki yiyecekler ve tabak içinde çok bileşenli yemekler. Her gıda, 1 gram hassasiyetle kalibre edilmiş bir mutfak tartısında tartıldı.

Her gıda, standart 26 santimetre çapında beyaz bir yemek tabağına (aksi belirtilmedikçe) yerleştirildi ve yaklaşık 30 santimetre mesafeden 45 derece açıyla Cal AI ile fotoğraflandı. Cal AI'nın tahmin ettiği porsiyon boyutunu ve kalori sayısını kaydettik, ardından gerçek ölçülen değerlerden sapmayı hesapladık.

Porsiyon Tahmin Doğruluğu: Cal AI Tahmini vs Gerçek Ağırlık

Tam Güvenilirlik Test Sonuçları

Gıda	Gerçek Ağırlık	Cal AI Tahmini	Ağırlık Sapması	Sapma %	Gerçek Kaloriler	Cal AI Kalorileri	Kalori Etkisi
Ekmek dilimi	38 g	40 g	+2 g	+5.3%	95	100	+5
Büyük haşlanmış yumurta	50 g	50 g	0 g	0.0%	78	78	0
Protein bar (ambalajsız)	60 g	55 g	-5 g	-8.3%	210	193	-17
Izgara tavuk göğsü	174 g	140 g	-34 g	-19.5%	287	231	-56
Izgara biftek	225 g	175 g	-50 g	-22.2%	573	446	-127
Fırında somon fileto	168 g	145 g	-23 g	-13.7%	349	302	-47
Pişirilmiş beyaz pirinç	210 g	180 g	-30 g	-14.3%	232	199	-33
Pişirilmiş makarna	240 g	195 g	-45 g	-18.8%	374	304	-70
Püre patates	200 g	160 g	-40 g	-20.0%	224	179	-45
Karışık yeşil salata	120 g	95 g	-25 g	-20.8%	19	15	-4
Portakal suyu (bardakta)	250 ml	200 ml	-50 ml	-20.0%	112	90	-22
Sütlü kahve (bardakta)	350 ml	250 ml	-100 ml	-28.6%	58	41	-17
Çorba (kasede)	400 ml	300 ml	-100 ml	-25.0%	160	120	-40
Badem (küçük kasede)	35 g	28 g	-7 g	-20.0%	204	163	-41
Karışık kuruyemiş (kasede)	55 g	42 g	-13 g	-23.6%	264	201	-63
Yoğurt (kapta)	170 g	150 g	-20 g	-11.8%	100	88	-12
Tam elma	182 g	170 g	-12 g	-6.6%	95	89	-6
Yarım avokado	68 g	75 g	+7 g	+10.3%	109	120	+11
Tost üzerindeki fıstık ezmesi	18 g (sadece PB)	12 g	-6 g	-33.3%	105	70	-35
Tavuk + pirinç + brokoli tabağı	440 g toplam	365 g toplam	-75 g	-17.0%	542	450	-92

Özet İstatistikler:

• Ortalama mutlak sapma: %16.9
• Medyan sapma: %19.2
• Aşırı tahmin yanlılığı: 20 gıdanın 18'i düşük tahmin edildi
• Ortalama kalori etkisi: her gıda için 37 kalori
• %10 doğruluk içinde olan gıdalar: 20'de 5 (yüzde 25)
• %20'den fazla sapma olan gıdalar: 20'de 8 (yüzde 40)

Sonuçlar, net ve tutarlı bir desen ortaya koyuyor. Cal AI, test edilen 20 gıdanın 18'inin porsiyon boyutunu düşük tahmin etti. Ortalama sapma %16.9 idi, ancak bu ortalama belirli kategoriler için ciddiyeti gizliyor. Düzensiz etler (tavuk göğsü, biftek) %19-22 oranında düşük tahmin edildi. Yığılmış yiyecekler (pirinç, makarna, püre patates) %14-20 oranında düşük tahmin edildi. Sıvılar ise %20-29 oranında düşük tahmin edildi.

Porsiyon Tahmininin Güvenilir Olduğu Yerler

Cal AI'nın tahminleri, uniform, tahmin edilebilir şekillere ve standart boyutlara sahip yiyecekler için en doğruydu.

