4 AI Kalori Takip Uygulamasını 2 Hafta Boyunca Yan Yana Test Ettim

İki hafta boyunca dört farklı AI kalori takip uygulamasında her öğünü eş zamanlı olarak kaydettim. Aynı öğünler, aynı fotoğraflar, aynı zamanlama. Nutrola, Cal AI, Foodvisor ve SnapCalorie — her gün, 14 gün boyunca yan yana çalıştılar. Evde pişirdiğim her öğünü mutfak tartısında tarttım ve gerçek kalorileri USDA FoodData Central referans değerlerini kullanarak hesapladım.

Amaç basitti: Hangi uygulamanın gerçekçi bir iki haftalık süreçte en güvenilir gıda kaydını sağladığını bulmak. Mükemmel aydınlatma ve tekil gıdalarla oluşturulmuş bir demo değil, gerçek yaşam — ev yemekleri, restoran yemekleri, paketli atıştırmalıklar, kahve molaları ve "onu fotoğraflamayı unuttum" anları.

İşte olanlar.

Kurulum ve Temel Kurallar

Cihazlar: SnapCalorie'nin LiDAR'ı için iPhone 15 Pro, dört uygulama da yüklü ve giriş yapılmış durumda.

Tartım protokolü: Tüm ev yapımı gıdalar, tabaklama öncesi 0.1g hassasiyetli mutfak tartısında tartıldı. Kalori gerçekliği, USDA FoodData Central değerleri kullanılarak hesaplandı. Restoran yemekleri, karşılaştırılabilir tabaklar için USDA değerleri kullanılarak tahmin edildi (bu, içsel bir sınırlama — restoran gerçekliği her zaman yaklaşık).

Fotoğrafçılık: Aynı fotoğraf dört uygulamaya da gönderildi. Her öğün için, mevcut aydınlatma koşullarında (herhangi bir uygulama için optimize edilmemiş) yukarıdan çekilmiş bir fotoğraf.

Düzeltme protokolü: Her uygulama için, belirgin hataları düzeltmek için 30 saniyeye kadar harcadım, uygulamanın sunduğu araçları kullanarak. Bu, bir hatayı fark eden ama düzeltmek için dakikalar harcamak istemeyen gerçek bir kullanıcıyı simüle ediyor.

Ne takip ettim: Kayıt süresi (chronometre), ilk AI kalori tahmini, düzeltme sonrası son kaydedilen kaloriler, günlük toplam ile gerçeklik arasındaki fark, dikkate değer hayal kırıklıkları ve anlamlı fark yaratan herhangi bir özellik.

1. Hafta: Günler 1-7

1. Gün (Pazartesi): Normal Ev Yemekleri Günü

Kahvaltı: Gece bekletilmiş yulaf ezmesi (80g yulaf, 200ml tam süt, 1 muz, 1 yemek kaşığı bal, 15g badem). Gerçek değer: 520 kalori.

Uygulama	İlk Tahmin	Düzeltme Sonrası	Süre	Notlar
Cal AI	340 kal	340 kal	4 sn	Bal ve badem tamamen atlandı. Eklemek mümkün değil.
SnapCalorie	365 kal	365 kal	6 sn	3D ile daha iyi porsiyon tahmini ama gizli malzemeleri hala atladı.
Foodvisor	380 kal	420 kal	15 sn	Yulaf ve muzu tanımladı. Bal için manuel arama yaptım.
Nutrola	410 kal	505 kal	18 sn	AI yulaf ve muzu yakaladı. "Bir yemek kaşığı bal ve 15 gram badem" diyerek ekledim. Veritabanı her ikisini de eşleştirdi.

Öğle Yemeği: Süpermarketten alınmış paketli Yunan salatası (barkod mevcut). Gerçek değer: 340 kalori (etikete göre).

