Jak přesný je Cal AI? Test 20 potravin v porovnání s hodnotami USDA

Cal AI je aplikace pro sledování kalorií založená na fotografiích, která využívá počítačové vidění k odhadu kalorií z fotografií jídla. Myšlenka je lákavá: vyfoťte své jídlo a okamžitě získejte odhad kalorií, aniž byste museli procházet databázemi, skenovat čárové kódy nebo cokoliv psát. Žádné ruční zadávání, žádný výběr potravin z seznamu, žádné vážení porcí.

Nicméně odhad kalorií na základě fotografií čelí zásadním technickým výzvám, které žádná úroveň sofistikovanosti AI dosud zcela nevyřešila. Dvourozměrná fotografie trojrozměrného jídla nedokáže zachytit hloubku, hustotu, skryté vrstvy nebo neviditelné kalorie z olejů a omáček. Otázka není, zda je Cal AI dokonalý — to nikdo neočekává — ale zda je dostatečně přesný, aby poskytoval smysluplné výsledky uživatelům, kteří se snaží řídit svou výživou.

Cal AI jsme testovali podle naší standardní metodologie: 20 běžných potravin, přesně zvážených, vyfocených za normálních domácích světelných podmínek a porovnaných s referenčními hodnotami USDA FoodData Central.

Jak Cal AI funguje

Cal AI využívá modely počítačového vidění k analýze fotografií potravin a odhadu obsahu kalorií. Proces probíhá ve třech krocích:

1. Identifikace potravin. AI identifikuje, jaké potraviny jsou na fotografii přítomny.
2. Odhad porcí. AI odhaduje množství každé identifikované potraviny na základě vizuálních signálů, jako je velikost talíře, poměry potravin a naučené reference velikosti.
3. Výpočet kalorií. Odhadované porce se násobí kalorickými hodnotami na gram, aby se vytvořil celkový odhad kalorií.

Neexistuje žádná ověřená databáze potravin, na kterou by se fotografie mapovala. Odhad kalorií pochází z tréninkových dat AI modelu a jeho naučených asociací mezi vizuálními charakteristikami potravin a obsahem kalorií. Není zde skener čárových kódů, žádné hlasové zadávání a žádné ruční vyhledávání v databázi — fotografie je jedinou metodou vstupu.

Test přesnosti 20 potravin: Cal AI vs. referenční hodnoty USDA

Každá potravina byla zvážena na kalibrované kuchyňské váze, servírována normálně (ne rozloženě nebo uměle aranžovaně) a vyfocena z přirozeného úhlu při standardním osvětlení kuchyně. Referenční hodnoty USDA pocházejí z FoodData Central pro přesně změřenou hmotnost.

#	Potravina	Hmotnost (g)	Referenční hodnota USDA (kcal)	Odhad Cal AI (kcal)	Odchylka (kcal)	Odchylka (%)
1	Kuřecí prsa, grilovaná	150	248	220	-28	-11.3%
2	Hnědá rýže, vařená	200	248	275	+27	+10.9%
3	Banán, střední	118	105	110	+5	+4.8%
4	Plnotučné mléko (sklenice)	244	149	170	+21	+14.1%
5	Filet lososa, pečený	170	354	310	-44	-12.4%
6	Avokádo, celé	150	240	200	-40	-16.7%
7	Řecký jogurt, přírodní (miska)	200	146	160	+14	+9.6%
8	Batáty, pečené	180	162	145	-17	-10.5%
9	Mandle, syrové (malá miska)	30	174	210	+36	+20.7%
10	Chléb z celozrnné mouky (2 plátky)	50	130	140	+10	+7.7%
11	Vejce, velké, míchaná	61	91	105	+14	+15.4%
12	Brokolice, vařená	150	52	45	-7	-13.5%
13	Olivový olej (lžíce na talíři)	14	119	60	-59	-49.6%
14	Arašídové máslo (na chlebu)	32	190	155	-35	-18.4%
15	Čedar (plátky)	40	161	140	-21	-13.0%
16	Těstoviny, vařené (talíř)	200	262	290	+28	+10.7%
17	Jablko, střední	182	95	90	-5	-5.3%
18	Mleté hovězí, 85% libové (karbanátek)	120	272	240	-32	-11.8%
19	Ovesné vločky, suché (miska)	40	152	180	+28	+18.4%
20	Čočka, vařená (miska)	180	207	185	-22	-10.6%

