मैं अपने फोन से खाना कैसे स्कैन करूं? AI फोटो स्कैनिंग ट्यूटोरियल

अपने फोन से खाना स्कैन करना एक भोजन को लॉग करने का सबसे तेज़ तरीका है। डेटाबेस में खोजने, सामग्री को तौलने या विवरण टाइप करने के बजाय, आप अपने कैमरे को अपने प्लेट पर रखते हैं, और आर्टिफिशियल इंटेलिजेंस खाद्य पदार्थों की पहचान करता है, भागों का अनुमान लगाता है, और कैलोरी की गणना करता है। पूरा प्रक्रिया 5-10 सेकंड में पूरी हो जाती है। 2024 में Nutrients में प्रकाशित एक अध्ययन ने पाया कि AI-आधारित फूड रिकग्निशन अब सामान्य खाद्य पदार्थों को 80-90% सटीकता के साथ पहचान सकता है, और फोटो-आधारित फूड लॉगिंग मैनुअल विधियों की तुलना में पालन में काफी सुधार करता है।

यहाँ बताया गया है कि अपने फोन से खाना कैसे स्कैन करें, सर्वोत्तम परिणाम कैसे प्राप्त करें, AI क्या गलत करता है, और कब बारकोड स्कैनिंग का उपयोग करना चाहिए।

मैं अपने फोन से खाना कैसे स्कैन करूं? संक्षिप्त उत्तर

एक कैलोरी ट्रैकिंग ऐप खोलें जिसमें AI फोटो रिकग्निशन हो, अपने कैमरे को अपने प्लेट पर पॉइंट करें, एक फोटो लें, और AI खाद्य पदार्थों की पहचान करता है और उनके पोषण संबंधी सामग्री का अनुमान लगाता है। आप परिणामों की समीक्षा करते हैं, जो कुछ भी गलत दिखता है उसे समायोजित करते हैं, और पुष्टि करते हैं। यह 10 सेकंड से कम समय लेता है। Nutrola iOS और Android दोनों पर AI फोटो स्कैनिंग का समर्थन करता है।

चरण-दर-चरण: Nutrola के साथ खाना स्कैन करना

चरण 1: कैमरा खोलें

Nutrola खोलें और मुख्य लॉगिंग स्क्रीन पर कैमरा आइकन पर टैप करें। इससे AI फूड स्कैनर सक्रिय हो जाता है।

चरण 2: अपने फोन को स्थिति में रखें

अपने फोन को अपने प्लेट के ऊपर लगभग 30-40 सेंटीमीटर (12-16 इंच) की दूरी पर रखें। सीधे नीचे की ओर देखने के लिए एक टॉप-डाउन कोण का लक्ष्य रखें। यह AI को प्रत्येक खाद्य पदार्थ का सबसे अच्छा दृश्य और भाग के आकार का सबसे सटीक अनुमान लगाने के लिए सबसे सटीक दृष्टिकोण देता है।

चरण 3: फोटो लें

कैप्चर बटन पर टैप करें। फोटो Nutrola के AI के लिए विश्लेषण के लिए भेजी जाती है। प्रोसेसिंग आमतौर पर आपके कनेक्शन की गति के आधार पर 1-3 सेकंड लेती है।

चरण 4: AI परिणामों की समीक्षा करें

AI पहचान किए गए खाद्य पदार्थों की एक सूची के साथ अनुमानित भाग लौटाता है। उदाहरण के लिए, यदि आपने एक प्लेट की फोटो ली जिसमें चिकन ब्रेस्ट, चावल, और भाप में पकी ब्रोकोली है, तो आप देख सकते हैं:

• ग्रिल्ड चिकन ब्रेस्ट — 150g (अनुमानित) — 248 कैलोरी
• सफेद चावल, पका हुआ — 200g (अनुमानित) — 260 कैलोरी
• भाप में पकी ब्रोकोली — 100g (अनुमानित) — 35 कैलोरी
• कुल: 543 कैलोरी