Uygulama	İlk Tahmin	Düzeltme Sonrası	Süre	Notlar
Cal AI	280 kal	280 kal	5 sn	Barkod seçeneği yok. Fotoğraf tahmini düşük (sos atlandı).
SnapCalorie	295 kal	295 kal	7 sn	Benzer sorun. Barkod yok.
Foodvisor	340 kal	340 kal	4 sn	Barkod taraması mükemmel eşleşti.
Nutrola	340 kal	340 kal	3 sn	Barkod taraması. Tam eşleşme. Günün en hızlı kaydı.

Akşam Yemeği: Ev yapımı tavuk sote (200g tavuk butu, 150g brokoli, 100g biber, 200g pirinç, 1.5 yemek kaşığı susam yağı, 2 yemek kaşığı soya sosu). Gerçek değer: 785 kalori.

Uygulama	İlk Tahmin	Düzeltme Sonrası	Süre	Notlar
Cal AI	490 kal	490 kal	5 sn	Pişirme yağını tamamen atladı. 295 kalori eksik.
SnapCalorie	520 kal	520 kal	8 sn	3D pirinç hacminde yardımcı oldu ama yağ hala görünmezdi.
Foodvisor	530 kal	580 kal	20 sn	Sote yemeğini tanımladı. Yağı manuel olarak ekledim ama sadece "bitkisel yağ" bulabildim, susam değil.
Nutrola	560 kal	755 kal	22 sn	AI tavuk soteyi ve pirinci tanımladı. "Bir buçuk yemek kaşığı susam yağı" diyerek ekledim. Veritabanında tam giriş vardı. Gerçek değere yakın.

1. Gün Toplamı:

Uygulama	Kaydedilen Toplam	Gerçek Değer	Hata	Hata %
Cal AI	1,576 kal	2,105 kal	-529 kal	-25.1%
SnapCalorie	1,648 kal	2,105 kal	-457 kal	-21.7%
Foodvisor	1,808 kal	2,105 kal	-297 kal	-14.1%
Nutrola	2,058 kal	2,105 kal	-47 kal	-2.2%

1. Gün, test boyunca tekrar eden bir modeli belirledi. Pişirme yağı eksikliği, fotoğraf tabanlı uygulamalardaki hataların çoğunu oluşturuyordu.

3. Gün (Çarşamba): Restoran Öğle Yemeği Günü

Restoran yemeği en öğretici testti. Bir Hint restoranında naan ve pirinç ile tavuk tikka masala yedim. Bu öğünü tartamadım ama gerçek değeri, karşılaştırılabilir restoran porsiyonları için USDA değerlerine dayanarak yaklaşık 950 kalori olarak tahmin ettim.

Uygulama	Tahmin	Notlar
Cal AI	620 kal	Belirgin şekilde düşük. Sunulan porsiyondan daha küçük bir porsiyon olarak değerlendirdi.
SnapCalorie	680 kal	Daha iyi porsiyon tahmini ama hala düşük. Sosun içindeki krema/tereyağı atlandı.
Foodvisor	740 kal	Daha yakın. "Tikka masala"yı tanımladı, bu daha iyi veriler sağladı.
Nutrola	890 kal	AI tikka masala'yı tanımladı. Restoran tarzı tikka masala için veritabanı girişi tipik krema/tereyağı içeriğini içeriyordu. Porsiyonu "büyük" olarak onayladım.

5. Gün (Cuma): Smoothie ve Kahve Mücadelesi

Sabah smoothie (muz, badem sütü, fıstık ezmesi, whey protein, ıspanak — opak bir şişede). Gerçek değer: 450 kalori. Öğleden sonra latte (yulaf sütü, büyük, 2 pompa vanilya). Gerçek değer: yaklaşık 290 kalori.

Smoothie sonuçları:

Uygulama	Tahmin	Notlar
Cal AI	180 kal	Koyu bir şişe gördü. Temelde tahmin etti.
SnapCalorie	210 kal	3D şişe hacmini ölçtü ama içeriği tanımlayamadı.
Foodvisor	195 kal	Aynı sınırlama. Kabı gördü, içeriği değil.
Nutrola	435 kal	Tarifi sesle kaydettim. Veritabanı her malzemeyi eşleştirdi. Fotoğraf işe yaramadı (onu atladım).