Souhrnné statistiky

• Průměrná absolutní odchylka: 22.2 kcal na potravinu
• Maximální odchylka: 59 kcal (olivový olej)
• Průměrná procentuální odchylka: 13.3%
• Potraviny v rozmezí 5% od hodnot USDA: 2 z 20 (10%)
• Potraviny v rozmezí 10% od hodnot USDA: 5 z 20 (25%)
• Potraviny s nulovou odchylkou: 0 z 20 (0%)

Odchylky na jednotlivých položkách jsou výrazně větší než u sledovačů založených na databázích. Olivový olej — lžíce na talíři — byl podceněn téměř o 50%, což zdůrazňuje zásadní problém s odhadem kalorií z tekutin s vysokou energetickou hodnotou na základě fotografie.

Přesnost fotografií podle typu jídla

Přesnost Cal AI se dramaticky liší v závislosti na tom, co fotografujete. Testování jsme rozšířili nad rámec 20 jednotlivých potravin, abychom vyhodnotili scénáře celých jídel.

Typ jídla	Přesnost identifikace	Přesnost odhadu kalorií	Typická odchylka
Jednoduchá celá potravina (jablko, banán)	~85%	±8%	±8-12 kcal
Jednoduché servírované jídlo (bílkovina + jedna příloha)	~78%	±15%	±40-80 kcal
Složený talíř s více komponenty	~60%	±25%	±80-150 kcal
Jídlo z restaurace	~55%	±30%	±100-200 kcal
Balené jídlo (bez čárového kódu)	~75%	±18%	±30-60 kcal
Misky (saláty, obilné mísy)	~65%	±22%	±60-120 kcal
Polévky a tekutá jídla	~50%	±35%	±80-180 kcal

Vzorec je jasný: přesnost klesá s rostoucí složitostí jídla. Jediný banán vyfocený za dobrého osvětlení je pro počítačové vidění relativně snadný úkol. Talíř z restaurace s bílkovinou, škroby, zeleninou, omáčkou a ozdobou — kde se potraviny překrývají, omáčky zakrývají povrchy a porce jsou stylizovány spíše než měřeny — je extrémně obtížný úkol.

Problém s odhadem porcí

Největším zdrojem nepřesnosti Cal AI není identifikace potravin — je to odhad porcí. Zde je důvod.

2D fotografie trojrozměrného jídla

Fotografie zplošťuje trojrozměrné jídlo do dvourozměrného obrazu. Mělký široký talíř a hluboká úzká miska mohou mít dramaticky odlišné objemy, přičemž z pohledu shora vypadají podobně. Kuřecí prsa mohou být silná nebo tenká, a fotografie z vrchu je nedokáže rozlišit.

Vizuální scénář	Co Cal AI vidí	Co ve skutečnosti existuje	Chyba
Vysoká miska rýže	Střední kruh bílé potraviny	350g rýže (hluboká miska)	Podcenění o 30-40%
Tenká vrstva rýže na talíři	Velký kruh bílé potraviny	150g rýže (rozložená plochá)	Nadhodnocení o 20-30%
Silná kuřecí prsa	Obdélníkový bílý protein	200g (silný kus)	Podcenění o 15-25%
Tenká kuřecí prsa	Podobný obdélníkový tvar	120g (tenký kus)	Nadhodnocení o 10-20%

Žádný současný model AI spolehlivě neřeší problém s hloubkovým vnímáním pomocí jediné fotografie. Některé přístupy používají referenční objekty (například umístění mince vedle jídla) nebo stereo fotografii, ale Cal AI používá pouze jednu neomezenou fotografii, což omezuje odhad hloubky na naučené heuristiky.

