עד כמה אמינה הערכת המנות של Cal AI? השוואת משקל מדוד מול הערכת AI
שקללנו 20 מזונות על משקל מטבח, צילמנו אותם באמצעות Cal AI והשווינו את הערכות המנות של האפליקציה למשקלים המדודים בפועל. הנה עד כמה מדויקת ועקבית הערכת המנות של Cal AI.
Cal AI היא אפליקציה למעקב קלוריות מבוססת צילום, המשתמשת בראיית מחשב כדי להעריך מנות ומספר קלוריות מצילומים. ההבטחה המרכזית של האפליקציה היא שתוכל לדלג על שקילה ומדידה של המזון שלך לחלוטין — פשוט צלם את הצלחת שלך, וה-AI יטפל בשאר. זהו רעיון מפתה שמסיר את החלק המתיש ביותר במעקב קלוריות. אך הוא מתבסס על פתרון בעיה בסיסית בראיית מחשב: הערכת גודל ומשקל של אובייקט תלת-ממדי מתמונה דו-ממדית.
אמינות בהערכת מנות משמעותה שהמשקל או הנפח המוערכים על ידי ה-AI תואמים קרוב ככל האפשר לכמות המדודה בפועל. זה גם אומר עקביות — צילום אותו מזון מספר פעמים צריך להניב את אותה הערכה בכל פעם. בדקנו את שני הממדים על ידי שקילה של 20 מזונות על משקל מטבח מכויל, צילמנו אותם דרך Cal AI והשווינו את התוצאות.
הבעיה הבסיסית: הערכה תלת-ממדית מתמונה דו-ממדית
לפני שנבחן את תוצאות הבדיקה, כדאי להבין מדוע הבעיה הזו קשה באופן אינהרנטי. צילום מקטין שלוש ממדים לשניים. מידע על עומק, גובה ונפח חלקית אובד. ערימת אורז בגובה 3 סנטימטרים נראית זהה בתמונה לערימה בגובה 2 סנטימטרים אם זווית המצלמה מקטינה את ההבדל.
ה-AI חייב להסיק את הממד החסר מרמזים הקשריים: גודל הצלחת, הצל שנוצר על ידי המזון, הפרופורציות היחסיות של אובייקטים ידועים במסגרת, והתאמת תבניות מול נתוני אימון. כל אחד מהשלבים הללו מציג פוטנציאל לשגיאה. מחקר שפורסם ב-International Journal of Food Sciences and Nutrition (2021) מצא שגם דיאטנים מאומנים שהעריכו מנות מצילומים הגיעו רק לדיוק של 50-70%, מה שמעיד על כך שהערכת מנות חזותית היא באופן אינהרנטי לא מדויקת, ללא קשר אם אדם או AI מבצע אותה.
זה לא ביקורת על Cal AI באופן ספציפי. זו האתגר הבסיסי שכל מערכת הערכת מנות מבוססת צילום מתמודדת איתו. השאלה היא כמה שגיאה מגבלה בסיסית זו מייצרת בפועל והאם השגיאה הזו קטנה מספיק כדי שהנתונים על קלוריות יהיו שימושיים.
מתודולוגיית הבדיקה: משקל מדוד מול הערכת Cal AI
בחרנו 20 מזונות מקטגוריות שונות: פריטים אחידים (צורה וגודל צפויים), מוצקים לא אחידים (צורה משתנה), מזונות ערומים או מוערמים, נוזלים, מזונות בכלים ומנות מרובות רכיבים. כל מזון נמדד על משקל מטבח מכויל המדויק ל-1 גרם.
לאחר מכן, כל מזון הונח על צלחת ערבוב לבנה בקוטר 26 סנטימטרים (אלא אם כן צוין אחרת) וצולם דרך Cal AI מזווית של 45 מעלות ממרחק של כ-30 סנטימטרים. רשמנו את גודל המנה המוערך על ידי Cal AI ואת מספר הקלוריות, ולאחר מכן חישבנו את הסטייה מהערכים המדודים בפועל.
