छिपे हुए तेल की समस्या: मल्टीमॉडल एआई कैसे देखता है जो आप नहीं देख सकते

एक सब्जी के स्टर-फ्राई की फोटो लें। यह एक साफ, स्वस्थ भोजन की तरह दिखता है: ब्रोकोली, बेल पेपर, स्नैप मटर, चावल पर कुछ चिकन के टुकड़े। एक फोटो-आधारित कैलोरी ट्रैकर इसे 400 से 500 कैलोरी का अनुमान लगा सकता है।

अब सोचें कि फोटो में क्या नहीं दिखता: कड़ाही में सब्जियों के डालने से पहले तीन बड़े चम्मच वनस्पति तेल गरम किया गया। यह अतिरिक्त 360 कैलोरी और 42 ग्राम वसा है जो डिश में मौजूद है लेकिन तस्वीर में पूरी तरह से अदृश्य है।

यह छिपे हुए तेल की समस्या है, और यह फोटो-आधारित कैलोरी ट्रैकिंग में सबसे बड़ी त्रुटि का स्रोत है।

अदृश्य कैलोरी का पैमाना

पकाने के वसा रसोई में सबसे अधिक कैलोरी घनत्व वाले तत्व होते हैं, जो प्रति ग्राम 9 कैलोरी प्रदान करते हैं, जो प्रोटीन या कार्बोहाइड्रेट की कैलोरी घनत्व से दोगुना है। यहां तक कि मध्यम उपयोग भी एक डिश में महत्वपूर्ण कैलोरी जोड़ता है जो पकाने के बाद दृश्य रूप से पहचानना असंभव होता है।

यहां आमतौर पर उपयोग की जाने वाली मात्रा के अनुसार पकाने के वसा का योगदान है:

पकाने का वसा	मात्रा	जोड़ी गई कैलोरी
जैतून का तेल	2 बड़े चम्मच	239
मक्खन	2 बड़े चम्मच	204
नारियल का तेल	2 बड़े चम्मच	234
वनस्पति तेल	3 बड़े चम्मच	360
घी	2 बड़े चम्मच	270
तिल का तेल	1 बड़ा चम्मच	120

एक घर का बना डिनर जो 500 कैलोरी का दिखता है, पकाने के वसा को ध्यान में रखते हुए आसानी से 800 से 900 कैलोरी का हो सकता है। एक दिन में, ये अदृश्य कैलोरी 500 से 700 कैलोरी तक जोड़ सकती हैं, जो एक नियोजित कैलोरी घाटे को पूरी तरह से नकारने के लिए पर्याप्त हैं।

यह सिर्फ तेल नहीं है

छिपी हुई कैलोरी की समस्या केवल पकाने के तेल तक सीमित नहीं है, बल्कि ऐसे कई कैलोरी-घने तत्वों तक फैली हुई है जो अंतिम डिश में अदृश्य हो जाते हैं:

• चावल या पास्ता में पिघला हुआ मक्खन: 1 बड़ा चम्मच 102 कैलोरी जोड़ता है, और जब यह पिघलता है तो आप इसे नहीं देख सकते
• सूप में मिलाई गई क्रीम: एक चौथाई कप भारी क्रीम एक टमाटर सूप के कटोरे में 205 कैलोरी जोड़ता है जो बिना क्रीम के संस्करण के समान दिखता है
• सलाद में ड्रेसिंग का अवशोषण: दो बड़े चम्मच रैंच 145 कैलोरी जोड़ते हैं, और इसका अधिकांश भाग कटोरे के नीचे इकट्ठा होता है या सलाद में अवशोषित हो जाता है
• ग्रिल्ड मांस पर मरीनैड: एक टेरियाकी मरीनैड प्रति सर्विंग 50 से 100 कैलोरी जोड़ सकता है, जो चीनी और तेल के माध्यम से होता है
• सॉस में चीनी: एक बड़े चम्मच शहद एक स्टर-फ्राई सॉस में 64 कैलोरी जोड़ता है जो पूरी तरह से दृश्य रूप से पहचानने योग्य नहीं है