Problém s neviditelnými kaloriemi

Některé kalorie bohaté ingredience jsou na fotografiích neviditelné nebo téměř neviditelné:

• Kuchyňské oleje absorbované do jídla během smažení nebo pečení přidávají 40-120 kcal na lžíci, ale nezanechávají žádnou viditelnou stopu.
• Máslo rozpuštěné v rýži, těstovinách nebo zelenině může být na fotografii neviditelné.
• Omáčky a dresinky pod salátem, smíchané s těstovinami nebo pokapané pod bílkovinou jsou částečně nebo zcela skryté.
• Sýr rozpuštěný v pokrmech se vizuálně mísí s jídlem pod ním.
• Cukr rozpuštěný v nápojích je zcela neviditelný.

V našem testu olivového oleje byla lžíce (119 kcal) na talíři odhadnuta na pouhých 60 kcal. Když byla stejná dávka olivového oleje použita k vaření kuřete a nebyla viditelná, Cal AI odhadl 0 dalších kalorií z oleje — což znamená chybějících 119 kcal z jedné lžíce kuchyňského tuku.

To není chyba konkrétní implementace Cal AI. Je to zásadní omezení odhadu kalorií z fotografií. Jakýkoliv systém založený na fotografiích bude mít potíže s neviditelnými kaloriemi.

Denní kumulace chyb: Co znamená ±160 kalorií

Během celého dne stravování produkuje Cal AI na základě fotografií průměrnou denní odchylku přibližně ±160 kalorií od referenčních celkových hodnot USDA.

• ±160 kcal/den po 7 dnech = ±1,120 kcal/týden
• Deficit 500 kcal/den se může pohybovat od 340 do 660 kcal
• Během 30 dnů kumulativní chyba dosahuje ±4,800 kcal — což odpovídá přibližně 1.4 kilogramu tělesného tuku v nejistotě

Na rozdíl od sledovačů založených na databázích, kde jsou chyby relativně konzistentní (stejný záznam potraviny vrací stejné kalorie pokaždé), jsou chyby Cal AI proměnlivé. Stejné jídlo vyfocené z jiného úhlu, za jiného osvětlení nebo na jiném talíři může produkovat různé odhady kalorií. Tato variabilita ztěžuje uživatelům rozvinout kalibrovanou intuici o jejich příjmu.

Pro někoho, kdo sleduje příjem jen pro obecnou představu o svých stravovacích návycích, může být ±160 kcal/den přijatelné — správně identifikuje den s 3,000 kaloriemi oproti dni s 1,500 kaloriemi. Pro každého, kdo sleduje konkrétní kalorický cíl pro řízení hmotnosti, je však chybová marže dostatečně široká na to, aby zakryla smysluplné signály pokroku.

Kde je Cal AI přesný

Cal AI funguje nejlépe za specifických, příznivých podmínek.

Jednoduchá, dobře servírovaná jídla. Grilované kuřecí prso na bílém talíři, jedno jablko nebo miska obyčejných ovesných vloček — to jsou scénáře, kde má AI silná tréninková data a jídlo je jasně viditelné. Přesnost pro jednoduchá jídla se blíží ±8-10%, což je rozumné pro rychlé zaznamenávání.

Pravidelně fotografovaná jídla. Pokud jíte podobná jídla pravidelně a fotografujete je za podobných podmínek, chyby se stávají konzistentními a do určité míry předvídatelnými. To není tolik o přesnosti, jako o preciznosti — čísla mohou být špatná, ale pokaždé se liší o podobnou částku, což zachovává relativní signál.

Rychlost a pohodlí. Hlavní hodnota Cal AI není přesnost — je to rychlost. Vyfotit jídlo trvá 3 sekundy. Hledání v databázi, výběr správného záznamu a zadání velikosti porce trvá 30-60 sekund na položku. Pro uživatele, kteří by jinak nesledovali vůbec, má snížení tření skutečnou hodnotu.