דיוק הערכת המנות: הערכת Cal AI מול משקל בפועל
תוצאות בדיקת אמינות מלאה
| מזון | משקל בפועל | הערכת Cal AI | סטיית משקל | אחוז סטייה | קלוריות בפועל | קלוריות Cal AI | השפעת קלוריות |
|---|---|---|---|---|---|---|---|
| פרוסת לחם | 38 גרם | 40 גרם | +2 גרם | +5.3% | 95 | 100 | +5 |
| ביצה גדולה, מבושלת | 50 גרם | 50 גרם | 0 גרם | 0.0% | 78 | 78 | 0 |
| חטיף חלבון (לא ארוז) | 60 גרם | 55 גרם | -5 גרם | -8.3% | 210 | 193 | -17 |
| חזה עוף, צלוי | 174 גרם | 140 גרם | -34 גרם | -19.5% | 287 | 231 | -56 |
| סטייק, צלוי | 225 גרם | 175 גרם | -50 גרם | -22.2% | 573 | 446 | -127 |
| פילט סלמון, אפוי | 168 גרם | 145 גרם | -23 גרם | -13.7% | 349 | 302 | -47 |
| אורז לבן מבושל | 210 גרם | 180 גרם | -30 גרם | -14.3% | 232 | 199 | -33 |
| פסטה מבושלת | 240 גרם | 195 גרם | -45 גרם | -18.8% | 374 | 304 | -70 |
| תפוחי אדמה מעוכים | 200 גרם | 160 גרם | -40 גרם | -20.0% | 224 | 179 | -45 |
| סלט ירוק מעורב | 120 גרם | 95 גרם | -25 גרם | -20.8% | 19 | 15 | -4 |
| מיץ תפוזים בכוס | 250 מ"ל | 200 מ"ל | -50 מ"ל | -20.0% | 112 | 90 | -22 |
| קפה עם חלב בכוס | 350 מ"ל | 250 מ"ל | -100 מ"ל | -28.6% | 58 | 41 | -17 |
| מרק בקערה | 400 מ"ל | 300 מ"ל | -100 מ"ל | -25.0% | 160 | 120 | -40 |
| שקדים בקערה קטנה | 35 גרם | 28 גרם | -7 גרם | -20.0% | 204 | 163 | -41 |
| תערובת פירות יבשים בקערה | 55 גרם | 42 גרם | -13 גרם | -23.6% | 264 | 201 | -63 |
| יוגורט בקופסה | 170 גרם | 150 גרם | -20 גרם | -11.8% | 100 | 88 | -12 |
| תפוח, שלם | 182 גרם | 170 גרם | -12 גרם | -6.6% | 95 | 89 | -6 |
| חצי אבוקדו | 68 גרם | 75 גרם | +7 גרם | +10.3% | 109 | 120 | +11 |
| חמאת בוטנים על טוסט | 18 גרם (רק חמאת בוטנים) | 12 גרם | -6 גרם | -33.3% | 105 | 70 | -35 |
| צלחת עוף + אורז + ברוקולי | 440 גרם סך הכל | 365 גרם סך הכל | -75 גרם | -17.0% | 542 | 450 | -92 |
סטטיסטיקות סיכום:
- ממוצע סטיית משקל מוחלטת: 16.9%
- חציון סטייה: 19.2%
- הטיית הערכה נמוכה: 18 מתוך 20 המזונות הוערכו נמוך
- ממוצע השפעת קלוריות: 37 קלוריות לכל פריט מזון
- מזונות בטווח דיוק של 10%: 5 מתוך 20 (25%)
- מזונות עם סטייה של מעל 20%: 8 מתוך 20 (40%)
התוצאות חושפות דפוס ברור ועקבי. Cal AI העריך נמוך את גודל המנות ב-18 מתוך 20 המזונות שנבדקו. הסטייה הממוצעת הייתה 16.9%, אך ממוצע זה מסתיר את החומרה עבור קטגוריות מסוימות. בשרים לא אחידים (חזה עוף, סטייק) הראו סטייה של 19-22%. מזונות ערומים (אורז, פסטה, תפוחי אדמה מעוכים) הראו סטייה של 14-20%. נוזלים הראו סטייה של 20-29%.
היכן הערכת המנות אמינה
ההערכות של Cal AI היו מדויקות ביותר עבור מזונות עם צורות אחידות וצפויות וגדלים סטנדרטיים.
