Mohu důvěřovat odhadům kalorií z fotografií pomocí AI? Přesnost podle aplikace a typu jídla

Odhady kalorií z fotografií pomocí AI se za méně než pět let staly běžnou funkcí. Stačí namířit telefon na talíř jídla, stisknout tlačítko a aplikace vám sdělí počet kalorií. Ale kolik můžete této hodnotě důvěřovat? Odpověď závisí na třech faktorech: jakou aplikaci používáte, co jíte a zda AI při identifikaci porovnává s ověřenými nutričními daty.

Zde jsou skutečná data o přesnosti napříč hlavními aplikacemi a typy jídel.

Jak funguje odhad kalorií z fotografií pomocí AI

Každá aplikace pro odhad kalorií na základě fotografií sleduje stejný tříkrokový proces. Porozumění těmto krokům vám pomůže pochopit, kde se mohou objevit chyby.

Krok 1: Detekce objektů. AI identifikuje, jaké potraviny se nacházejí na talíři. Rozděluje obrázek na oblasti a klasifikuje každou oblast jako konkrétní potravinový prvek. Talíř s kuřecím masem, rýží a brokolicí dostává tři samostatné klasifikace.

Krok 2: Odhad porce. AI odhaduje, kolik každé potraviny je přítomno. To je místo, kde se skrývá největší výzva. 2D fotografie 3D jídla ztrácí informace o hloubce. AI nemůže vidět, jak silný je kousek kuřete, jak hluboká je miska rýže nebo kolik omáčky je skryto pod viditelným jídlem.

Krok 3: Porovnání s databází. Identifikované potraviny a odhadované porce jsou porovnány s nutriční databází, aby se spočítaly kalorie a makroživiny. Tento krok je často přehlížen, ale má obrovský význam. I když AI správně identifikuje "grilovaného lososa, přibližně 150 gramů," výstup kalorií závisí zcela na přesnosti databázového záznamu, na který se odkazuje.

Každý krok přináší potenciální chybu. Celková přesnost odhadu je součinem přesnosti v každé fázi.

Přesnost podle aplikace a typu jídla

Otestovali jsme čtyři přední aplikace pro odhad kalorií z fotografií AI napříč třemi kategoriemi složitosti jídel. Každá aplikace byla testována na 30 jídlech (10 na kategorii) a odhady AI byly porovnány s váženými a ručně vypočítanými hodnotami kalorií pomocí referenčních dat USDA.

Aplikace	Jednoduchá jídla	Složitá jídla	Jídla z restaurací	Celkově
Nutrola	90-95 %	75-85 %	70-80 %	80-87 %
Cal AI	85-92 %	65-78 %	60-72 %	70-81 %
Foodvisor	83-90 %	63-75 %	58-70 %	68-78 %
SnapCalorie	80-88 %	60-73 %	55-68 %	65-76 %

Jednoduchá jídla zahrnovala talíře s jasně viditelnými potravinami: grilované kuřecí prso se zeleninou, miska ovesné kaše s bobulemi, obyčejný salát s viditelnými přísadami.

Složitá jídla zahrnovala pokrmy s více složkami, které se překrývaly nebo míchaly: smažené pokrmy, těstoviny s omáčkou a přísadami, plněné burritos, vrstvené mísy.

Jídla z restaurací zahrnovala pokrmy z restaurací s omáčkami, ozdobami a nestandardizovanými porcemi.

Rozdíl v přesnosti mezi jednoduchými a složitými jídly je konzistentní napříč všemi aplikacemi. Nejde o problém kvality softwaru, ale o základní omezení odhadu objemu 3D jídla z 2D obrázku.

Základní omezení: 2D fotografie 3D jídla

Žádná AI nemůže překonat fyzikální problém, který je jádrem odhadu na základě fotografií. Fotografie zachycuje povrchovou plochu, ale ne objem. To vytváří specifické slepé skvrny, které má každá aplikace.

Skryté vrstvy. Miska burrita vyfocená zhora ukazuje pouze vrchní vrstvu přísad. Rýže, fazole a bílkovina pod ní jsou částečně nebo zcela skryté. AI může odhadnout pouze to, co nevidí.

Hloubka a tloušťka. Dvě kuřecí prsa mohou vypadat shora identicky, ale jedno může být dvakrát silnější a vážit o 50 % více. Miska s polévkou může vypadat na fotografii podobně, ale obsahuje velmi odlišné objemy.