Uniform Ürünler

Bir dilim ekmek, haşlanmış bir yumurta ve bir elma, gerçek ağırlığın %5-10'u içinde kalır. Bu yiyecekler, AI eğitim verisinin iyi bir şekilde yakaladığı tutarlı şekillere sahiptir. Bir dilim ekmek, marka fark etmeksizin benzer kalınlık ve boyutlara sahiptir. Büyük bir yumurta, büyük bir yumurtadır. AI'nın eğitim verisi, bu nesnelerin binlerce görüntüsünü içerir ve tahmin edilebilir geometrileri, derinlik tahminini daha az kritik hale getirir.

Standart Paketlenmiş Ürünler

Ambalajsız olmasına rağmen protein bar, gerçek ağırlığın %8.3 içinde tahmin edildi. Dikdörtgen şekli ve standart boyutları, görsel olarak tahmin edilebilir hale getiriyor. Düzenli geometrik şekillere sahip yiyecekler, testlerimizde düzensiz yiyeceklerden sürekli olarak daha iyi performans gösterdi.

Ortak faktör, bu yiyeceklerin düşük şekil değişkenliğine sahip olmasıdır. Bir dilim ekmek gördüğünüzde, aslında hepsini görmüş olursunuz. AI, bağlamsal ipuçlarından boyutları çıkarmak yerine, ezberlenmiş tipik boyutlara güvenebilir.

Porsiyon Tahmininin Güvenilir Olmadığı Yerler

Düzensiz Şekiller: Biftek ve Tavuk Sorunu

Izgara biftek %22.2 oranında düşük tahmin edildi ve bu, tek bir gıda için 127 kalori hatasına yol açtı. Tavuk göğsü ise %19.5 oranında düşük tahmin edildi, bu da 56 kalori hatası demek. Bu yiyecekler, protein alımını takip edenlerin en sık kaydettiği gıdalar arasında yer alıyor.

Düzensiz şekiller zordur çünkü kalınlık yiyecek boyunca değişir. Bir tavuk göğsü, kalın bir merkezden ince kenarlara doğru incelir. Üstten veya açılı bir fotoğraftan, AI yüzey alanını yakalar ancak merkezdeki kalınlığı düşük tahmin eder. Sonuç, kalori yoğunluğu yüksek proteinleri etkileyen sistematik bir eksik sayım olur — makro takibi için en önemli olan yiyecekler.

Yığılmış ve Dağınık Yiyecekler: Pirinç, Makarna ve Patates

Pişirilmiş pirinç, makarna ve püre patates %14-20 oranında düşük tahmin edildi. Bu yiyecekler, 2D bir fotoğrafın sıkıştırdığı önemli yükseklikle birikiyor. Bir tabağın üzerindeki bir porsiyon pirinç, zirvede 4 santimetre yüksekliğinde olabilir, ancak 45 dereceden çekilen bir fotoğraf bunu çok daha ince bir katman olarak gösterir.

USDA FoodData Central veritabanı, pişirilmiş beyaz pirincin bir fincan (186 g) başına 130 kalori içerdiğini belirtmektedir. 210 gramlık bir porsiyonda %14.3'lük bir düşük tahmin, 33 kaybolan kaloriye dönüşüyor — ve çoğu insan pirinci daha büyük bir yemeğin parçası olarak tüketiyor. Hatalar, tabaktaki her yığılmış yiyecek için birikiyor.

Sıvılar: Görünmez Hacim Sorunu

Sıvılar, %20-29 oranında sapmalarla en az güvenilir tahmin edilen kategoriydi. Bir bardak portakal suyu %20 oranında düşük tahmin edildi. Sütlü kahve ise %28.6 oranında düşük tahmin edildi. Kasedeki çorba %25 oranında düşük tahmin edildi.

Sorun basit: AI sıvının yüzeyini görebilir ancak kapların derinliğini belirleyemez. Geniş, sığ bir kase ve dar, derin bir kase, fotoğrafta aynı yüzeyleri sunabilirken, tamamen farklı hacimlere sahip olabilir. Kap boyutlarını bilmeden, AI'nın hacim tahmini temelde bir tahmin olur.