פריטים אחידים
פרוסת לחם, ביצה מבושלת ותפוח נופלים כולם בטווח של 5-10% ממשקלם בפועל. למזונות אלו יש צורות קבועות שהנתונים עליהם באימון ה-AI תפסו היטב. פרוסת לחם היא בערך באותו עובי ובאותם ממדים ללא קשר למותג. ביצה גדולה היא ביצה גדולה. נתוני האימון של ה-AI כוללים אלפי תמונות של פריטים אלו, והגיאומטריה הצפויה שלהם מקלה על הערכת העומק.
פריטים ארוזים סטנדרטיים
חטיף החלבון, למרות שלא היה ארוז, הוערך בטווח של 8.3% ממשקל בפועל. הצורה המלבנית שלו והמידות הסטנדרטיות שלו הופכות אותו לצפוי חזותית. מזונות עם צורות גיאומטריות רגילות ביצעו באופן עקבי טוב יותר ממזונות לא אחידים בבדיקות שלנו.
הגורם המשותף הוא שמזונות אלו מציגים שונות נמוכה בצורתם. כשאתה רואה פרוסת לחם אחת, למעשה ראית את כולן. ה-AI יכול להסתמך על ממדי טיפוסיים שהוזכרו בזיכרון ולא להסתמך על רמזים הקשריים כדי להסיק ממדים.
היכן הערכת המנות אינה אמינה
צורות לא אחידות: בעיית הסטייק והעוף
הסטייק הצלוי הוערך נמוך ב-22.2%, מה שהוביל לשגיאה של 127 קלוריות עבור פריט מזון אחד. חזה העוף הוערך נמוך ב-19.5%, שגיאה של 56 קלוריות. אלו בין המזונות הנפוצים ביותר שנרשמים על ידי אנשים שעוקבים אחרי צריכת החלבון.
צורות לא אחידות קשות להערכה כי העובי משתנה ברחבי המזון. חזה עוף מתעקל ממרכז עבה לקצוות דקים. מתמונה מלמעלה או בזווית, ה-AI תופס את שטח הפנים אך מעריך נמוך את העובי במרכז. התוצאה היא חישוב שיטתי נמוך שמשפיע על חלבונים עתירי קלוריות — בדיוק המזונות שבהם הדיוק הוא החשוב ביותר למעקב אחר מאקרו.
מזונות ערומים ומוערמים: אורז, פסטה ותפוחי אדמה
אורז מבושל, פסטה ותפוחי אדמה מעוכים הוערכו נמוך ב-14-20%. מזונות אלו נערמים לגובה משמעותי שצילום דו-ממדי מקטין. מנת אורז על צלחת עשויה להיות בגובה 4 סנטימטרים בנקודה הגבוהה ביותר, אך צילום שנעשה בזווית של 45 מעלות מקטין את זה לשכבה שנראית הרבה יותר דקה.
המאגר של USDA FoodData Central רושם אורז לבן מבושל ב-130 קלוריות לכל כוס (186 גרם). סטייה של 14.3% על מנת של 210 גרם מתורגמת ל-33 קלוריות חסרות — ורוב האנשים אוכלים אורז כחלק ממנה גדולה יותר. השגיאות מצטברות על פני כל מזון ערום על הצלחת.
נוזלים: בעיית הנפח הבלתי נראה
נוזלים היו הקטגוריה least אמינה ביותר, עם סטיות של 20-29%. כוס מיץ תפוזים הוערכה נמוך ב-20%. קפה עם חלב בכוס הוערך נמוך ב-28.6%. מרק בקערה הוערך נמוך ב-25%.
הבעיה היא פשוטה: ה-AI יכול לראות את פני השטח של הנוזל אך אינו יכול לקבוע את עומק הכלי. קערה רחבה ורדודה וכוס צרה ועמוקה יכולות להציג פני שטח זהים בתמונה בעוד שהן מחזיקות נפחים שונים לחלוטין. ללא ידיעת ממדי הכלי, ההערכה של ה-AI לנפח היא באופן בסיסי ניחוש.
בעיית הזווית: אותו מזון, הערכות שונות
מעבר לבדיקה של דיוק כל מזון, חקרנו האם Cal AI מייצרת הערכות עקביות כאשר אותו מזון מצולם מזוויות שונות.