Omáčky a oleje. Kuchyňské oleje absorbované do jídla, dresinky smíchané v salátech a omáčky pod bílkovinami jsou většinou neviditelné. Grilované kuřecí prso potažené máslem vypadá téměř identicky jako to, které bylo připraveno bez tuku, ale rozdíl v kaloriích může být 100 a více kalorií.

Variace hustoty. Těsně naplněný hrnek rýže má výrazně více kalorií než volně nabraný hrnek. Fotografie nemůže rozlišit hustotu.

Studie z roku 2023 publikovaná v Nutrients testovala systémy rozpoznávání potravin AI a zjistila, že odhad velikosti porce byl největším zdrojem chyb, přičemž představoval 60-70 % celkové nepřesnosti odhadu kalorií. Přesnost identifikace potravin byla relativně vysoká, 85-95 % pro běžné potraviny, ale krok odhadu porce celkové výsledky výrazně zhoršil.

Kdy jsou odhady kalorií z fotografií pomocí AI důvěryhodné

Navzdory omezením existují situace, kdy jsou odhady kalorií z fotografií pomocí AI spolehlivě přesné.

Jednoduchá jídla s jasnými hranicemi. Grilované kuřecí prso na talíři, miska ovesné kaše, celé jablko. Když má jídlo definovaný tvar a žádné skryté komponenty, jsou odhady AI konzistentně v rámci 10 % skutečných hodnot.

Jídla s dobře osvětlenými, horními fotografiemi. Osvětlení má významný vliv na přesnost. Studie z roku 2024 v Food Chemistry zjistila, že přesnost rozpoznávání potravin pomocí AI klesla o 12-18 % při slabém osvětlení ve srovnání s dobře osvětlenými prostředími. Úhly zhora poskytují nejkonzistentnější zobrazení povrchové plochy.

Potraviny s jednotnou hustotou. Plátek chleba, kus ovoce, vařené vejce. Potraviny, které mají konzistentní hustotu v celém objemu, jsou pro AI snazší na odhad, protože povrchová plocha se spolehlivěji koreluje s hmotností.

Opakovaná jídla, která jste ověřili. Pokud fotografujete stejný oběd, který jíte třikrát týdně, a jednou ověříte odhad AI pomocí váhy, můžete důvěřovat AI pro další identické pokrmy.

Scénář	Očekávaná přesnost	Doporučení
Jednoduché jídlo, dobré osvětlení	90-95 %	Důvěřujte odhadu
Jednoduché talířové jídlo, 2-3 položky	85-90 %	Důvěřujte s drobnými úpravami
Více položek v míse nebo na talíři	70-80 %	Ověřte klíčové položky pomocí váhy
Smíšené jídlo (smažené, zapečené)	60-75 %	Používejte pouze jako hrubý odhad
Slabé osvětlení nebo částečný talíř	55-70 %	Znovu vyfoťte nebo zaznamenejte ručně

Kdy NEmůžete důvěřovat odhadům kalorií pomocí AI

Existují určité situace, které spolehlivě produkují nepřesné odhady napříč všemi aplikacemi.

Slabé nebo umělé osvětlení. Slabé světlo snižuje kontrast obrazu a ztěžuje identifikaci potravin. Barevné osvětlení v restauracích může změnit zjevnou barvu jídla, což vede k chybné identifikaci.

Smíšená jídla a zapečené pokrmy. Když jsou kombinovány více ingrediencí do jedné hmoty, AI nemůže spolehlivě oddělit a odhadnout každou komponentu. Zapečené pokrmy, kari nebo dušená jídla jsou pro kameru v podstatě černou skříňkou.

Jídla s velkým množstvím omáčky. Omáčka zakrývá jídlo pod ní a přidává své vlastní kalorie. Talíř těstovin s marinara omáčkou vypadá podobně, ať už má 2 polévkové lžíce nebo půl šálku omáčky. Rozdíl v kaloriích může být 100-200 kalorií.

Částečné talíře a již snědené jídlo. Pokud jste již začali jíst, má AI méně vizuálních dat k dispozici. Kousnutí, chybějící kousky a přeorganizované jídlo výrazně snižují přesnost.