क्यों फोटो-केवल ट्रैकिंग यहां विफल होती है

कंप्यूटर दृष्टि ने खाद्य पहचान मेंRemarkable प्रगति की है। आधुनिक मॉडल एक प्लेट पर व्यक्तिगत खाद्य वस्तुओं की पहचान कर सकते हैं, गहराई विश्लेषण का उपयोग करके भाग के आकार का अनुमान लगा सकते हैं, और यहां तक कि दृश्य रूप से समान व्यंजनों के बीच भेद कर सकते हैं। लेकिन इनमें एक मौलिक सीमा है: वे केवल वही विश्लेषण कर सकते हैं जो दृश्य में है।

सतही समस्या

एक फोटो एक डिश की सतह को कैद करती है। यह चावल के दानों में अवशोषित तेल, सॉस में पिघला हुआ मक्खन, या करी में मिलाई गई क्रीम को नहीं देख सकती। एक बड़े चम्मच तेल में पकाए गए स्टर-फ्राई की दृश्य उपस्थिति चार बड़े चम्मच में पकाए गए स्टर-फ्राई के समान होती है। फिर भी कैलोरी का अंतर 360 कैलोरी है।

छवि के रिज़ॉल्यूशन, मॉडल आर्किटेक्चर, या प्रशिक्षण डेटा में सुधार करने से इस समस्या का समाधान नहीं हो सकता, क्योंकि जानकारी फोटो में मौजूद नहीं होती।

सांख्यिकीय औसत कमज़ोर साबित होता है

कुछ फोटो-आधारित सिस्टम छिपे हुए वसा को सांख्यिकीय औसत के माध्यम से ध्यान में रखने का प्रयास करते हैं: डिश प्रकार के आधार पर "सामान्य" मात्रा का अनुमान लगाना। यह पकाने के वसा को पूरी तरह से नजरअंदाज करने से बेहतर है, लेकिन यह अपनी त्रुटियों को भी लाता है।

घर का खाना बहुत भिन्न होता है। एक व्यक्ति का "स्टर-फ्राई" हलके से पकाने के तेल का छिड़काव करता है। दूसरा उदार मात्रा में डालता है। रेस्टोरेंट की तैयारी अक्सर घर के खाने की तुलना में दो से तीन गुना अधिक वसा का उपयोग करती है। सांख्यिकीय औसत लगभग सभी के लिए गलत होगा, बस अलग-अलग दिशाओं में।

मल्टीमॉडल एआई छिपी हुई कैलोरी की समस्या को कैसे हल करता है

मल्टीमॉडल एआई उन सिस्टमों को संदर्भित करता है जो कई प्रकार के इनपुट, जैसे छवियां, टेक्स्ट, और वॉयस को मिलाकर एक अधिक संपूर्ण चित्र बनाते हैं जो किसी एकल इनपुट से प्राप्त नहीं किया जा सकता। पोषण ट्रैकिंग के संदर्भ में, इसका अर्थ है कि कैमरा जो देखता है, उसके साथ उपयोगकर्ता द्वारा प्रदान की गई जानकारी को जोड़ना।

फोटो प्लस वॉयस: एक संपूर्ण चित्र

कार्यप्रवाह सीधा है। एक उपयोगकर्ता अपने स्टर-फ्राई की फोटो लेता है, और एआई दृश्य घटकों की पहचान करता है: ब्रोकोली, चिकन, बेल पेपर, चावल। फिर उपयोगकर्ता एक वॉयस नोट जोड़ता है: "मैंने लगभग दो बड़े चम्मच तिल का तेल और एक बड़ा चम्मच सोया सॉस का उपयोग किया।"

अब सिस्टम के पास दो डेटा धाराएं हैं: खाद्य वस्तुओं की दृश्य पहचान और उपयोगकर्ता द्वारा रिपोर्ट की गई तैयारी के विवरण। इन्हें मिलाकर एक कैलोरी अनुमान तैयार होता है जो भोजन के दृश्य और अदृश्य दोनों घटकों को ध्यान में रखता है।