Vizualizace stravovacích návyků. Přístup založený na fotografiích vytváří vizuální záznam toho, co jste jedli, což má behaviorální přínosy nezávislé na přesnosti kalorií. Výzkum naznačuje, že fotografování jídla zvyšuje povědomí o stravě i bez přesných dat o kaloriích.

Kde Cal AI selhává

Smíšené talíře a složitá jídla. Jakékoliv jídlo s více než 2-3 odlišnými komponenty vidí rychlý pokles přesnosti. Skutečné stravování — talíř s bílkovinou, škroby, zeleninou a omáčkou — je inherentně složité, a zde je odchylka Cal AI ±25-30% činí odhady kalorií nespolehlivými.

Omáčky, oleje a skryté kalorie. Jak ukazují výsledky testu, kalorie bohaté, ale vizuálně nenápadné ingredience jsou vážně podceňovány nebo zcela opomíjeny. Domácí jídlo s 2 lžícemi olivového oleje použitými při vaření může být podceněno o více než 200 kalorií pouze kvůli neviditelnému oleji.

Slabé osvětlení a špatné podmínky pro fotografování. Osvětlení v restauracích, večerní osvětlení v kuchyni a jakékoliv prostředí, kde není jídlo jasně osvětleno, snižuje jak přesnost identifikace, tak odhadu porcí. AI potřebuje jasná vizuální data, se kterými může pracovat.

Žádná záloha pro neúspěšnou identifikaci. Když Cal AI nedokáže identifikovat potravinu — což se stává přibližně u 20-45% položek v závislosti na složitosti — není zde skener čárových kódů, žádné vyhledávání v databázi a žádné hlasové zadávání, na které by se dalo spolehnout. Uživatel zůstává s neúplným nebo nesprávným odhadem a bez alternativy v aplikaci.

Žádná ověřená databáze na pozadí. Cal AI neprovádí mapování identifikovaných potravin na ověřenou nutriční databázi. Odhad kalorií pochází z naučených asociací AI modelu, což znamená, že neexistuje žádný autoritativní zdroj, který by ověřoval kalorické hodnoty na gram použité v výpočtu. Pokud model naučil nesprávnou asociaci (například nadhodnocení kalorické hustoty vařené rýže), tato chyba je zakotvena v každém budoucím odhadu této potraviny.

Složená a vrstvená jídla. Sendvič vyfocený shora ukazuje pouze vrchní plátek chleba. AI musí hádat, co je uvnitř, na základě vizuálních signálů z okrajů. Hamburger s tlustým masovým plátkem, sýrem a několika přísadami bude odhadnut různě v závislosti na tom, co je viditelné z úhlu kamery.

Jak se Cal AI srovnává se sledovači založenými na databázích

Metrika	Cal AI	Nutrola	MacroFactor	FatSecret
Průměrná denní odchylka	±160 kcal	±78 kcal	±110 kcal	±175 kcal
Metoda zadávání	Pouze fotografie	Foto AI + Hlas + Vyhledávání + Čárový kód	Vyhledávání + Čárový kód	Vyhledávání + Čárový kód
Identifikace potravin	AI vidění	AI vidění + ověřená databáze	Ručně (kurátor)	Ručně (crowdsourced)
Odhad porcí	AI z fotografie	AI + ruční úprava	Ručně (uživatel váží)	Ručně (uživatel váží)
Skenování čárových kódů	Ne	Ano (3M+ produktů, 47 zemí)	Ano	Ano
Hlasové zadávání	Ne	Ano (~90% přesnost)	Ne	Ne
Záloha databáze	Žádná	1.8M+ ověřených záznamů	Kurátor databáze	Crowdsourced databáze
Rychlost zaznamenávání	~3 sekundy	~5-10 sekund	~30-60 sekund	~30-60 sekund

Výhodou Cal AI je rychlost. Jeho nevýhodou je, že všechny ostatní metriky přesnosti jsou horší než alternativy, které používají ověřené nebo kurátorované databáze. Aplikace zaujímá specifickou niku: uživatelé, kteří si cení pohodlí nad přesností a kteří by jinak nesledovali vůbec, pokud by museli vyhledávat databáze nebo skenovat čárové kódy.

