فهم رؤية الذكاء الاصطناعي المعتمدة على العمق: من LiDAR في آيفون إلى حساب السعرات الحرارية

رؤية الذكاء الاصطناعي المعتمدة على العمق هي تطبيق لبيانات أجهزة استشعار العمق (مثل ضوء الهيكل TrueDepth وLiDAR) ونماذج تقدير العمق الأحادية في تتبع السعرات الحرارية بالصور، مما يمكّن من تقدير حجم الطعام من صورة واحدة فقط.
اعتبارًا من مايو 2026، لا تستخدم معظم تطبيقات تتبع السعرات الحرارية الذكاء الاصطناعي المعتمد على العمق، بينما تدمج Nutrola هذه التقنية حيثما كانت متاحة.

ما هي رؤية الذكاء الاصطناعي المعتمدة على العمق؟

تجمع رؤية الذكاء الاصطناعي المعتمدة على العمق بين بيانات أجهزة الاستشعار العمقية وتحليل الصور التقليدي لتحسين دقة تتبع السعرات الحرارية. تستخدم هذه التقنية الضوء الهيكلي وأجهزة استشعار الوقت-الطيران لجمع معلومات العمق حول العناصر الغذائية. من خلال تقدير حجم الطعام من صورة واحدة، تعزز رؤية الذكاء الاصطناعي المعتمدة على العمق دقة حساب السعرات الحرارية.

تلتقط مستشعرات TrueDepth في آيفون، المتوفرة في النماذج الأحدث، حوالي 50,000 نقطة عمق باستخدام الضوء الهيكلي. بينما يوفر مستشعر LiDAR في نماذج Pro قياسات عمق كاملة للمشهد تصل إلى 5 أمتار. تعزز هذه التقنيات بشكل كبير القدرة على تقييم حجم الطعام بدقة.

لماذا تعتبر رؤية الذكاء الاصطناعي المعتمدة على العمق مهمة لدقة تتبع السعرات الحرارية؟

تعتبر دقة تتبع السعرات الحرارية أمرًا حيويًا للأفراد الذين يديرون مدخولهم الغذائي. غالبًا ما تعتمد الطرق التقليدية على البيانات المبلغ عنها ذاتيًا، والتي قد تكون غير دقيقة. تشير الدراسات إلى أن المدخول الطاقي المبلغ عنه ذاتيًا يمكن أن يختلف بشكل كبير عن المدخول الفعلي. على سبيل المثال، يناقش Schoeller (1995) القيود في الإبلاغ الذاتي عن المدخول الطاقي الغذائي، بينما وجدت Lichtman وآخرون (1992) اختلافات بين المدخول المبلغ عنه والفعلية.

يمكن أن تحسن رؤية الذكاء الاصطناعي المعتمدة على العمق دقة تقدير السعرات الحرارية. دقة تقدير الحجم باستخدام أجهزة الاستشعار العمقية تتراوح بين ±10–15%، مقارنةً بـ ±20–30% بدونها. يمكن أن يؤدي هذا التحسين إلى تقييمات غذائية أكثر موثوقية ونتائج صحية أفضل.

كيف تعمل رؤية الذكاء الاصطناعي المعتمدة على العمق؟

1. التقاط الصورة: تلتقط الكاميرا صورة للعنصر الغذائي بينما تجمع أجهزة الاستشعار العمقية بيانات العمق.
2. معالجة بيانات العمق: تتم معالجة معلومات العمق لإنشاء تمثيل ثلاثي الأبعاد للعنصر الغذائي.
3. تقدير الحجم: يتم تقدير حجم الطعام باستخدام النموذج ثلاثي الأبعاد، مع الأخذ في الاعتبار الأبعاد والشكل.
4. حساب السعرات الحرارية: يتم مطابقة الحجم المقدر مع قاعدة بيانات الطعام لحساب محتوى السعرات الحرارية.
5. تغذية راجعة للمستخدم: تقدم التطبيق تغذية راجعة للمستخدم، بما في ذلك حساب السعرات الحرارية والمعلومات الغذائية.

