Lose It!的准确性如何？我们对20种食物进行了USDA数据测试
我们在Lose It!中记录了20种常见食物，并将每种食物的卡路里与USDA FoodData Central进行了比较。平均偏差为±170卡路里/天，而Snap It照片记录功能仅正确识别了65-70%的食物。
Lose It!是一款由FitNow Inc.开发的卡路里追踪应用，拥有一个混合数据库，结合了经过筛选的条目和用户提交的数据。 它将自己定位为MyFitnessPal的更简单、更直观的替代品，其主要特点是Snap It——一款基于AI的照片记录工具，旨在通过照片识别食物。但这些色彩斑斓的图表背后的数据到底有多准确呢？
我们通过在Lose It!中记录20种常见食物，并将每种食物的卡路里与USDA FoodData Central参考数据库进行比较，来进行测试。同时，我们还对Snap It的照片识别准确性进行了单独测试。结果显示，平均每日偏差为±170卡路里，而照片识别率则存在显著的误差空间。
我们如何测试Lose It!的准确性
测试方法
我们选择了20种食物，包括全食、包装产品、自制餐和餐厅风格菜肴。对于每种食物，我们遵循了标准化的流程：
- 使用最自然的搜索词在Lose It!中搜索该食物。
- 选择排名第一的结果或标记为验证的条目（如有）。
- 记录指定份量的卡路里数。
- 与USDA FoodData Central中相应的条目进行比较（SR Legacy或Foundation Foods数据集）。
- 计算绝对偏差和百分比偏差。
在Snap It测试中，我们在良好的光线条件下将每种食物拍照，并评估应用是否正确识别了食物并分配了合理的卡路里数据。
参考标准：USDA FoodData Central
所有比较均以USDA FoodData Central作为参考标准。该数据库由USDA农业研究服务维护，包含使用标准分析化学方法进行实验室分析的营养数据。这是FDA用于营养标签合规性和注册营养师临床实践的相同参考。
Lose It!准确性测试结果：20种常见食物
| 食物（份量） | Lose It!（千卡） | USDA参考（千卡） | 偏差（千卡） | 偏差（%） |
|---|---|---|---|---|
| 中等香蕉（118克） | 110 | 105 | +5 | +4.8% |
| 煎鸡胸肉（140克） | 220 | 231 | -11 | -4.8% |
| 煮白米（200克） | 258 | 260 | -2 | -0.8% |
| 全麦面包，1片（30克） | 80 | 81 | -1 | -1.2% |
| 花生酱，2汤匙（32克） | 200 | 188 | +12 | +6.4% |
| 半个鳄梨（68克） | 130 | 114 | +16 | +14.0% |
| 炒鸡蛋，2个大（122克） | 190 | 204 | -14 | -6.9% |
| 原味希腊酸奶，170克 | 100 | 97 | +3 | +3.1% |
| 橄榄油，1汤匙（14克） | 120 | 119 | +1 | +0.8% |
| 烤三文鱼（170克） | 340 | 354 | -14 | -4.0% |
| 烤红薯（150克） | 130 | 135 | -5 | -3.7% |
| 切达奶酪，1盎司（28克） | 110 | 114 | -4 | -3.5% |
| 煮意大利面（140克） | 200 | 220 | -20 | -9.1% |
| 煮牛肉85/15（113克） | 240 | 250 | -10 | -4.0% |
| 蒸西兰花（90克） | 30 | 31 | -1 | -3.2% |
| 中等苹果（182克） | 95 | 95 | 0 | 0.0% |
| 餐厅鸡肉卷（估计450克） | 810 | 920 | -110 | -12.0% |
| 自制鸡肉炒菜（350克） | 420 | 485 | -65 | -13.4% |
| 商店品牌蛋白棒（60克） | 200 | 220 | -20 | -9.1% |
| 国际拉面（85克干） | 370 | 410 | -40 | -9.8% |
平均绝对偏差：每种食物±17.7千卡。若全天记录10种以上食物，累计偏差约为±170卡路里。
Snap It照片记录：它的准确性到底如何？
我们测试了什么
