Két hétig teszteltem az AI kalóriaszámlálást éttermekben

Az étkezések során a kalóriaszámlálás gyakran kudarcot vall. Egy 2024-es tanulmány a Journal of the Academy of Nutrition and Dietetics folyóiratban azt találta, hogy az éttermek ételei átlagosan 1,205 kalóriát tartalmaznak — és a vendégek ezt a számot 30-50%-kal alábecsülik, amikor találgatnak. Kíváncsi voltam, hogy az AI-alapú fotós kalóriaszámlálás képes-e csökkenteni ezt a különbséget. Két héten át 28 étterem étkezését teszteltem négy kategóriában, minden tányért lefotóztam, és összehasonlítottam az AI becsléseit a menük és laboratóriumi elemzések tényleges táplálkozási adataival.

Hogyan állítottam be a tesztet?

Minden étterem étkezését 2026. március 24. és április 6. között nyomon követtem. A Nutrola fotós AI funkcióját használtam, hogy lefotózzam minden tányért étkezés előtt. A pontossági referenciaértékekhez három forrásból gyűjtöttem táplálkozási adatokat:

• Közzétett menü táplálkozási adatok (elérhetőek a lánc éttermekben, amelyeket az FDA kalóriajelölési törvényei írnak elő)
• Receptrekonstrukció az éttermek által megadott hozzávalólisták alapján, ahol elérhető
• Regisztrált dietetikus becslései független éttermek esetében, ahol nincsenek közzétett adatok (6 étkezéshez dietetikai tanácsadót fogadtam)

22 különböző étteremben étkeztem négy kategóriában: gyorséttermek (8 étkezés), éttermek/casual dining (8 étkezés), nemzetközi konyhák (7 étkezés) és büfék (5 étkezés). Minden tányért a valós étkezési körülmények között fényképeztem — nem használtam külön világítást, és nem állítottam be a kamerát különböző szögekből. Csak a telefonomat irányítottam az asztalra, ahogy egy átlagos ember tenné.

Mennyire volt pontos az AI kalóriaszámlálás az étterem típusok szerint?

Íme az eredmények, étterem kategóriánként átlagolva.

Étterem Típus	Tesztelt Étel	Átlagos Valós Kalória	Átlagos AI Becslés	Átlagos Eltérés	Eltérés %
Gyorsétterem	8	847 kcal	812 kcal	-35 kcal	-4.1%
Étterem	8	1,143 kcal	1,024 kcal	-119 kcal	-10.4%
Nemzetközi konyha	7	978 kcal	891 kcal	-87 kcal	-8.9%
Büfé	5	1,412 kcal	1,195 kcal	-217 kcal	-15.4%
Összesen	28	1,067 kcal	972 kcal	-95 kcal	-8.9%

A minta világos. Az AI a vizuálisan megkülönböztethető, standardizált ételekkel (gyorséttermek) teljesít a legjobban, míg a vegyes, halmozott vagy rétegezett tányérokkal (büfék) küzd a legjobban.

Miért volt a gyorsétterem a legpontosabb kategória?

A gyorséttermek voltak az AI „otthona”. A hamburgerek, sült krumpli, csirkefalatkák és burritók standardizált formákkal, következetes adagokkal rendelkeznek, és szinte mindig jól láthatóak a tányéron, anélkül, hogy szószok vagy más ételek eltakarják őket.

Gyorsétterem Étel	Valós Kalóriák	AI Becslés	Eltérés
McDonald's Big Mac + közepes sült krumpli	1,080 kcal	1,045 kcal	-3.2%
Chipotle csirke burrito	1,005 kcal	960 kcal	-4.5%
Subway 6 hüvelykes pulyka szendvics	480 kcal	495 kcal	+3.1%
KFC 3 darabos étkezés coleslaw-val	1,120 kcal	1,065 kcal	-4.9%
Chick-fil-A szendvics + waffle fries	920 kcal	885 kcal	-3.8%
Taco Bell 3 ropogós taco + nachos	870 kcal	840 kcal	-3.4%
Five Guys sajtosburger (nincs sült krumpli)	840 kcal	810 kcal	-3.6%
Wendy's Dave's Single combo	1,060 kcal	995 kcal	-6.1%

A gyorséttermek átlagos eltérése mindössze 4.1%. A Nutrola fotós AI a vizuális azonosítást a hitelesített ételek adatbázisával keresztezi, amely tartalmazza a főbb láncok standard menüpontjait. Ez a hibrid megközelítés — vizuális becslés és adatbázis-illesztés — előnyt ad a tisztán képalapú becsléssel szemben.

Mi történik az étterem étkezésekkel?

Az étterem étkezések első komoly kihívásokat hoztak. Az étkezések tálalása rendkívül változatos. Egy grillezett lazacfilé az egyik étteremben lehet 6 uncia; egy másikban 8 uncia. Szószok kerülnek a tányérra, a vaj beleolvad a zöldségekbe, és a kenyérkosarak már az étkezés előtt érkeznek.