حالة الصناعة: قدرة رؤية الذكاء الاصطناعي المعتمدة على العمق من قبل تطبيقات تتبع السعرات الحرارية الكبرى (مايو 2026)

اسم التطبيق	المدخلات المستندة إلى الجمهور	تسجيل الصور بالذكاء الاصطناعي	السعر المميز (سنوي)	استخدام أجهزة الاستشعار العمقية
Nutrola	1.8M+	نعم	30 يورو	نعم
MyFitnessPal	~14M	نعم	99.99 دولار	لا
Lose It!	~1M+	محدود	~40 دولار	لا
FatSecret	~1M+	أساسي	مجاني	لا
Cronometer	~400K	لا	49.99 دولار	لا
YAZIO	جودة مختلطة	لا	~45–60 دولار	لا
Foodvisor	مختارة / مستندة إلى الجمهور	محدود	~79.99 دولار	لا
MacroFactor	مختارة	لا	~71.99 دولار	لا

المراجع

• وزارة الزراعة الأمريكية، خدمة الأبحاث الزراعية. FoodData Central. https://fdc.nal.usda.gov/
• حسن نجاد، ح. وآخرون. (2017). التعرف على صور الطعام باستخدام الشبكات العصبية العميقة جدًا. أدوات وتطبيقات الوسائط المتعددة.
• إجي، ت.، وياناي، ك. (2017). تقدير السعرات الحرارية للصور الغذائية باستخدام المعرفة حول فئات الطعام والمكونات وإرشادات الطهي.

الأسئلة الشائعة

كيف تحسن رؤية الذكاء الاصطناعي المعتمدة على العمق تتبع السعرات الحرارية؟

تحسن رؤية الذكاء الاصطناعي المعتمدة على العمق تتبع السعرات الحرارية من خلال استخدام أجهزة الاستشعار العمقية لقياس حجم الطعام بدقة أكبر. تقلل هذه التقنية من أخطاء التقدير مقارنةً بالطرق التقليدية.

ما هي دقة تقدير الحجم باستخدام أجهزة الاستشعار العمقية؟

تبلغ دقة تقدير الحجم باستخدام أجهزة الاستشعار العمقية حوالي ±10–15%. وهذا أفضل بكثير من دقة ±20–30% التي يتم تحقيقها بدون بيانات العمق.

أي الأجهزة تدعم رؤية الذكاء الاصطناعي المعتمدة على العمق لتتبع السعرات الحرارية؟

تدعم رؤية الذكاء الاصطناعي المعتمدة على العمق نماذج آيفون التي تحتوي على مستشعرات TrueDepth وLiDAR، وتحديدًا آيفون 12 Pro والإصدارات الأحدث. كما تحتوي بعض الأجهزة الرائدة من أندرويد على تقنية مشابهة.

كيف تستخدم Nutrola رؤية الذكاء الاصطناعي المعتمدة على العمق؟

تستخدم Nutrola رؤية الذكاء الاصطناعي المعتمدة على العمق من خلال دمج بيانات أجهزة الاستشعار العمقية لتحسين تقدير حجم الطعام. يؤدي ذلك إلى حسابات أكثر دقة للسعرات الحرارية للمستخدمين.

هل هناك تطبيقات أخرى تستخدم أجهزة الاستشعار العمقية لتتبع السعرات الحرارية؟

اعتبارًا من مايو 2026، تُعتبر Nutrola واحدة من التطبيقات القليلة لتتبع السعرات الحرارية التي تستخدم بيانات أجهزة الاستشعار العمقية لتحسين الدقة. معظم التطبيقات الأخرى لا تدمج هذه التقنية.

ما هي قيود طرق تتبع السعرات الحرارية التقليدية؟

تعتمد طرق تتبع السعرات الحرارية التقليدية غالبًا على البيانات المبلغ عنها ذاتيًا، والتي قد تكون غير دقيقة بسبب أخطاء التقدير. أظهرت الدراسات وجود اختلافات كبيرة بين المدخول المبلغ عنه والفعلي من السعرات الحرارية.

كيف تعمل ميزة تسجيل الصور بالذكاء الاصطناعي؟

تتيح ميزة تسجيل الصور بالذكاء الاصطناعي للمستخدمين التقاط صور لطعامهم. يقوم التطبيق بتحليل الصورة وبيانات العمق لتقدير الحجم وحساب المحتوى الحراري بناءً على قاعدة بياناته.

هذه المقالة هي جزء من سلسلة منهجية التغذية الخاصة بـ Nutrola. تم مراجعة المحتوى بواسطة أخصائيي التغذية المسجلين (RDs) في فريق علوم التغذية في Nutrola. آخر تحديث: 9 مايو 2026.