चरण 5: समायोजित करें और पुष्टि करें

प्रत्येक आइटम की जांच करें। क्या भाग का अनुमान आपके सामने जो दिखता है उसके साथ मेल खाता है? यदि आपका चिकन ब्रेस्ट 150g से बड़ा दिखता है, तो भाग को ऊपर खिसकाएँ। यदि AI ने जास्मिन चावल को साधारण सफेद चावल के रूप में गलत पहचाना है, तो इसे बदल दें। ये समायोजन सेकंड में होते हैं और सटीकता में काफी सुधार करते हैं।

चरण 6: भोजन लॉग करें

कन्फर्म पर टैप करें। भोजन को आपके दैनिक ट्रैकर में लॉग किया जाता है जिसमें 100+ पोषक तत्वों के पूर्ण मैक्रो और माइक्रोन्यूट्रिएंट ब्रेकडाउन होते हैं।

बेहतर खाद्य स्कैन के लिए टिप्स

आपके स्कैन की गुणवत्ता सीधे सटीकता को प्रभावित करती है। यहाँ वह बातें हैं जो फर्क डालती हैं।

प्रकाश

अच्छा प्रकाश सबसे महत्वपूर्ण कारक है। प्राकृतिक दिन का उजाला सबसे अच्छे परिणाम देता है। उज्ज्वल, समान रसोई की रोशनी भी अच्छी होती है। मंद रोशनी, भारी छायाएँ, और गर्म टोन वाली रेस्तरां की रोशनी सभी AI की खाद्य पहचान करने की क्षमता को कम कर देती हैं।

प्रकाश की स्थिति	स्कैन गुणवत्ता	सिफारिश
प्राकृतिक दिन का उजाला	उत्कृष्ट	सबसे अच्छा विकल्प
उज्ज्वल रसोई की रोशनी	बहुत अच्छा	विश्वसनीय
मानक रेस्तरां	उचित	समायोजन के साथ उपयोगी
मंद/मोमबत्ती की रोशनी	Poor	इसके बजाय वॉयस लॉगिंग का उपयोग करें
बैकलिट (खाद्य के पीछे रोशनी)	Poor	प्लेट या फोन को पुनः स्थिति में रखें

कोण

एक टॉप-डाउन (ओवरहेड) कोण आदर्श है। यह दृष्टिकोण AI को भाग के आकार और खाद्य सीमाओं का सबसे सटीक दृश्य देता है। साइड से कोणीय शॉट्स आकार को विकृत कर सकते हैं और अन्य खाद्य पदार्थों के पीछे छिपे खाद्य पदार्थों को छिपा सकते हैं।

IEEE इंटरनेशनल कॉन्फ्रेंस ऑन कंप्यूटर विज़न से एक अध्ययन ने पाया कि ओवरहेड खाद्य फोटो 45-डिग्री कोणीय शॉट्स की तुलना में 15-20% अधिक सटीक भाग के अनुमान उत्पन्न करते हैं।

खाद्य पृथक्करण

जब खाद्य पदार्थ प्लेट पर स्पष्ट रूप से अलग होते हैं, तो AI प्रत्येक आइटम की पहचान कर सकता है। एक प्लेट जिसमें चिकन, चावल, और सलाद अलग-अलग खंडों में हैं, सब कुछ एक साथ ढेर करने की तुलना में बेहतर स्कैन होती है। यदि आप खुद खाना परोस रहे हैं, तो स्कैन करने से पहले घटकों को अलग करने पर विचार करें।

प्लेट और पृष्ठभूमि

AI भाग के आकार का अनुमान लगाने के लिए प्लेट को आकार संदर्भ के रूप में उपयोग करता है। मानक डिनर प्लेट (25-27 सेमी व्यास) सबसे अच्छा काम करती है। असामान्य प्लेट के आकार, steep sides वाले कटोरे जो सामग्री को छिपाते हैं, या खाद्य पदार्थ सीधे कटिंग बोर्ड या ट्रे पर रखे जाने से कम सटीक आकार के अनुमान उत्पन्न हो सकते हैं।