Nutrola का मल्टीमॉडल दृष्टिकोण उपयोगकर्ताओं को वॉयस या टेक्स्ट के माध्यम से लॉग करते समय इस संदर्भ को जोड़ने की अनुमति देता है। सिस्टम दोनों इनपुट को एक साथ प्रोसेस करता है, रिपोर्ट की गई तैयारी के तरीके, तेल के प्रकार और मात्रा के आधार पर पोषण अनुमान को समायोजित करता है।

सामान्य अंधे स्थानों के लिए स्मार्ट प्रॉम्प्टिंग

एक बुद्धिमान प्रणाली केवल उपयोगकर्ता से जानकारी स्वेच्छा से प्रदान करने पर निर्भर नहीं करती। जब एआई एक डिश प्रकार की पहचान करता है जिसमें सामान्यतः छिपे हुए वसा होते हैं, तो यह उपयोगकर्ता को लक्षित प्रश्न पूछने के लिए प्रेरित कर सकता है।

पास्ता की एक प्लेट की फोटो लें, और सिस्टम पूछ सकता है: "क्या इसे तेल या मक्खन आधारित सॉस से बनाया गया था?" एक करी लॉग करते समय, यह पूछता है: "क्या इसे नारियल के दूध, क्रीम, या तेल से बनाया गया था?"

ये संदर्भात्मक प्रॉम्प्ट लॉगिंग प्रक्रिया में 5 से 10 सेकंड जोड़ते हैं लेकिन महत्वपूर्ण छिपे हुए वसा सामग्री वाले व्यंजनों के लिए सटीकता में 20 से 35 प्रतिशत सुधार कर सकते हैं।

उपयोगकर्ता पैटर्न सीखना

समय के साथ, एक मल्टीमॉडल सिस्टम व्यक्तिगत पकाने के पैटर्न को सीखता है। यदि एक उपयोगकर्ता लगातार सब्जियों को पकाते समय दो बड़े चम्मच जैतून के तेल का उपयोग करने की रिपोर्ट करता है, तो सिस्टम भविष्य के सब्जी व्यंजनों के लिए स्वचालित रूप से उस आधार रेखा को लागू कर सकता है, हर बार शून्य से शुरू करने के बजाय पुष्टि के लिए प्रेरित कर सकता है।

यह तैयारी के विवरण प्रदान करने में बाधा को कम करता है जबकि सटीकता के लाभ को बनाए रखता है।

रेस्टोरेंट की समस्या

छिपी हुई कैलोरी रेस्टोरेंट सेटिंग में बढ़ जाती हैं, जहां उपयोगकर्ता को तैयारी के तरीकों की कोई जानकारी नहीं होती। रेस्टोरेंट की रसोई आमतौर पर घर के रसोइयों की अपेक्षा अधिक वसा का उपयोग करती है।

2016 में अमेरिकन एकेडमी ऑफ न्यूट्रिशन एंड डाइटेटिक्स के जर्नल में प्रकाशित एक अध्ययन में पाया गया कि रेस्टोरेंट के भोजन में औसतन 1,205 कैलोरी होती हैं, जिसमें पकाने के वसा कुल कैलोरी का लगभग 30 प्रतिशत योगदान करते हैं, जो कि अध्ययन के प्रतिभागियों द्वारा लगातार कम आंका गया था।

मल्टीमॉडल एआई रेस्टोरेंट के भोजन को कैसे संभालता है

रेस्टोरेंट के भोजन के लिए, मल्टीमॉडल दृष्टिकोण फोटो पहचान को संदर्भ ज्ञान के साथ जोड़ता है। जब सिस्टम एक रेस्टोरेंट डिश की पहचान करता है, तो यह कर सकता है:

1. रेस्टोरेंट-विशिष्ट भाग और तैयारी के अनुमानों को लागू करें बजाय घर के खाना पकाने के डिफ़ॉल्ट के
2. उपयोगकर्ता से देखी जाने वाली जानकारी के लिए प्रेरित करें: "क्या डिश में तेल था?" या "क्या कोई दृश्य सॉस था?"
3. प्रकाशित पोषण जानकारी वाले चेन रेस्टोरेंट के लिए ज्ञात रेस्टोरेंट डेटा का संदर्भ लें
4. पकवान के प्रकार के आधार पर मानकों को ध्यान में रखें: इटालियन रेस्टोरेंट आमतौर पर अधिक जैतून का तेल उपयोग करते हैं; भारतीय रेस्टोरेंट अधिक घी और क्रीम का उपयोग करते हैं; चीनी रेस्टोरेंट उच्च ताप पर अधिक वनस्पति तेल का उपयोग करते हैं