Açı Sorunu: Aynı Yiyecek, Farklı Tahminler

Her bir yiyecek için doğruluk testinin ötesinde, Cal AI'nın aynı yiyecek fotoğraflandığında tutarlı tahminler üretip üretmediğini araştırdık.

Açı Tutarlılık Testi: Izgara Tavuk Göğsü (174 g gerçek)

Fotoğraf Açısı	Cal AI Tahmini	Gerçekten Sapma
45 derece (standart)	140 g	-19.5%
Doğrudan üstten (90 derece)	155 g	-10.9%
Alçak açı (20 derece)	125 g	-28.2%
Yan açı (10 derece)	110 g	-36.8%

Aynı 174 gramlık tavuk göğsü, kamera açısına bağlı olarak 110 gram ile 155 gram arasında tahminler üretti — 45 gramlık bir fark. Üstten çekilen açı en doğru sonucu verdi çünkü tüm yüzey alanını yakaladı, ancak bu bile %11'e yakın bir hata payı içeriyordu. Alçak ve yan açı, yiyeceğin yüksekliği ve derinliği giderek sıkıştırıldığı için porsiyonu büyük ölçüde düşük tahmin etti.

Bu, bir kullanıcının aldığı kalori sayısının, sadece ne yediğinden değil, aynı zamanda telefonunu nasıl tuttuğundan da kısmen belirlendiği anlamına geliyor. Alçak açıdan yiyecek fotoğraflayan bir kullanıcı, üstten fotoğraf çeken bir kullanıcıya kıyasla kalori sayımını sürekli olarak düşük tutacaktır.

Tabak Boyutu İllüzyonu: Aynı Porsiyon, Farklı Tabaklar

Cal AI'nın porsiyon tahminini etkileyip etkilemediğini test etmek için 200 gram pişirilmiş makarnayı üç farklı tabakta yerleştirdik.

Tabak Boyutu Testi: 200 g Pişirilmiş Makarna

Tabak Çapı	Cal AI Tahmini	Sapma
20 cm (küçük tabak)	225 g	+12.5%
26 cm (standart tabak)	195 g	-2.5%
32 cm (büyük tabak)	155 g	-22.5%

Aynı 200 gram makarna, küçük bir tabakta 225 gram, büyük bir tabakta ise 155 gram olarak tahmin edildi — bu, yalnızca tabak boyutuna bağlı olarak 70 gramlık bir fark. Bu, Delboeuf illüzyonu olarak bilinen, nesnelerin küçük bir çerçeve ile çevrildiğinde daha büyük, büyük bir çerçeve ile çevrildiğinde daha küçük göründüğü iyi belgelenmiş bir algı yanlılığıdır. AI, eğitim verisinden bu yanlılığı öğrenmiştir; bu veriler, tabak boyutunun algılanan porsiyon boyutu ile ilişkili olduğu yiyecek fotoğraflarını içerir.

Büyük restoran tabakları veya servis kaseleri kullanan kullanıcılar için, bu, Cal AI'nın porsiyonlarını sistematik olarak düşük tahmin edeceği anlamına gelir. Küçük tatlı tabakları kullanan kullanıcılar için ise uygulama aşırı tahmin yapacaktır. Hiçbir grup, gerçekten tükettikleri miktarın doğru bir sayımını elde edemez.

Tutarlılık Testi: Aynı Yiyecek, Beş Fotoğraf

542 gerçek kalorili bir porsiyon ızgara tavuk göğsü, beş kez ardışık olarak fotoğraflandı ve her seferinde yalnızca telefon açısı hafifçe ayarlandı.

Beş Fotoğraf Tutarlılık Testi

Fotoğraf Numarası	Cal AI Toplam Kalorileri	Gerçekten Sapma
1	450	-17.0%
2	478	-11.8%
3	435	-19.7%
4	462	-14.8%
5	448	-17.3%

Aynı yemeğin beş fotoğrafı, 435 ile 478 kalori arasında değişen beş farklı tahmin üretti — 43 kalorilik bir fark. Ortalama 455 kalori, gerçek 542 kaloriyi %16.1 oranında düşük tahmin etti. Tek bir fotoğraf bile gerçek kalori içeriğinin %10'u içinde bir sonuç üretmedi.