בדיקת עקביות זווית: חזה עוף צלוי (174 גרם בפועל)
| זווית צילום | הערכת Cal AI | סטייה מהמשקל בפועל |
|---|---|---|
| 45 מעלות (סטנדרטית) | 140 גרם | -19.5% |
| ישירות מלמעלה (90 מעלות) | 155 גרם | -10.9% |
| זווית נמוכה (20 מעלות) | 125 גרם | -28.2% |
| זווית צד (10 מעלות) | 110 גרם | -36.8% |
אותו חזה עוף במשקל 174 גרם הניב הערכות שנעו בין 110 גרם ל-155 גרם בהתאם לזווית המצלמה — פער של 45 גרם. הזווית מלמעלה הניבה את התוצאה המדויקת ביותר מכיוון שהיא תפסה את כל שטח הפנים, אך גם זו הייתה שגויה בכמעט 11%. הזוויות הנמוכות והצדדיות העריכו באופן דרמטי נמוך את המנה מכיוון שהגובה והעומק של המזון הפכו לדחוסים יותר.
זה אומר שהמספר של קלוריות שהמשתמש מקבל תלוי חלקית באיך שהוא מחזיק את הטלפון שלו, ולא רק במה שהוא אוכל. משתמש שמצלם מזון בזווית נמוכה באופן קבוע יעריך קלוריות נמוך יותר בהשוואה למשתמש שמצלם מלמעלה.
אשליית גודל הצלחת: אותה מנה, צלחות שונות
בדקנו האם גודל הצלחת משפיע על הערכת המנה של Cal AI על ידי הנחת 200 גרם פסטה מבושלת על שלוש צלחות שונות.
בדיקת גודל הצלחת: 200 גרם פסטה מבושלת
| קוטר הצלחת | הערכת Cal AI | סטייה |
|---|---|---|
| 20 ס"מ (צלחת קטנה) | 225 גרם | +12.5% |
| 26 ס"מ (צלחת סטנדרטית) | 195 גרם | -2.5% |
| 32 ס"מ (צלחת גדולה) | 155 גרם | -22.5% |
אותם 200 גרם פסטה הוערכו ב-225 גרם על צלחת קטנה וב-155 גרם על צלחת גדולה — הבדל של 70 גרם רק על סמך גודל הצלחת. זו האשליה של דלבורף, הטיית תפיסה מתועדת היטב שבה אובייקטים נראים גדולים יותר כאשר הם מוקפים במסגרת קטנה וקטנים יותר כאשר הם מוקפים במסגרת גדולה. ה-AI למד את אותה הטיה מנתוני האימון שלו, הכוללים תמונות מזון שבהן גודל הצלחת מתוארת עם גודל המנה הנתפס.
עבור משתמשים שאוכלים מצלחות גדולות במסעדות או קערות הגשה, זה אומר ש-Cal AI תעריך באופן שיטתי נמוך את המנות שלהם. עבור משתמשים שאוכלים מצלחות קטנות לקינוח, האפליקציה תעריך גבוה יותר. אף קבוצה לא מקבלת ספירה מדויקת של מה שהם באמת צרכו.
בדיקת עקביות: אותו מזון, חמישה צילומים
צילמנו מנה אחת של חזה עוף צלוי עם אורז וברוקולי (542 קלוריות בפועל) חמש פעמים ברצף, תוך כדי התאמת זווית הטלפון מעט בכל פעם.
בדיקת עקביות חמישה צילומים
| מספר צילום | קלוריות סך הכל Cal AI | סטייה מהקלוריות בפועל |
|---|---|---|
| 1 | 450 | -17.0% |
| 2 | 478 | -11.8% |
| 3 | 435 | -19.7% |
| 4 | 462 | -14.8% |
| 5 | 448 | -17.3% |
חמישה צילומים של אותה מנה הניבו חמש הערכות קלוריות שונות, שנעו בין 435 ל-478 — פער של 43 קלוריות. הממוצע היה 455 קלוריות, מה שהעריך נמוך את ה-542 קלוריות בפועל ב-16.1%. לא צילום אחד הניב תוצאה בטווח של 10% מהתוכן הקלורי בפועל.