यह परतदार दृष्टिकोण प्रयोगशाला की सटीकता प्राप्त नहीं करता, लेकिन यह अनुमानित और वास्तविक कैलोरी सामग्री के बीच के अंतर को काफी कम करता है।

छिपे हुए वसा को ट्रैक करने के लिए व्यावहारिक रणनीतियाँ

यहां तक कि मल्टीमॉडल एआई के साथ, छिपी हुई कैलोरी के प्रति जागरूकता ट्रैकिंग सटीकता में सुधार करती है। यहां कुछ प्रमाण-आधारित रणनीतियाँ हैं।

पकाने से पहले मापें

सबसे प्रभावी रणनीति यह है कि पकाने के वसा को पैन में डालने से पहले मापा जाए। एक रसोई का तराजू या मापने का चम्मच 10 सेकंड लेता है और पूरी तरह से अनुमान लगाने की समस्या को समाप्त करता है। आप फिर अपने ट्रैकिंग ऐप को सटीक मात्रा रिपोर्ट कर सकते हैं।

अपने उच्च-जोखिम वाले व्यंजनों को जानें

कुछ व्यंजन प्रकार लगातार दूसरों की तुलना में अधिक छिपी हुई कैलोरी रखते हैं:

• स्टर-फ्राई और भुने हुए व्यंजन: तेल प्राथमिक पकाने का माध्यम है
• करी और स्ट्यू: अक्सर नारियल का दूध, क्रीम, या घी होता है
• भुनी हुई सब्जियाँ: आमतौर पर भूनने से पहले 2 से 4 बड़े चम्मच तेल में मिलाई जाती हैं
• पास्ता व्यंजन: मक्खन या जैतून के तेल के साथ समाप्त होते हैं
• सलाद में ड्रेसिंग: ड्रेसिंग अक्सर सब्जियों से अधिक कैलोरी जोड़ती है

वॉयस लॉगिंग की आदत डालें

हर फोटो लॉग के बाद 3 सेकंड का वॉयस नोट जोड़ने की आदत डालें: "जैतून के तेल में पकाया" या "कोई अतिरिक्त तेल नहीं, एयर फ्राइड।" यह छोटी सी अतिरिक्त जानकारी आपके लॉग की सटीकता को काफी बढ़ा देती है।

अनिश्चित होने पर उच्च मान लें

यदि आपने भोजन तैयार नहीं किया है और वसा की मात्रा का अनुमान नहीं लगा सकते, तो यह अधिक उपयोगी है कि आप उच्च अनुमान पर जाएं बजाय निम्न पर। पकाने के वसा को कम आंका जाना अधिक सामान्य है, विशेष रूप से रेस्टोरेंट के भोजन के लिए।

अक्सर पूछे जाने वाले प्रश्न

पकाने के तेल से भोजन में कितनी छिपी कैलोरी जुड़ती है?

किसी भी पकाने के तेल का एक बड़ा चम्मच लगभग 120 कैलोरी और 14 ग्राम वसा प्रदान करता है। अधिकांश घर के बने भोजन में दो से तीन बड़े चम्मच का उपयोग होता है, जिससे 240 से 360 अदृश्य कैलोरी जुड़ती हैं। रेस्टोरेंट के व्यंजन अक्सर इससे भी अधिक का उपयोग करते हैं। चूंकि खाना पकाने के दौरान तेल खाद्य पदार्थों में अवशोषित हो जाता है, ये कैलोरी दृश्य निरीक्षण या केवल फोटो-आधारित ट्रैकिंग के माध्यम से पहचानने योग्य नहीं होती हैं। घर के बने भोजन के पूरे दिन में, छिपे हुए पकाने के वसा 400 से 700 कैलोरी जोड़ सकते हैं जो मानक फोटो लॉगिंग से चूक जाते हैं।

फोटो-आधारित कैलोरी ट्रैकिंग गलत क्यों है?