我们使用Lose It!的Snap It功能拍摄了所有20种测试食物。每张照片都在自然光下拍摄，聚焦在盘子上，框内没有其他食物。这些都是理想条件——比大多数用户在餐厅或办公桌上快速拍照时的情况要好。
Snap It识别结果
| 类别 | 测试食物 | 正确识别 | 部分正确 | 错误/失败 |
|---|---|---|---|---|
| 单一全食（香蕉、苹果、西兰花） | 5 | 4 | 1 | 0 |
| 简单熟食（烤鸡、米饭） | 4 | 3 | 1 | 0 |
| 包装食品（蛋白棒、面包） | 3 | 1 | 1 | 1 |
| 复杂餐食（炒菜、卷饼） | 4 | 1 | 1 | 2 |
| 带酱料/配料的食物 | 4 | 1 | 1 | 2 |
总体正确识别率：50%完全正确，25%部分正确（正确的食物类别，错误的具体项目或份量），25%错误或失败。
在理想条件下，Snap It的可用识别率约为65-70%（将部分正确结果计为可用并由用户修正）。在现实条件下——光线差、盘子杂乱、混合餐食——可用率进一步下降。
为什么Snap It在复杂餐食中表现不佳
照片AI食物识别在复杂餐食中面临根本性挑战。鸡肉炒菜包含鸡肉、蔬菜、酱汁和油等混合在一起的食材。AI无法确定烹饪中使用的油量，无法区分鸡腿肉和鸡胸肉，也无法识别具体的酱汁。它看到的是一个混合的盘子，并做出一般性的估计。
这并非Lose It!独有——大多数照片AI食物记录工具都面临同样的问题。不同之处在于应用如何处理不确定性。Lose It!通常默认使用一个通用的“炒菜”条目，而不提示用户进行验证或调整，这导致系统性低估。
Lose It!在哪些方面实际上是准确的？
简单包装食品
Lose It!在简单包装食品方面表现良好，这些食品具有清晰、标准化的营养标签。像酸奶容器、单片奶酪和标准面包等食品在数据库中得到了很好的代表，通常准确度在标签值的3-5%之内。
基本全食
对于常见的全食，尤其是标准化份量的食品——如中等香蕉、中等苹果、一杯煮米——Lose It!的经过筛选的数据库提供了可靠的数据。这些条目与USDA参考值紧密对齐，因为它们来自于已建立的营养数据库，而非用户提交。
美国市场产品
与大多数美国开发的卡路里追踪器一样，Lose It!的条形码扫描功能对美国市场销售的产品效果最佳。主要的全国品牌得到了很好的覆盖，条形码与营养数据的映射通常是可靠的。
Lose It!的准确性在哪些方面出现问题？
复杂餐食的照片记录
Lose It!最大的准确性风险在于Snap It功能对于复杂餐食的处理。当用户拍摄一盘意大利面配肉酱时，AI面临着不可能的任务：它无法知道酱汁是用瘦牛肉还是肥牛肉制作的，厨师使用了一汤匙橄榄油还是三汤匙，或者份量是300克还是450克。最终的估计可能偏差20-30%。
我们的测试显示，自制鸡肉炒菜通过搜索记录时低估了13.4%（照片结果的准确性甚至更低）。依赖Snap It记录混合餐食的用户，可能会比我们的基于搜索的测试捕捉到更大的误差。
餐厅食品
餐厅餐食仍然是一个薄弱环节。我们的测试显示，餐厅鸡肉卷低估了12.0%。餐厅使用的烹饪油、黄油和份量通常比Lose It!数据库中建议的通用条目要多。FDA允许营养标签的20%误差，即使是要求显示卡路里的连锁餐厅（根据21 CFR 101.9），而非连锁餐厅则完全没有标签要求。
国际产品
Lose It!的数据库以美国为中心。国际产品——如亚洲零食、欧洲乳制品、中东主食——覆盖较差。我们的测试显示，国际拉面低估了9.8%，而条形码扫描器经常返回“未找到”对于在美国以外购买的产品。
份量估计
Lose It!默认使用的标准份量可能与用户实际食用的量不符。在Lose It!中，花生酱的“份量”是2汤匙（32克），但《营养与饮食学会杂志》发布的研究表明，大多数人对卡路里密集型食品（如坚果黄油）的自取量比所述份量多40-50%。该应用没有提供任何机制来帮助用户估算实际份量，除了手动输入克数。
每日误差如何随时间累积
累积效应
平均每日偏差±170卡路里听起来似乎可控，但数学告诉我们一个不同的故事：
| 时间段 | 累积误差（千卡） | 相当于脂肪（磅） |
|---|---|---|
| 1周 | 1,190 | 0.34 |
| 1个月 | 5,100 | 1.46 |
| 3个月 | 15,300 | 4.37 |
| 6个月 | 30,600 | 8.74 |