בדיקה זו מדגימה גם את בעיות הדיוק וגם את בעיות העקביות בו זמנית. ההערכות נמוכות באופן עקבי (כישלון דיוק), והן משתנות בין צילומים של מזון זהה (כישלון עקביות). משתמש שמזין את המנה הזו מקבל מספר שונה בהתאם לאיזה מהחמישה צילומים הוא בחר לצלם.
כיצד שגיאות יומיות מצטברות
השגיאות הפרטניות בכל מזון בבדיקות שלנו ממוצעות 37 קלוריות. זה נשמע קטן עד שאתה לוקח בחשבון שיום טיפוסי כולל רישום של 10 עד 15 פריטי מזון בשלוש ארוחות וחטיפים.
תרחיש הצטברות יומית
| ארוחה | מזונות שנרשמו | קלוריות בפועל | סך קלוריות Cal AI | שגיאה מצטברת |
|---|---|---|---|---|
| ארוחת בוקר (קוואקר, בננה, חמאת בוטנים) | 3 פריטים | 445 | 385 | -60 |
| ארוחת צהריים (עוף, אורז, ירקות) | 3 פריטים | 542 | 450 | -92 |
| חטיף (שקדים, יוגורט) | 2 פריטים | 304 | 251 | -53 |
| ארוחת ערב (סטייק, תפוחי אדמה מעוכים, סלט) | 3 פריטים | 816 | 640 | -176 |
| סך יומי | 11 פריטים | 2,107 | 1,726 | -381 |
הערכה יומית של 381 קלוריות חסרות. זה 18.1% מהצריכה הכוללת — חוסר שלא קיים. משתמש שמתכנן חוסר קלורי של 500 קלוריות ביום לצורך ירידה במשקל נמצא למעשה בחוסר קלורי של 119 קלוריות לאחר התחשבות בהטיית ההערכה הנמוכה של Cal AI. בקצב הזה, ירידה מתוכננת של 1 פאונד בשבוע הופכת ל-0.24 פאונד בשבוע. חודש של מעקב מדויק מניב תוצאות של שבוע אחד, והמשתמש אינו יכול לקבוע מדוע.
מחקר שפורסם ב-American Journal of Clinical Nutrition הראה באופן עקבי שדיווח לא מדויק על צריכת מזון הוא הכיוון הנפוץ ביותר של שגיאה בהערכה תזונתית, ומערכות AI שאומנו על נתונים שסומנו על ידי בני אדם ירשו את ההטיה הזו.
כיצד Nutrola מתמודדת עם בעיית הערכת המנות אחרת
הגישה של Nutrola לבעיה של הערכת המנות היא להתייחס ל-AI של צילום כנקודת התחלה, ולא כתשובה סופית. זיהוי המזון באפליקציה מזהה את המזונות וממפה אותם למסד נתונים מאומת על ידי תזונאים עם מעל 1.8 מיליון רשומות, ומקנה ערכי קלוריות מדויקים לכל גרם. אך במקום להסתמך רק על AI כדי לנחש את גודל המנה, Nutrola מספקת שכבת תיקון קולי.
לאחר צילום הארוחה שלך, תוכל לומר "בעצם זה היה בערך 200 גרם עוף" או "האורז היה בערך כוס אחת." הרשומה מתעדכנת מיד על סמך נתוני תזונה מאומתים לכל גרם. זה לוקח שניות — מהר יותר מחיפוש ידני — ומספק פתרון למגבלה הבסיסית שאין AI יכול להעריך באופן מדויק את הנפח התלת-ממדי מתמונה דו-ממדית.
המאגר המאומת הוא המבדיל הקריטי. גם כאשר הערכת המנות היא מושלמת, ספירת הקלוריות היא רק באותה מידה אמינה כמו הנתונים התזונתיים שהיא מתייחסת אליהם. מאגר הנתונים של Nutrola מכיל רשומה מאומתת אחת לכל מזון, שנלקחה מנתונים מאומתים על ידי תזונאים, ללא כפילויות שנאספו על ידי הציבור או רשומות סותרות. השילוב של זיהוי צילום, מנות מתוקנות בקול ונתונים מאומתים מייצר יומני קלוריות שמשקפים את מה שאכלת בפועל ולא מה ש-AI ניחש מתמונה.