Smažená jídla. Absorpce oleje při smažení přidává značné množství kalorií, které jsou na fotografii neviditelné. Podle výzkumu publikovaného v Journal of Food Engineering kus smaženého kuřete absorbuje 15-30 % své hmotnosti v oleji během hlubokého smažení, AI vidí kuře, ale nemůže změřit absorbovaný olej.

Potraviny v neprůhledných obalech. Smoothie v kelímcích, polévky v miskách s úzkými otvory a zabalené položky jako burritos nebo wrapy brání AI vidět skutečný obsah jídla.

Proč databáze za AI je důležitější, než si myslíte

Většina diskuzí o přesnosti kalorií z fotografií pomocí AI se zaměřuje na kroky rozpoznávání obrazu a odhadu porcí. Ale krok porovnání s databází je stejně důležitý a často opomíjený.

Zde je důvod. Představte si, že AI dokonale identifikuje vaše jídlo jako "grilovaný losos, přibližně 170 gramů." Pokud tuto identifikaci přiřadí k neověřenému záznamu v databázi, který říká, že grilovaný losos má 150 kalorií na 100 gramů místo správných 208 kalorií na 100 gramů (referenční údaje USDA), váš odhad bude 255 kalorií místo 354 kalorií. To je 28% chyba zavedená zcela databází, nikoli systémem vidění AI.

Tady se rozdíl mezi aplikacemi stává nejvýznamnějším. AI, která správně identifikuje potraviny, ale přiřazuje je k crowdsourcované databázi s chybami, duplicitami a neověřenými záznamy, poskytne horší konečné odhady než AI s mírně méně přesným odhadem porcí, ale s ověřenou databází.

Složka přesnosti	Dopad na konečný odhad	Kde chyby vznikají
Identifikace potravin	Vysoká	Neobvyklé potraviny, smíšená jídla, špatné osvětlení
Odhad porce	Velmi vysoký	Hloubka, hustota, skryté vrstvy
Přesnost databáze	Vysoká	Neověřené záznamy, zastaralá data, nesprávné velikosti porcí

Všechny tři komponenty musí být přesné, aby byl konečný odhad kalorií spolehlivý. Řetěz je silný jen tak, jak silný je jeho nejslabší článek.

Jak se přístup Nutrola liší

AI pro odhad kalorií pomocí fotografií Nutrola používá stejný základní proces počítačového vidění jako ostatní aplikace, ale liší se v jednom kritickém ohledu: každá identifikace potravin se mapuje na databázi ověřenou nutričními specialisty s více než 1,8 miliony záznamů.

To znamená, že i když má AI odhad porce s mírnou odchylkou, což je nevyhnutelné u jakéhokoli odhadu z 2D na 3D, jsou nutriční data na gram přesná. Pokud AI Nutrola odhaduje 160 gramů kuřecího prsa místo skutečných 170 gramů, odchylka je 10 gramů. Ale kalorická hustota (165 kcal na 100 g) je správná, protože pochází z ověřeného zdroje, nikoli z anonymního uživatelského příspěvku.

Nutrola také podporuje hlasové zaznamenávání a skenování čárových kódů jako doplňkové metody zadávání. U jídel, kde znáte přesné množství, jako jsou domácí pokrmy, kde jste vážili ingredience, hlasové zaznamenávání ("200 gramů kuřecího prsa, jeden šálek hnědé rýže") se přímo mapuje na ověřená data bez jakéhokoli odhadu. Funkce AI pro fotografování funguje nejlépe u jídel, kde je vážení nepraktické, jako jsou jídla v restauracích nebo pokrmy připravené někým jiným.

Za €2.50 měsíčně bez reklam na jakékoli úrovni poskytuje Nutrola ověřenou datovou vrstvu, která činí odhad kalorií z fotografií pomocí AI smysluplně přesnějším v praxi, nikoli jen v teorii.

Jak získat nejpřesnější odhady kalorií z fotografií pomocí AI

Ať už používáte jakoukoli aplikaci, tyto praktiky zlepšují přesnost odhadu kalorií z fotografií pomocí AI.

Fotografujte před tím, než začnete jíst. Celý talíř poskytuje AI maximální vizuální data.

Používejte přirozené nebo jasné osvětlení shora. Vyhněte se stínům, barevným světlům a protisvětlu.

Pořiďte fotografii přímo shora. Úhel 90 stupňů poskytuje nejkonzistentnější zobrazení povrchové plochy a je to, na čem jsou většina modelů AI trénována.