फोटो-आधारित कैलोरी ट्रैकिंग दृश्य खाद्य वस्तुओं की पहचान करने और भाग के आकार का अनुमान लगाने के लिए सटीक है, लेकिन यह पकाने के दौरान खाद्य पदार्थों में अवशोषित सामग्री का पता नहीं लगा सकती। पकाने के तेल, पिघला हुआ मक्खन, क्रीम-आधारित सॉस, मरीनैड में चीनी, और सलाद में अवशोषित ड्रेसिंग सभी फोटो में अदृश्य होते हैं। यह छवि-आधारित विश्लेषण की एक मौलिक सीमा है, किसी विशेष ऐप की तकनीक में कोई दोष नहीं। मल्टीमॉडल एआई, जो फोटो पहचान को तैयारी के तरीकों के बारे में उपयोगकर्ता द्वारा प्रदान की गई संदर्भ जानकारी के साथ जोड़ता है, इस सीमा को संबोधित करता है।

खाद्य ट्रैकिंग में मल्टीमॉडल एआई क्या है?

मल्टीमॉडल एआई उन कृत्रिम बुद्धिमत्ता प्रणालियों को संदर्भित करता है जो एक साथ कई प्रकार के इनपुट को प्रोसेस करती हैं। खाद्य ट्रैकिंग में, इसका अर्थ है फोटो पहचान (दृश्य इनपुट) को वॉयस नोट्स या टेक्स्ट विवरण (भाषा इनपुट) के साथ मिलाना ताकि एक अधिक संपूर्ण पोषण अनुमान बनाया जा सके। उदाहरण के लिए, एक फोटो आपके प्लेट पर खाद्य वस्तुओं की पहचान करती है जबकि एक वॉयस नोट जोड़ता है कि आपने पकाने के लिए नारियल का तेल का उपयोग किया। सिस्टम दोनों डेटा धाराओं को एकीकृत करता है ताकि एक ऐसा अनुमान तैयार किया जा सके जो दृश्य और अदृश्य कैलोरी स्रोतों को ध्यान में रखता हो।

घर पर खाना बनाते समय कैलोरी को अधिक सटीकता से कैसे ट्रैक करें?

सबसे प्रभावी दृष्टिकोण तीन प्रथाओं को मिलाकर होता है। पहले, पकाने के वसा को पैन में डालने से पहले एक बड़े चम्मच या रसोई के तराजू से मापें। दूसरे, एक मल्टीमॉडल ट्रैकिंग ऐप का उपयोग करें जो आपको अपने खाद्य फोटो के साथ वॉयस या टेक्स्ट के माध्यम से तैयारी के विवरण जोड़ने की अनुमति देता है। तीसरे, छिपी हुई कैलोरी के उच्च-जोखिम स्रोतों के प्रति जागरूकता विकसित करें: पकाने के तेल, मक्खन, क्रीम, ड्रेसिंग, और चीनी-आधारित सॉस। इन जोड़तोड़ को लॉग करना सेकंड लेता है लेकिन आपकी दैनिक कैलोरी सटीकता को 20 से 35 प्रतिशत तक बढ़ा सकता है।

क्या रेस्टोरेंट घर के खाना पकाने की तुलना में अधिक तेल का उपयोग करते हैं?

हाँ, काफी अधिक। अनुसंधान से पता चलता है कि रेस्टोरेंट के भोजन में लगभग 30 प्रतिशत कैलोरी अतिरिक्त पकाने के वसा से होती हैं, और शेफ आमतौर पर स्वाद और बनावट के लिए घर के रसोइयों की अपेक्षा अधिक तेल, मक्खन, और क्रीम का उपयोग करते हैं। एक रेस्टोरेंट का स्टर-फ्राई एक ही व्यंजन के घर के संस्करण की तुलना में तीन से चार गुना अधिक तेल का उपयोग कर सकता है। यही एक कारण है कि रेस्टोरेंट के भोजन लगातार कैलोरी की अपेक्षाओं को पार कर जाते हैं, भले ही भाग का आकार उचित दिखता हो।