Latte sonuçları:

Uygulama	Tahmin	Notlar
Cal AI	130 kal	Genel olarak "kahve" olarak tanımlandı.
SnapCalorie	150 kal	Fincan hacmini ölçtü, "latte" olarak tahmin etti.
Foodvisor	160 kal	"Latte" olarak tanımlandı ama normal süt varsayımını kullandı.
Nutrola	275 kal	"Büyük yulaf sütü latte, iki pompa vanilya" diyerek sesle kaydettim. Veritabanında Starbucks tarzı yulaf sütü latte girişi vardı.

Bu gün, sesle kaydetmenin neden bu kadar önemli olduğunu vurguladı. Fotoğraf tabanlı takipçiler, içecekler ve opak kaplar konusunda neredeyse kördü.

1. Hafta Özeti

Ölçüt	Cal AI	SnapCalorie	Foodvisor	Nutrola
Ortalama günlük kaydedilen kalori	1,640 kal	1,720 kal	1,870 kal	2,145 kal
Ortalama günlük gerçek değer	2,180 kal	2,180 kal	2,180 kal	2,180 kal
Ortalama günlük hata	-540 kal	-460 kal	-310 kal	-35 kal
Ortalama günlük hata %	-24.8%	-21.1%	-14.2%	-1.6%
Ortalama her öğün için süre	5.2 sn	7.1 sn	16.4 sn	17.8 sn
Barkodun mevcut olduğu öğün sayısı	8	8	8	8
Barkodun kullanıldığı öğün sayısı	0	0	8	8
Hayal kırıklığı anları	12	9	5	2

1. Hafta gözlemleri:

Cal AI sürekli olarak en hızlıydı ama aynı zamanda en az doğruydu. Hız, o an iyi hissettirse de günlük toplamlar anlamlı şekilde yanlıştı — günde 540 kalori eksik tahmin, tipik bir kilo kaybı açığını tamamen ortadan kaldırır.

SnapCalorie'nin 3D taraması, tabaklanmış yemekler için porsiyon boyutlarında yardımcı oldu ama görünmez bileşenler (yağlar, gizli bileşenler, içecekler) konusundaki temel sorunu çözmedi.

Foodvisor'un barkod taraması, paketlenmiş gıdalar için Cal AI ve SnapCalorie'ye göre önemli bir avantaj sağladı. Diyetisyen özelliği mevcut ama günlük karar verme için geri bildirim gecikmesi nedeniyle gerçek zamanlı kullanımda hiç kullanmadım.

Nutrola'nın sesle kaydetme ve barkod tarama kombinasyonu, iki büyük doğruluk açığını kapattı: görünmez bileşenler ve paketlenmiş gıdalar. Cal AI'ye göre her öğün için ek 12 saniye pratikte neredeyse fark edilmedi.

2. Hafta: Günler 8-14

8. Gün (Pazartesi): Yemek Hazırlama Günü

Beş günlük öğle yemeklerini topluca pişirdim: tavuk göğsü, tatlı patates ve yeşil fasulye. Aynı öğün, aynı porsiyonlar, günlük olarak kaydedildi.

Bu, tutarlılık testiydi. Aynı öğün beş kez kaydedildiğinde, her seferinde aynı kalori sayısını üretmeliydi.

Uygulama	8. Gün	9. Gün	10. Gün	11. Gün	12. Gün	Aralık
Cal AI	445	410	465	425	455	55 kal aralığı
SnapCalorie	430	440	420	445	435	25 kal aralığı
Foodvisor	480	480	485	480	480	5 kal aralığı
Nutrola	495	495	495	495	495	0 kal aralığı

Gerçek değer (tartılmış ve hesaplanmış): 490 kalori.