Oddělte potraviny na talíři, když je to možné. Pokud je vaše kuře na rýži, AI nemůže rýži správně vidět nebo odhadnout.

Ověřte pomocí váhy nová nebo neobvyklá jídla. Používejte AI pro pohodlí u známých jídel a ověřte pomocí váhy, když narazíte na něco nového.

Zaznamenávejte omáčky, dresinky a oleje zvlášť. I když AI identifikuje váš salát, ručně přidejte dresink jako samostatný záznam pro lepší přesnost.

Závěr

Odhad kalorií z fotografií pomocí AI je skutečně užitečný nástroj, ale není to přesný přístroj. U jednoduchých, dobře osvětlených, jednotlivých jídel můžete důvěřovat odhadu v rámci 10 %. U složitých, smíšených nebo restaurančních jídel považujte číslo za hrubý vodítko a ověřte, když je přesnost důležitá.

Největším rozdílem mezi aplikacemi není samotná technologie vidění AI, ale databáze, na kterou se mapuje. Aplikace, která správně identifikuje vaše jídlo, ale mapuje ho na neověřená data, vám poskytne sebevědomě špatnou odpověď. Ověřené databáze přetvářejí dobrou identifikaci AI na dobré odhady kalorií.

Často kladené otázky

Jak přesné jsou odhady kalorií z fotografií jídla pomocí AI?

Přesnost se liší podle složitosti jídla. U jednoduchých, jednotlivých jídel vyfocených v dobrém osvětlení dosahují přední aplikace 85-95 % přesnosti. U složitých jídel s více komponenty, smíšených pokrmů nebo pokrmů z restaurací klesá přesnost na 55-80 %. Tři hlavní zdroje chyb jsou chybné identifikace potravin, odhad velikosti porce z 2D obrázků a nepřesné databázové záznamy, na které se AI odkazuje.

Která aplikace pro sledování kalorií má nejpřesnější AI pro fotografie?

V porovnávacím testování dosáhla Nutrola celkové přesnosti 80-87 % napříč jednoduchými, složitými a restaurančními jídly. Tato výhoda vyplývá především z mapování identifikací AI na databázi ověřenou nutričními specialisty s více než 1,8 miliony záznamů. Ostatní aplikace jako Cal AI (70-81 %), Foodvisor (68-78 %) a SnapCalorie (65-76 %) používají podobnou technologii vidění AI, ale mapují na méně důkladně ověřené databáze.

Může AI říct, kolik kalorií je v jídle z restaurace podle fotografie?

AI může poskytnout hrubý odhad kalorií jídla z restaurace podle fotografie, obvykle v rozmezí 20-40 % skutečných hodnot. Jídla z restaurací jsou obzvlášť náročná kvůli nestandardizovaným porcím, skrytým kuchyňským olejům, omáčkám a problému s odhadem hloubky inherentní v 2D fotografii. U jídel z restaurací jsou odhady AI z fotografií spolehlivější než hádání, ale méně spolehlivé než standardizované údaje o kaloriích z menu velkých řetězců.

Proč různé aplikace uvádějí různé hodnoty kalorií pro stejnou fotografii?

Různé aplikace používají různé modely AI, různé algoritmy pro odhad porcí a především různé nutriční databáze. I když dvě aplikace správně identifikují stejné jídlo, mohou se mapovat na různé databázové záznamy s různými hodnotami kalorií. Aplikace používající ověřené databáze produkují konzistentnější a přesnější výsledky, protože existuje pouze jeden záznam na položku jídla, což eliminuje variabilitu zavedenou crowdsourcovanými daty.

Měl bych používat váhu místo odhadu kalorií z fotografií pomocí AI?

Váha je přesnější než jakýkoli odhad kalorií z fotografií pomocí AI pro domácí jídla, kde máte kontrolu nad ingrediencemi. Váha v kombinaci s ověřenou nutriční databází, jako je ta Nutrola, vám poskytne nejvyšší možnou přesnost. Odhad kalorií z fotografií pomocí AI je nejcennější v situacích, kdy je váha nepraktická, jako jsou jídla v restauracích, pokrmy připravené jinými lidmi nebo když potřebujete rychle zaznamenat. Nejlepší přístup je používat obojí: váhu doma a odhad kalorií z fotografií při jídle venku.