एक साफ, विपरीत पृष्ठभूमि भी मदद करती है। एक सफेद प्लेट पर अंधेरे सतह के खिलाफ खाद्य पदार्थ AI के लिए विश्लेषण करना आसान होता है, जबकि अंधेरे कटोरे में पैटर्न वाले टेबलक्लॉथ पर खाद्य पदार्थ होना अधिक कठिन होता है।

कई आइटम

यदि आपके पास कई व्यंजन हैं (एक मुख्य प्लेट, एक साइड सलाद, और एक पेय), तो आप या तो:

1. प्रत्येक आइटम को अलग-अलग स्कैन करें बेहतर व्यक्तिगत सटीकता के लिए
2. सभी चीजों को करीब से व्यवस्थित करें और तेजी से एक बार स्कैन करें

सर्वश्रेष्ठ परिणामों के लिए, जब आइटम अलग-अलग कटोरे या प्लेटों में हों, तो अलग-अलग स्कैन करें।

AI फूड स्कैनिंग में क्या सही है?

AI खाद्य पहचान सबसे अच्छा काम करती है:

• स्पष्ट रूप से पहचानने योग्य एकल खाद्य पदार्थ: एक केला, एक सेब, एक चिकन ब्रेस्ट, एक पिज्जा का टुकड़ा
• मानक प्लेटेड भोजन: प्लेट पर प्रोटीन + स्टार्च + सब्जी
• सामान्य खाद्य पदार्थ: जितना सामान्य खाद्य पदार्थ होगा, मॉडल उसे पहचानने के लिए उतना ही बेहतर प्रशिक्षित होगा
• विशिष्ट दृश्य विशेषताओं वाले खाद्य पदार्थ: विभिन्न रंग, आकार, और बनावट जो आइटम को दृश्य रूप से अलग करते हैं

इन परिदृश्यों के लिए, खाद्य पहचान में 85-95% सटीकता और भाग के अनुमान में 75-90% सटीकता की अपेक्षा करें।

AI को किन चीजों में कठिनाई होती है?

सीमाओं को समझना आपको यह जानने में मदद करता है कि कब परिणामों को समायोजित करना है या अलग विधि का उपयोग करना है।

मिश्रित व्यंजन

कैसरोल, स्ट्यू, करी, स्मूथी बाउल, और कोई भी व्यंजन जिसमें कई सामग्री एक साथ मिलाई जाती हैं, AI के लिए सटीकता से स्कैन करना कठिन होता है। कैमरा एक समान सतह देखता है और इसके नीचे व्यक्तिगत सामग्री के अनुपात का निर्धारण नहीं कर सकता। एक चिकन करी में चिकन, नारियल का दूध, तेल, प्याज, टमाटर, और मसाले हो सकते हैं, लेकिन AI इसे "करी" के रूप में देखता है और औसत नुस्खे के आधार पर अनुमान लगाता है।

क्या करें: मिश्रित व्यंजनों के लिए जो आप अक्सर बनाते हैं, इसके बजाय एक रेसिपी बिल्डर का उपयोग करें। एक बार के मिश्रित व्यंजनों के लिए, वॉयस लॉगिंग का उपयोग करें और विस्तृत विवरण दें।

छिपी हुई कैलोरी

AI उस चीज़ को नहीं देख सकता जो उसे दिखाई नहीं देती। चावल में पिघला हुआ मक्खन, तले हुए खाद्य पदार्थों में अवशोषित तेल, बुरिटो के अंदर पनीर, पास्ता में भिगोई गई सॉस — इनमें से सभी कैमरे के लिए अदृश्य हैं लेकिन इनमें महत्वपूर्ण कैलोरी होती हैं।

छिपा हुआ सामग्री	सामान्य मात्रा	कैलोरी जोड़ी गई
तले हुए खाद्य पदार्थों में अवशोषित जैतून का तेल	1-2 चम्मच	119-238
चावल या सब्जियों में पिघला हुआ मक्खन	1 चम्मच	102
एक रैप या सैंडविच के अंदर पनीर	30g	110-120
पास्ता में भिगोई गई सॉस	3-4 चम्मच	60-200
सलाद ड्रेसिंग जो हरी सब्जियों में मिलाई गई	2 चम्मच	100-160