Bu test, hem doğruluk hem de tutarlılık sorunlarını aynı anda göstermektedir. Tahminler sürekli olarak düşük (doğruluk hatası) ve aynı yiyecek fotoğraflarında değişkenlik göstermektedir (tutarlılık hatası). Bu yemeği kaydeden bir kullanıcı, hangi beş fotoğraftan birini çektiğine bağlı olarak farklı bir sayı alır.

Günlük Hataların Büyümesi

Testlerimizdeki her bir gıda için bireysel hata ortalaması 37 kaloridir. Bu, küçük bir rakam gibi görünebilir, ancak tipik bir gün 10 ile 15 bireysel gıda maddesinin kaydedilmesini içerir.

Günlük Birikim Senaryosu

Öğün	Kaydedilen Gıdalar	Gerçek Kaloriler	Cal AI Toplam	Birikimli Hata
Kahvaltı (yulaf ezmesi, muz, fıstık ezmesi)	3 ürün	445	385	-60
Öğle (tavuk, pirinç, sebzeler)	3 ürün	542	450	-92
Ara Öğün (badem, yoğurt)	2 ürün	304	251	-53
Akşam Yemeği (biftek, püre patates, salata)	3 ürün	816	640	-176
Günlük Toplam	11 ürün	2,107	1,726	-381

381 kalorilik bir günlük düşük tahmin. Bu, toplam alımın %18.1'idir — var olmayan bir açık. Kilo kaybı için 500 kalorilik bir günlük açık planlayan bir kullanıcı, Cal AI'nın düşük tahmin yanlılığını hesaba kattığında aslında 119 kalorilik bir açıkta olacaktır. Bu hızda, planlanan haftada 1 poundluk kilo kaybı, haftada 0.24 pounda dönüşmektedir. Disiplinli bir takiple bir ay, beklenen sonuçların bir haftalık miktarını üretir ve kullanıcı nedenini belirlemenin bir yolunu bulamaz.

American Journal of Clinical Nutrition'da yayımlanan araştırmalar, gıda alımının düşük bildirilmesinin diyet değerlendirmelerinde en yaygın hata yönü olduğunu sürekli olarak göstermiştir ve insan etiketli verilere dayanan AI sistemleri bu yanlılığı miras alır.

Nutrola'nın Porsiyon Tahminini Farklı Şekilde Ele Alması

Nutrola'nın porsiyon tahmini sorununa yaklaşımı, fotoğraf AI'sını bir başlangıç noktası olarak ele almaktır, nihai bir cevap olarak değil. Uygulamanın fotoğraf tanıma özelliği, yiyecekleri tanımlar ve 1.8 milyondan fazla girdi içeren beslenme uzmanı tarafından doğrulanmış bir veritabanına bağlayarak doğru gram başına kalori değerleri belirler. Ancak Nutrola, porsiyon boyutunu tahmin etmek için yalnızca AI'ya güvenmek yerine, bir ses düzeltme katmanı sağlar.

Yemeğinizi fotoğrafladıktan sonra, "aslında bu yaklaşık 200 gram tavuktu" veya "pirinç yaklaşık bir fincan kadardı" diyebilirsiniz. Giriş, doğrulanmış gram başına besin verilerine dayanarak anında güncellenir. Bu işlem birkaç saniye sürer — manuel aramadan daha hızlıdır — ve hiçbir AI'nın 2D bir görüntüden 3D hacmi doğru bir şekilde tahmin edemeyeceği temel kısıtlamayı çözer.

Doğrulanmış veritabanı, kritik bir ayırt edici özelliktir. Porsiyon tahmini mükemmel olsa bile, kalori sayısı yalnızca referans aldığı besin verileri kadar güvenilirdir. Nutrola'nın veritabanı, beslenme uzmanı tarafından doğrulanmış verilerden elde edilen her gıda için bir doğrulanmış girdi içerir; kalabalık kaynaklı kopyalar veya çelişkili girdiler yoktur. Fotoğraf tanımlama, sesle düzeltme ve doğrulanmış verilerin kombinasyonu, yediğiniz gerçek miktarları yansıtan kalori kayıtları üretir, bir AI'nın bir fotoğraftan tahmin ettiği değil.