Nutrola כוללת גם סריקת ברקוד עבור מזונות ארוזים וייבוא מתכונים עבור מנות ביתיות, מה שמבטיח איכות נתונים עקבית בכל שיטת רישום. זמינה ב-iOS וב-Android במחיר של 2.50 אירו לחודש ללא פרסומות בכל תוכנית, Nutrola נועדה סביב העיקרון שמהירות ודיוק אינם סותרים זה את זה.
שאלות נפוצות
עד כמה מדויק Cal AI במעקב קלוריות?
בבדיקות שלנו של 20 מזונות, הערכות המנות של Cal AI סטו ממשקלים מדודים בפועל ב-16.9% בממוצע. זה התרגם לשגיאת קלוריות ממוצעת של 37 קלוריות לכל פריט מזון. רק 25% מהמזונות (5 מתוך 20) הוערכו בטווח דיוק של 10%. האפליקציה הראתה הטיית הערכה נמוכה חזקה, ודיווחה על מנות נמוכות עבור 18 מתוך 20 המזונות שנבדקו. עבור יום מלא של אכילה, השגיאות הפרטניות הללו הצטברו לסטייה של 381 קלוריות בתרחיש הבדיקה שלנו.
מדוע Cal AI נותנת קלוריות שונות עבור אותה מנה?
ההערכות של Cal AI משתנות בהתאם לזווית הצילום, תאורה ומסגור מכיוון שהיא מסיקה את גודל המנה התלת-ממדי מתמונה דו-ממדית. בבדיקת העקביות שלנו, חמישה צילומים של אותה מנה הניבו הערכות קלוריות שנעו בין 435 ל-478 — פער של 43 קלוריות. זווית המצלמה משפיעה ביותר: בדיקת הזווית שלנו הראתה שחזה עוף אחד הוערך ב-110 גרם מזווית צד לעומת 155 גרם ישירות מלמעלה.
האם Cal AI מדויק יותר עבור מזונות מסוימים מאחרים?
כן. Cal AI מדויק ביותר עבור מזונות עם צורות אחידות וצפויות: פרוסות לחם (סטייה של 5.3%), ביצים מבושלות (סטייה של 0%) ופירות שלמים (סטייה של 6.6%). הוא least מדויק עבור בשרים לא אחידים (סטייה של 19-22%), מזונות ערומים כמו אורז ופסטה (סטייה של 14-20%) ונוזלים (סטייה של 20-29%). אם התזונה שלך מורכבת בעיקר ממזונות פשוטים ואחידים, האפליקציה תהיה אמינה יותר מאשר אם אתה אוכל מנות מורכבות עם רכיבים מרובים.
האם גודל הצלחת משפיע על הערכת הקלוריות של Cal AI?
כן. בבדיקת גודל הצלחת שלנו, 200 גרם פסטה הוערכו ב-225 גרם על צלחת קטנה בקוטר 20 ס"מ וב-155 גרם על צלחת גדולה בקוטר 32 ס"מ — הבדל של 70 גרם עבור אותה מנה. זה נגרם על ידי האשליה של דלבורף, שבה ההקשר הסובב משנה את גודל האובייקט הנתפס. משתמשים שאוכלים מצלחות גדולות או מנות במסעדות יראו באופן עקבי מנות מוערכות נמוכות.
האם אני יכול להשתמש ב-Cal AI לירידה במשקל?
Cal AI יכולה לספק מודעות גסה לקלוריות, אך ההטיה השיטתית שלה להערכה נמוכה מקשה על ירידה מדויקת במשקל. בתרחיש היומי שלנו, חוסר קלורי מתוכנן של 500 קלוריות צומצם ל-119 קלוריות לאחר התחשבות בהערכה הנמוכה של Cal AI — הפחתה של 76% בחוסר המתוכנן. עבור תוצאות מהימנות יותר, יש לשלב רישום מבוסס צילום עם שקילה של מזון בפועל או להשתמש באפליקציה כמו Nutrola שמשלבת AI צילום עם מנות מתוקנות בקול ומאגר תזונה מאומת.
מוכנים לשנות את מעקב התזונה שלכם?
הצטרפו לאלפים ששינו את מסע הבריאות שלהם עם Nutrola!