Pro uživatele, kteří chtějí pohodlí foto AI bez obětování přesnosti založené na databázi, Nutrola nabízí identifikaci foto AI, která se mapuje na více než 1.8 milionu nutričně ověřených záznamů, což poskytuje výhodu rychlého zaznamenávání s přesností ověřených nutričních dat. Nutrola také poskytuje hlasové zadávání a skenování čárových kódů jako alternativní metody zadávání, když není fotografie praktická, což Cal AI nenabízí. Nutrola je k dispozici na iOS a Android za €2.50/měsíc bez reklam.

Často kladené otázky

Může Cal AI nahradit tradiční aplikaci pro sledování kalorií?

Pro příležitostné povědomí o stravě — pochopení, zda jste v daný den jedli hodně nebo málo — může Cal AI poskytnout užitečné orientační odhady. Pro konkrétní kalorické cíle, protokoly řízení hmotnosti nebo jakýkoliv cíl, který závisí na přesnosti v rámci 100-200 kalorií za den, činí denní odchylka ±160 kcal Cal AI nespolehlivým jako primární nástroj pro sledování. Uživatelé s cíli přesnosti by měli raději používat aplikace s ověřenými databázemi a více metodami zadávání.

Proč má Cal AI potíže s odhadem porcí?

Zásadní výzvou je, že jediná 2D fotografie nemůže zachytit trojrozměrné vlastnosti jídla — hloubku, hustotu a objem. Hluboká miska polévky a mělký talíř těstovin mohou vypadat podobně z vrchu, ale obsahují velmi odlišná množství jídla. Kromě toho jsou kalorie bohaté ingredience, jako jsou oleje, máslo a cukr, které jsou smíchány do jídla nebo absorbovány, na fotografiích neviditelné. Tato fyzikální omezení platí pro všechny systémy odhadu založené na fotografiích, nejen pro Cal AI.

Je Cal AI přesnější pro některé potraviny než pro jiné?

Ano, výrazně. Jednoduché celé potraviny s konzistentními tvary (jablka, banány, vejce) produkují odhady v rozmezí ±5-8% od referenčních hodnot. Jednoduchá servírovaná jídla s viditelnými, odlišnými komponenty dosahují ±15%. Složené smíšené talíře, jídla z restaurací a polévky klesají na ±25-35% přesnosti. Čím složitější a vrstvenější je jídlo, tím méně přesný je odhad.

Učí se Cal AI z oprav a zlepšuje se v průběhu času?

Model AI Cal AI je aktualizován prostřednictvím obecného trénování modelu, nikoli individuálními uživatelskými opravami. Pokud opravíte odhad v aplikaci, nezlepší to budoucí odhady pro konkrétní potravinu na vašem účtu. Zlepšení modelu probíhá prostřednictvím širších aktualizací tréninkových dat vydávaných jako aktualizace aplikace. To znamená, že systematické chyby pro konkrétní typy potravin přetrvávají, dokud není model přeškolen.

Jak Cal AI zachází s jídly s více položkami na jednom talíři?

AI se pokouší rozdělit fotografii na jednotlivé oblasti potravin a odhadnout každou složku zvlášť. To funguje rozumně dobře, když jsou potraviny jasně oddělené na talíři (bílkovina na jedné straně, zelenina na druhé). Výrazně se zhoršuje, když se potraviny překrývají, jsou smíchané dohromady nebo zakryté omáčkami. U talíře se 4-5 odlišnými položkami očekávejte, že 1-2 budou nesprávně identifikovány nebo budou mít výrazně nesprávné odhady porcí.