क्या करें: स्कैन करने के बाद, आप जिन छिपी हुई सामग्रियों के बारे में जानते हैं उन्हें मैन्युअल रूप से जोड़ें। Nutrola में, आप पुष्टि करने से पहले स्कैन किए गए भोजन में अतिरिक्त आइटम जोड़ सकते हैं।

समान दिखने वाले खाद्य पदार्थ

कुछ खाद्य पदार्थ लगभग समान दिखते हैं लेकिन उनकी कैलोरी प्रोफाइल बहुत भिन्न होती है:

• सफेद चावल (130 कैलोरी/100g) बनाम फूलगोभी का चावल (25 कैलोरी/100g)
• सामान्य पास्ता (160 कैलोरी/100g) बनाम प्रोटीन पास्ता (130 कैलोरी/100g) बनाम कोनजैक नूडल्स (10 कैलोरी/100g)
• सामान्य दही (100 कैलोरी/150g) बनाम ग्रीक योगर्ट (150 कैलोरी/150g) बनाम स्कायर (100 कैलोरी/150g)
• पूरे दूध (150 कैलोरी/250ml) बनाम स्किम दूध (83 कैलोरी/250ml)

क्या करें: जब AI किसी खाद्य पदार्थ की पहचान करता है जो समान दिखने वाले विकल्पों के साथ है, तो विशिष्ट संस्करण की जांच करें और यदि आवश्यक हो तो स्वैप करें।

छोटे, कैलोरी-घने आइटम

नट्स, बीज, सूखे मेवे, चॉकलेट चिप्स, और समान छोटे आइटम एक छोटे दृश्य क्षेत्र में कई कैलोरी पैक करते हैं। AI "बादाम का एक मुट्ठी" देख सकता है लेकिन यह अनुमान लगाने में कठिनाई हो सकती है कि यह 15 बादाम (105 कैलोरी) हैं या 30 बादाम (210 कैलोरी) हैं।

क्या करें: कैलोरी-घने छोटे आइटम के लिए, उन्हें मैन्युअल रूप से गिनें या यदि वे किसी पैकेज से आए हैं तो बारकोड स्कैन का उपयोग करें।

कब बारकोड स्कैनिंग का उपयोग करें

AI फोटो स्कैनिंग खाद्य पदार्थों की दृश्य पहचान करती है। बारकोड स्कैनिंग पैकेज्ड खाद्य पदार्थों पर उत्पाद कोड को पढ़ती है और निर्माता के सटीक पोषण डेटा को खींचती है। प्रत्येक विधि का अपना आदर्श उपयोग मामला है।

बारकोड स्कैनिंग का उपयोग करें जब:

• खाद्य पदार्थ पैकेज्ड हो और एक दृश्य बारकोड हो
• आप निर्माता से सटीक पोषण डेटा चाहते हैं
• खाद्य पदार्थ एक विशेष ब्रांड हो (प्रोटीन बार, स्नैक पैक्स, पेय)
• आप एक पैकेज्ड सामग्री को स्कैन कर रहे हैं इससे पहले कि आप इसे किसी रेसिपी में जोड़ें

AI फोटो स्कैनिंग का उपयोग करें जब:

• खाद्य पदार्थ एक प्लेट पर तैयार भोजन हो (कोई बारकोड नहीं है)
• आप किसी रेस्तरां में बाहर खा रहे हैं
• कोई और भोजन तैयार किया है
• आप बिना खोजे एक त्वरित अनुमान चाहते हैं

Nutrola में बारकोड स्कैनिंग कैसे काम करती है

1. Nutrola में बारकोड आइकन पर टैप करें
2. अपने कैमरे को खाद्य पैकेज पर बारकोड की ओर पॉइंट करें
3. Nutrola अपने 1.8 मिलियन+ सत्यापित प्रविष्टियों के डेटाबेस से उत्पाद का मिलान करती है
4. सेवाओं की संख्या सेट करें (या सटीक वजन दर्ज करें)
5. कन्फर्म करें — निर्माता द्वारा सत्यापित पोषण डेटा के साथ लॉग किया गया