Cal AI'nın aynı öğünler arasındaki 55 kalorilik aralığı, AI tabanlı mimarinin doğrudan bir sonucudur — farklı fotoğraflar farklı tahminler üretti. SnapCalorie'nin 3D taraması değişkenliği azalttı. Foodvisor'un veritabanı desteği onu neredeyse sabit tuttu. Nutrola, her seferinde aynı veritabanı girişini (8. Gün'den sonra yemek şablonu olarak kaydedildi) kaydettiği için mükemmel bir tutarlılık sağladı.

11. Gün (Perşembe): Sosyal Akşam Yemeği

Bir arkadaşımın evinde akşam yemeği. Birden fazla yemek, ortak servis, gıdaları tartma imkanı yok. Bu, herhangi bir kalori takipçisi için en zor gerçek dünya senaryosu.

Yemekler arasında makarna carbonara, Sezar salatası, sarımsaklı ekmek ve tiramisu vardı. Porsiyonlarımı görsel olarak tahmin ettim ve öğün için yaklaşık 1,200 kalori gerçek değeri hesapladım.

Uygulama	Tahmin	Notlar
Cal AI	680 kal	Sadece tabağın fotoğrafını bir kez çektim. AI, bunu orta boy bir makarna yemeği olarak değerlendirdi. Tatlıyı atladı (fotoğraf çekmeyi unuttum).
SnapCalorie	720 kal	Aynı tabak fotoğrafı. 3D makarna hacminde yardımcı oldu. Tatlıyı da atladı.
Foodvisor	810 kal	Tabağın fotoğrafını çekti, ardından veritabanından tiramisuyu manuel olarak eklemeyi hatırladı.
Nutrola	1,080 kal	Tabağın fotoğrafını çekti. AI carbonara ve salatayı tanımladı. "İki dilim sarımsaklı ekmek, tereyağı ile" ve "bir dilim tiramisu, yaklaşık 150 gram" diyerek sesle ekledim. Hepsi veritabanından.

Sosyal akşam yemeği, fotoğraf tabanlı iş akışlarının kırılganlığını ortaya koydu. Bir kursu (tatlı) fotoğraflamayı unuttuğumda, fotoğraf tabanlı uygulamalar bunu geri kazanamadı. Nutrola'nın sesle kaydetme özelliği, kaçırılan kursu sonradan eklememe izin verdi.

14. Gün (Pazar): Brunch ve Atıştırmalık Günü

Büyük bir brunch (füme somonlu yumurta benedict, ev yapımı patates, meyve salatası, portakal suyu ve cappuccino) ve gün boyunca birkaç küçük atıştırmalık ile bir gün.

Atıştırmalıklar özellikle öğreticiydi. Bir avuç karışık kuruyemiş (tahmini 180 kalori), bir protein barı (barkod: 210 kalori), bir elma (95 kalori) ve biraz bitter çikolata (150 kalori) yedim. Bu hızlı atıştırmalıklar kolayca atlanabilir veya yanlış tahmin edilebilir.

Uygulama	Brunch Tahmini	Atıştırmalık Toplamı	Gün Toplamı	Gerçek Değer	Hata
Cal AI	580 kal	320 kal	1,890 kal	2,450 kal	-560 kal
SnapCalorie	620 kal	340 kal	1,960 kal	2,450 kal	-490 kal
Foodvisor	710 kal	485 kal	2,185 kal	2,450 kal	-265 kal
Nutrola	820 kal	615 kal	2,380 kal	2,450 kal	-70 kal

Brunch'taki hollandaise sosu büyük bir fark yarattı — Cal AI ve SnapCalorie bunu neredeyse hesaba katmadı. Protein barının barkod taraması, Foodvisor ve Nutrola'ya kesin veriler sağladı. Karışık kuruyemiş için herhangi bir doğruluk için sesli tanım eklemem gerekiyordu ("bir avuç karışık kuruyemiş, yaklaşık 40 gram").