Nutrola ayrıca paketlenmiş gıdalar için barkod tarama ve ev yapımı yemekler için tarif içe aktarma özellikleri sunarak her kayıt yönteminde veri kalitesinin tutarlılığını sağlar. iOS ve Android'de EUR 2.50 aylık ücretle, her planında reklamsız olarak sunulan Nutrola, hız ve doğruluğun birbirini dışlamadığı prensibi etrafında tasarlanmıştır.

Sıkça Sorulan Sorular

Cal AI kalori sayımında ne kadar doğrudur?

20 gıda üzerinde yaptığımız testte, Cal AI'nın porsiyon tahminleri gerçek ölçülen ağırlıklardan ortalama %16.9 sapma gösterdi. Bu, her bir gıda maddesi için ortalama 37 kalori hatasına dönüştü. Yalnızca gıdaların %25'i (20'de 5) %10 doğruluk içinde tahmin edildi. Uygulama, test edilen 20 gıdanın 18'inin porsiyonlarını düşük tahmin ederek güçlü bir düşük tahmin yanlılığı gösterdi. Bir gün boyunca yemek yendiğinde, bu bireysel hatalar test senaryomuzda 381 kalorilik bir düşük tahmine dönüştü.

Cal AI neden aynı yemek için farklı kalori veriyor?

Cal AI'nın tahminleri, fotoğraf açısına, aydınlatmaya ve çerçevelemeye bağlı olarak değişir çünkü 3D porsiyon boyutunu 2D bir görüntüden çıkarıyor. Tutarlılık testimizde, aynı yemeğin beş fotoğrafı 435 ile 478 kalori arasında değişen tahminler üretti — 43 kalorilik bir fark. Kamera açısı en büyük etkiye sahiptir: açı testimiz, bir yan açıdan 110 gram olarak tahmin edilen bir tavuk göğsünün, doğrudan üstten çekildiğinde 155 gram olarak tahmin edildiğini gösterdi.

Cal AI bazı gıdalar için daha mı doğru?

Evet. Cal AI, en doğru tahminleri uniform, tahmin edilebilir şekillere sahip yiyecekler için yapmaktadır: dilimlenmiş ekmek (%5.3 sapma), haşlanmış yumurtalar (%0 sapma) ve bütün meyveler (%6.6 sapma). Düzensiz şekilli etler (%19-22 sapma), yığılmış yiyecekler (pirinç ve makarna, %14-20 sapma) ve sıvılar (%20-29 sapma) için en az doğrudur. Diyetiniz basit, uniform yiyeceklerden oluşuyorsa, uygulama daha güvenilir olacaktır; karmaşık, çok bileşenli yemekler tüketiyorsanız, güvenilirlik azalır.

Tabak boyutu Cal AI'nın kalori tahminini etkiler mi?

Evet. Tabak boyutu testimizde, 200 gram makarna, 20 santimetre çapındaki küçük bir tabakta 225 gram, 32 santimetre çapındaki büyük bir tabakta ise 155 gram olarak tahmin edildi — bu, aynı porsiyon için 70 gramlık bir fark yarattı. Bu, Delboeuf illüzyonu nedeniyle, çevresel bağlamın bir nesnenin algılanan boyutunu değiştirmesiyle ilgilidir. Büyük tabaklar veya restoran tabakları kullanan kullanıcılar, sürekli olarak düşük tahmin edilen porsiyonlar görecektir.

Cal AI kilo kaybı için kullanılabilir mi?

Cal AI, kabaca kalori farkındalığı sağlayabilir, ancak sistematik düşük tahmin yanlılığı, kesin açık bazlı kilo kaybı için sorunlu hale getirir. Günlük senaryomuzda, planlanan 500 kalorilik açık, Cal AI'nın düşük tahminini hesaba kattığımızda etkili 119 kalorilik bir açık haline geldi — bu, planlanan açığın %76'lık bir azalmasıdır. Daha güvenilir sonuçlar için, fotoğraf tabanlı kaydı gerçek gıda tartımı ile birleştirin veya fotoğraf AI'sını sesle düzeltme ve doğrulanmış besin verileri ile birleştiren Nutrola gibi bir uygulama kullanın.