बारकोड स्कैनिंग पैकेज्ड खाद्य पदार्थों के लिए सबसे सटीक विधि है, आमतौर पर 98-100% सटीकता के साथ क्योंकि डेटा सीधे उत्पाद लेबल से आता है।

गति की तुलना: स्कैनिंग बनाम अन्य विधियाँ

लॉगिंग विधि	औसत समय	सटीकता
AI फोटो स्कैन	5-10 सेकंड	75-85%
बारकोड स्कैन	3-5 सेकंड	98-100% (पैकेज्ड खाद्य)
वॉयस लॉगिंग	3-5 सेकंड	70-80%
डेटाबेस खोज (मैनुअल)	30-60 सेकंड	85-95% (यदि सही प्रविष्टि मिल जाए)
रेसिपी बिल्डर	3-8 मिनट (पहली बार)	95-98%

AI फोटो स्कैनिंग अधिकांश दैनिक भोजन के लिए गति और सटीकता के बीच संतुलन बनाती है।

समय के साथ AI की सटीकता में सुधार

जितना अधिक आप फोटो स्कैनिंग का उपयोग करते हैं और AI के अनुमानों को सही करते हैं, उतना ही बेहतर आपके परिणाम व्यवहार में बनते हैं। न कि इसलिए कि AI आपके सुधारों से सीखता है (यह प्रत्येक फोटो को स्वतंत्र रूप से प्रोसेस करता है), बल्कि इसलिए कि आप यह जानने में बेहतर हो जाते हैं कि AI क्या सही और गलत करता है।

कुछ हफ्तों के स्कैनिंग के बाद, अधिकांश उपयोगकर्ता:

• जानते हैं कि AI हर बार कौन से खाद्य पदार्थ सही पहचानता है (और उन परिणामों पर तुरंत भरोसा करते हैं)
• जानते हैं कि कौन से खाद्य पदार्थ समायोजन की आवश्यकता होती है (और स्वाभाविक रूप से भागों को सही करते हैं)
• जानते हैं कि कौन से भोजन बेहतर वॉयस या रेसिपी बिल्डर द्वारा लॉग किए जाते हैं (और तदनुसार विधियाँ बदलते हैं)

यह हाइब्रिड दृष्टिकोण, प्रत्येक स्थिति के लिए उपयुक्त सबसे तेज़ विधि का उपयोग करना, अनुभवी ट्रैकर को प्रति दिन कुल दो मिनट से कम समय में भोजन लॉग करने में मदद करता है।

खाद्य स्कैनिंग में सामान्य गलतियाँ

1. खराब रोशनी में स्कैन करना और परिणाम स्वीकार करना

यदि रोशनी खराब है और AI के परिणाम गलत दिखते हैं, तो उन्हें स्वीकार न करें। या तो बेहतर रोशनी में फोटो फिर से लें या वॉयस लॉगिंग पर स्विच करें।

2. भाग के आकार को समायोजित न करना

AI का भाग अनुमान इसका सबसे अच्छा अनुमान है। यदि आपका चिकन ब्रेस्ट स्पष्ट रूप से 120g से बड़ा है, तो इसे समायोजित करें। पहचान आमतौर पर सही होती है, लेकिन भाग अक्सर एक छोटे से बदलाव की आवश्यकता होती है।

3. पेय जोड़ना न भूलना

एक खाद्य फोटो आपके प्लेट के बगल में कॉफी, जूस, या वाइन के गिलास को कैप्चर नहीं करती है जब तक कि वे फ्रेम में न हों। पेय को अलग से लॉग करें।

4. मिश्रित व्यंजनों से पूर्णता की अपेक्षा करना

यदि आप चिली का एक कटोरा स्कैन करते हैं और AI 150 कैलोरी कम आंकता है क्योंकि यह मिश्रित तेल और पनीर का पता नहीं लगा सका, तो यह सामान्य और अपेक्षित है। उन सामग्रियों को मैन्युअल रूप से जोड़ें।

अक्सर पूछे जाने वाले प्रश्न

क्या AI फूड स्कैनिंग ऑफलाइन काम करती है?