2. Hafta Özeti

Ölçüt	Cal AI	SnapCalorie	Foodvisor	Nutrola
Ortalama günlük kaydedilen kalori	1,580 kal	1,680 kal	1,910 kal	2,190 kal
Ortalama günlük gerçek değer	2,220 kal	2,220 kal	2,220 kal	2,220 kal
Ortalama günlük hata	-640 kal	-540 kal	-310 kal	-30 kal
Ortalama günlük hata %	-28.8%	-24.3%	-14.0%	-1.4%
Ortalama her öğün için süre	5.0 sn	6.8 sn	15.8 sn	16.2 sn

2. Haftadaki hatalar, daha karmaşık yemeklerin ortaya çıkması nedeniyle AI tabanlı uygulamalar için 1. Haftadan biraz daha kötüydü (restoran, sosyal akşam yemeği, brunch). Nutrola'nın doğruluğu, sesle kaydetme konusunda daha deneyimli hale geldikçe ve kaydedilmiş yemeklerin kütüphanesini oluşturdukça 2. Haftada gerçekten arttı.

Tam 14 Gün Sonuçları

Ölçüt	Cal AI	SnapCalorie	Foodvisor	Nutrola
Toplam kaydedilen kalori (14 gün)	22,540	23,800	26,460	30,345
Toplam gerçek değer kalorisi	30,800	30,800	30,800	30,800
Toplam kalori hatası	-8,260	-7,000	-4,340	-455
Ortalama günlük hata %	-26.8%	-22.7%	-14.1%	-1.5%
Hata yönü	Sürekli düşük	Sürekli düşük	Sürekli düşük	Rastgele (bazıları fazla, bazıları az)
En kötü tek günlük hata	-780 kal	-650 kal	-420 kal	-95 kal
En iyi tek günlük hata	-320 kal	-280 kal	-140 kal	+15 kal
Ortalama her öğün için süre	5.1 sn	7.0 sn	16.1 sn	17.0 sn
Toplam günlük takip süresi	~25 sn	~35 sn	~80 sn	~85 sn
Kullanılan barkod taramaları	0	0	16	16
Kullanılan sesli kayıtlar	0	0	0	38
Fotoğraflanmayı unutan öğünler	4	4	4	0 (sonradan sesle kaydedildi)

Ana Bulgular

1. Azaltma Yanlılığı Gerçek ve Tutarlı

Dört uygulama da toplam kalori alımını düşük tahmin etti ama büyüklükleri büyük ölçüde farklıydı. Cal AI'nın 14 günde 8,260 kalori azaltması, 2.4 pound vücut yağına eşdeğerdir — Cal AI'ya güvenen bir kullanıcı, sadece iki hafta sonra kaybettiklerinden 2.4 pound daha fazla kaybettiğini düşünecektir.

Azaltma, rastgele değil sistematik bir durumdur çünkü en yaygın AI hataları (görünmez pişirme yağları, gizli bileşenler, sosların düşük tahmini) her zaman eksik sayım yapar, fazla sayım değil.

2. Sesle Kaydetme, Kalori Takibindeki En Az Değerlendirilen Özellik

Sesle kaydetme, 14 gün boyunca 38 girişe neden oldu — esas olarak pişirme yağları, smoothieler, kahve içecekleri ve fotoğrafı kaçırılan öğünler. Bu 38 ses kaydı, fotoğraf tabanlı bir uygulamada kaybolacak veya ciddi şekilde düşük tahmin edilecek yaklaşık 5,200 kaloriyi temsil ediyordu.

3. Barkod Tarama, En Kolay Doğruluk Kazancı

14 gün boyunca on altı barkod taraması yapıldı. Her biri 2-3 saniye sürdü ve %99+ doğru veriler üretti. Cal AI ve SnapCalorie, bu paketlenmiş ürünlerin her biri için fotoğraf tahmini zorunlu kıldı — %85-92 doğruluk oranı ile %99+ doğruluk oranı mevcutken.