由于Lose It!的卡路里追踪误差往往偏向于低估（数据库和照片AI都倾向于保守估计），用户更可能累积未记录的卡路里，而不是过度计算。在六个月内，这可能导致近9磅的意外体重——或者更常见的是，用户无法解释的停滞，因为他们的记录“看起来完美”。
Lose It!的准确性与Nutrola的比较
Nutrola通过两个关键差异解决了影响Lose It!的准确性问题：一个完全由营养师验证的数据库和更先进的照片AI，后者基于经过验证的数据。
| 特性 | Lose It! | Nutrola |
|---|---|---|
| 数据库类型 | 混合（筛选 + 众包） | 营养师验证 |
| 数据库规模 | ~2700万种食品（包括用户条目） | 180万+经过验证的条目 |
| 平均每日偏差 | ±170千卡 | 与USDA参考数据一致 |
| 照片AI记录 | Snap It（~65-70%准确率） | 与验证数据库匹配的照片AI |
| 语音记录 | 否 | 是 |
| 条形码扫描 | 是（美国为主） | 是 |
| 广告 | 是（免费版） | 所有版本无广告 |
| 价格 | 免费 / 每年39.99美元高级版 | 每月2.50欧元 |
关键区别在于AI识别食物后发生的事情。在Lose It!中，照片结果来自一个混合数据库，可能包含不准确的条目。而在Nutrola中，每个结果——无论是来自照片AI、语音记录还是手动搜索——都与营养师验证的数据相匹配。这意味着即使AI识别不完美，底层的卡路里数据也是可靠的。
Nutrola还支持语音记录，用户可以说“烤鸡胸肉，大约140克，配一杯蒸西兰花”，应用将从其验证的数据库中记录每个成分。这比拍摄复杂餐食通常更快且更准确。
你还应该使用Lose It!吗？
Lose It!是一款设计良好的应用，界面友好，使卡路里追踪比竞争对手更少乏味。对于那些刚接触卡路里追踪、主要食用简单包装食品的用户来说，它是一个合理的起点。
然而，混合准确性数据库和AI照片记录功能仅正确识别约三分之二的食物的结合，造成了累积的不确定性。如果你依赖Snap It来方便记录，可能会在不知情的情况下系统性地低估了卡路里。
对于需要可靠准确性的用户——无论是减脂、增肌还是医疗饮食管理——使用Nutrola这样的完全验证数据库的追踪器可以消除数据质量的不确定性。每个食品条目都经过营养专业人士的审核，每个AI结果都与经过验证的数据相匹配，而不是混合的筛选和用户提交的条目。
常见问题解答
Lose It!足够准确以支持减肥吗？
如果你保持较大的卡路里赤字，并主要食用简单的包装食品，Lose It!可以支持减肥。然而，±170卡路里的每日偏差意味着对于中等赤字（250-400卡路里）的用户，可能无法实现显著的脂肪减少。为了精确追踪，像Nutrola这样的验证数据库应用能提供更可靠的结果。
Lose It!的Snap It照片功能有多准确？
在理想条件下（良好的光线、单一食物、清晰的呈现），Snap It正确识别了约65-70%的食物，具有可用的准确性。复杂餐食、混合盘子以及带有酱汁或配料的食物的识别率显著较低。该功能适合快速记录简单项目，但不应被信任用于复杂餐食的精确卡路里计算。
Lose It!比MyFitnessPal更准确吗？
我们的测试发现，Lose It!的平均准确性略高于MyFitnessPal（±170千卡/天对比±185千卡/天），这可能是因为Lose It!的数据库包含更多经过筛选的条目以及用户提交的数据。然而，两款应用在USDA参考值上都显示出显著的偏差，尤其是在自制餐食、餐厅食品和国际产品方面。
Lose It!使用USDA数据吗？
Lose It!使用混合数据源。一些条目来自于已建立的营养数据库，包括USDA FoodData Central，但数据库也包含未经过USDA参考值验证的用户提交条目。与像Cronometer这样以USDA/NCCDB为主要来源的应用不同，或Nutrola这样使用营养师验证数据的应用，Lose It!在用户界面中并未区分经过验证和未经过验证的条目。
哪款卡路里追踪应用最准确？
在主要的卡路里追踪应用中，Cronometer（使用USDA/NCCDB数据）和Nutrola（使用营养师验证数据）始终显示出与USDA参考值的偏差最低。Nutrola通过与经过验证的数据匹配的照片AI和语音记录、无重复条目以及每月2.50欧元的干净无广告体验，提供额外的准确性优势。