अधिकांश AI फूड स्कैनिंग के लिए इंटरनेट कनेक्शन की आवश्यकता होती है क्योंकि छवि को दूरस्थ सर्वरों पर प्रोसेस किया जाता है। Nutrola फोटो स्कैनिंग के लिए कनेक्शन की आवश्यकता होती है। यदि आप ऑफलाइन हैं, तो बारकोड स्कैनिंग का उपयोग करें (जो कैश किए गए डेटा के साथ काम कर सकता है) या वॉयस लॉगिंग का उपयोग करें ताकि आप जो खा चुके हैं उसे नोट करें और जब आप फिर से ऑनलाइन हों तो विवरण की पुष्टि करें।

क्या मैं ऐसे खाद्य पदार्थों को स्कैन कर सकता हूँ जो अभी भी कंटेनर या टेकआउट बॉक्स में हैं?

हाँ, लेकिन जब खाद्य पदार्थ आंशिक रूप से छिपे होते हैं तो सटीकता कम होती है। यदि संभव हो, तो खाद्य पदार्थ को एक प्लेट पर स्थानांतरित करें या कंटेनर को पूरी तरह से खोलें ताकि AI सभी आइटम देख सके। टेकआउट कंटेनर में आधा-visible भोजन का अनुमान सबसे अच्छा होगा।

AI फोटो से कैसे जानता है कि फोटो से भाग का आकार क्या है?

AI फ्रेम में संदर्भ वस्तुओं का उपयोग करता है, मुख्य रूप से प्लेट या कटोरा, साथ ही सामान्य खाद्य पदार्थों के लिए सीखे गए आकार के पूर्वानुमान। इसे ज्ञात भागों के साथ लाखों खाद्य छवियों पर प्रशिक्षित किया गया है। प्लेट का व्यास एक स्केलिंग संदर्भ के रूप में कार्य करता है। यही कारण है कि मानक आकार की प्लेटें अधिक सटीक परिणाम उत्पन्न करती हैं।

क्या AI फूड स्कैनिंग एलर्जी वाले लोगों के लिए सुरक्षित है?

AI फूड स्कैनिंग दृश्य खाद्य पदार्थों की पहचान करती है लेकिन इसे कभी भी एलर्जी सुरक्षा के लिए भरोसा नहीं किया जाना चाहिए। यह ट्रेस सामग्री, क्रॉस-कंटैमिनेशन, या किसी व्यंजन में छिपे हुए सामग्री का पता नहीं लगा सकता। एलर्जी प्रबंधन के लिए, हमेशा सीधे उस व्यक्ति से सामग्री की पुष्टि करें जिसने भोजन तैयार किया है।

क्या मैं बेहतर अनुमान प्राप्त करने के लिए एक ही खाद्य पदार्थ को दो बार स्कैन कर सकता हूँ?

आप कर सकते हैं, लेकिन आपको समान परिणाम मिलेंगे क्योंकि एक ही फोटो को उसी तरह प्रोसेस किया जाएगा। यदि आप बेहतर अनुमान चाहते हैं, तो स्थिति में सुधार करने का प्रयास करें: बेहतर रोशनी, खाद्य पदार्थों का स्पष्ट पृथक्करण, या करीब ओवरहेड कोण। वैकल्पिक रूप से, वॉयस लॉगिंग पर स्विच करें और भोजन का वर्णन करें जिसमें विशेष भाग हों।

यदि AI किसी खाद्य पदार्थ को पहचान नहीं पाता है तो क्या होगा?

कभी-कभी AI किसी खाद्य पदार्थ का सामना करता है जिसे वह पहचान नहीं पाता, विशेष रूप से क्षेत्रीय व्यंजनों, असामान्य तैयारियों, या भारी सजाए गए प्लेटों के साथ। इन मामलों में, Nutrola आपको डेटाबेस में मैन्युअल रूप से खोजने या खाद्य पदार्थ का वर्णन करने की अनुमति देती है। आप अनुमानित पोषण मानों के साथ एक कस्टम खाद्य प्रविष्टि भी बना सकते हैं।