4. Hız Farkları Pratikte Önemsiz

Cal AI (günde 25 saniye) ile Nutrola (günde 85 saniye) arasındaki fark 60 saniye — toplam günlük çaba için bir dakika, doğrulukta %25'lik bir iyileşme sağlıyor. Başka bir deyişle: günde bir ekstra dakika, iki hafta boyunca 8,000 kalori hatasını ortadan kaldırdı.

5. Tutarlılık, Trend Analizi İçin Önemlidir

Nutrola'nın veritabanı destekli girişleri, 14 gün boyunca düzgün, güvenilir bir kalori trendi üretti. Cal AI'nın değişken tahminleri, günlük dalgalanmaların AI tahmin değişkenliği tarafından domine edildiği gürültülü bir trend yarattı. Hafta sonu yeme alışkanlıklarınızın hafta içinden farklı olup olmadığını belirlemeye çalışıyorsanız, tutarlı hafta içi bazlarına ihtiyacınız var — ve yalnızca AI tabanlı takipçiler bunu sağlayamaz.

Nihai Değerlendirme

Cal AI, gerçekten hızlı ve etkileyici bir şekilde basit. Hiçbir sürtünme istemeyen ve kesin sayılara ihtiyaç duymayan biri için, bir farkındalık aracı olarak işe yarıyor. Ama %26.8 ortalama günlük hata, doğru veri gerektiren herhangi bir hedef için uygun hale getirmiyor. Hızlı, temiz deneyim, kayıtlardaki sayıların önemli ölçüde yanlış olması gerçeğiyle zayıflıyor.

SnapCalorie, test edilen en teknolojik olarak ilginç uygulama. 3D tarama bir şaka değil — görünür tabaklanmış yiyecekler için porsiyon tahminini ölçülebilir şekilde iyileştirdi. Ama iyileşme mütevazıydı (%22.7 hata, Cal AI'nın %26.8'ine karşı) çünkü en büyük hatalar görünmez bileşenlerden, değil porsiyon yanlış hesaplamasından kaynaklanıyor. Fotoğraf tabanlı bir uygulama için premium fiyatlandırma (ayda 9-15 $) haklı çıkarmak zor.

Foodvisor, makul bir orta zemin oluşturuyor. Barkod tarama ve kısmi veritabanı desteği, AI tabanlı uygulamalara göre hatayı önemli ölçüde azaltıyor. Avrupa gıdalarıyla en iyi performansı gösteriyor ve profesyonel bir hisse sahip. Diyetisyen özelliği benzersiz bir teklif ama gecikme, gerçek zamanlı takip için pratik olmaktan uzak.

Nutrola, rakiplerine göre geniş bir farkla en doğru gıda kaydını üretti — %1.5 ortalama hata, %14-27 arasında değişen rakiplerine göre. Doğruluk, dramatik bir şekilde daha iyi bir AI'dan değil, AI'nın kaçırdıklarını yakalayan doğrulanmış veritabanından, fotoğrafların yakalayamadığı şeyleri kapsayan sesle kaydetmeden ve paketlenmiş ürünler için kesin veriler sağlayan barkod taramadan geliyor. Ücretsiz deneme ile birlikte aylık €2.50, onu geride bıraktığı her uygulamadan daha ucuz hale getiriyor.

Ekstra bir dakikalık günlük çaba, dürüst bir takas. Nutrola en hızlı uygulama değil. Her öğün için birkaç saniye daha fazla ve biraz daha aktif bir kullanıcı (veritabanı girişlerini onaylamak, gizli bileşenleri sesle kaydetmek) gerektiriyor. Ama sonuç, gerçekten yediğiniz şeyi yansıtan bir gıda kaydı — kalori takibinin tam amacı bu.

14 günlük paralel testin ardından sonuç basit: en güvenilir AI kalori takipçisi, en etkileyici AI'ya sahip olan değil. AI'nın yeterli olmadığını bilen ve boşlukları doldurmak için doğrulanmış bir veritabanı, sesle kaydetme ve barkod tarama sunan uygulama. Bu testte o uygulama Nutrola'ydı.