Étterem Étel	Valós Kalóriák	AI Becslés	Eltérés	Fő Kihívás
Grillezett lazac + zöldségek	785 kcal	710 kcal	-9.6%	Vaj a zöldségeken
Csirke parmezán + tészta	1,340 kcal	1,180 kcal	-11.9%	Sajtréteg mélysége
Steak (10 uncia ribeye) + sült burgonya	1,290 kcal	1,150 kcal	-10.9%	Márványozás nem látható
Caesar saláta + grillezett csirke	680 kcal	640 kcal	-5.9%	Öntet mennyisége
Fish and chips	1,180 kcal	1,050 kcal	-11.0%	Tészta vastagsága
Hamburger + hagymakarikák	1,420 kcal	1,285 kcal	-9.5%	Karika tészta felszívódás
Carbonara tészta	1,050 kcal	940 kcal	-10.5%	Tejföl/tojás/sajt arány
Grillezett csirke szendvics + saláta	895 kcal	840 kcal	-6.1%	Majonéz/szósz eloszlás

A legnagyobb probléma az alábecsülés mögött a láthatatlan zsír volt. A vaj, ami beleolvadt a párolt brokkoliba, az olaj, ami a tésztába keveredett, és a krémalapú szószok — az AI nem tudta észlelni, ami az ételbe beszívódott. Ez minden vizuális becslési módszer, legyen az AI vagy ember, alapvető korlátja.

Hogyan kezeli az AI a nemzetközi és etnikai konyhákat?

Ez volt az a kategória, ami a legjobban érdekelt. A nemzetközi konyhák egyedi kihívásokat jelentenek: ismeretlen ételösszetételek, összetett fűszer- és olajkeverékek, és az éttermek közötti kevésbé standardizált tálalás.

Etnikai Konyha Étel	Valós Kalóriák	AI Becslés	Eltérés	Fő Kihívás
Csirke tikka masala + naan + rizs	1,180 kcal	1,040 kcal	-11.9%	Tejföl/ghee a szószban
Pad Thai garnélával	920 kcal	855 kcal	-7.1%	Olaj a tésztában
Sushi tál (12 darab + 2 tekercs)	785 kcal	750 kcal	-4.5%	Rizs sűrűsége változó
Csirke shawarma tál	1,050 kcal	935 kcal	-11.0%	Tahini és olaj
Pho marhahússal (nagy)	720 kcal	690 kcal	-4.2%	Leves zsírtartalma
Enchiladas (3) rizzsel és babbal	1,210 kcal	1,095 kcal	-9.5%	Sajt a tortillában
Etióp kombináció (3 étel + injera)	980 kcal	870 kcal	-11.2%	Fűszeres vaj a pörköltekben

A sushi és a pho jól teljesítettek, mert az összetevők vizuálisan megkülönböztethetők — a sushi darabokat meg lehet számolni, és a tésztát egy tiszta levesben lehet látni. A legrosszabbul teljesítettek azok az ételek voltak, amelyek rejtett zsírokat tartalmaztak: indiai curryk, amik tele voltak ghee-vel és tejszínnel, etióp pörköltek, amik niter kibbeh-t (fűszeres vaj) tartalmaztak, és közel-keleti ételek tahinivel. A Nutrola arra ösztönzött, hogy adjak hozzá főzőolajokat az indiai és közel-keleti ételekhez, ami segített csökkenteni a különbséget, amikor elfogadtam ezeket a javaslatokat.

Miért a büfék a legnehezebbek a nyomkövetés szempontjából?

A büfék katasztrofálisak voltak a pontosság szempontjából, és őszintén szólva, erre számítottam. A kihívások egymásra halmozódnak.

Büfé Kihívás	Hatás a Pontosságra
Halmozott/átfedő ételek	Az AI nem látja az alatta lévő elemeket
Több állomásról származó kevert adagok	Nehéz az egyes elemek azonosítása
Szószok és mártások a tányéron	A térfogat becslése megbukik
Több látogatás (2-3 tányér)	Minden tányért külön kell lefotózni
Gyenge világítás sok büfében	Csökkentett képminőség

Büfé Étel	Valós Kalóriák	AI Becslés	Eltérés
Kínai büfé (2 tányér)	1,580 kcal	1,290 kcal	-18.4%
Indián büfé (2 tányér)	1,490 kcal	1,240 kcal	-16.8%
Szállodai reggeli büfé	1,020 kcal	910 kcal	-10.8%
Brazíliai steakhouse	1,650 kcal	1,380 kcal	-16.4%
Pizza büfé (4 szelet + saláta)	1,320 kcal	1,155 kcal	-12.5%

A kínai és indiai büfék a legrosszabb pontossággal rendelkeztek, mert a szószok eltakarják, mi van alatta. A kínai büfénél az édes-savanyú szósz teljesen eltakarja a csirke darabokat, ami szinte lehetetlenné teszi a részarány becslését egy fényképből. A szállodai reggeli büfé teljesített a legjobban, mert az ételek szétszórva voltak a tányéron — tojás, pirítós, bacon, gyümölcs — mindegyik jól látható.

Befolyásolja a gyenge világítás az AI kalóriaszámlálás pontosságát?

Igen, jelentősen. Nyomon követtem a világítási körülményeket az összes 28 étkezésnél, és világos összefüggést találtam.

Világítási Feltétel	Étel	Átlagos Eltérés
Világos/natural light	11	-5.8%
Standard beltéri világítás	12	-9.2%
Gyenge hangulatvilágítás	5	-14.1%

Az öt gyenge világítású étkezés (két fine dining, egy bár, két esti büfé) eltérése majdnem 2,5-szöröse volt a jól megvilágított étkezésekének. A telefon vaku segített néhány esetben, de éles árnyékokat hozott létre, amelyek valójában zavarba ejtették a részarány becslését két esetben. A legjobb megoldás a képernyő fényerejének növelése és annak használata volt lágy fényforrásként a fénykép készítése előtt.

Hogyan befolyásolják a közös tányérok és a családi stílusú étkezések a nyomkövetést?

Három étkezésem családi stílusú volt, ahol az ételeket megosztottuk az asztalon. Ez egyedi problémát jelentett: meg kellett becsülnöm, hogy az egyes ételek hány százalékát ettem meg személyesen.

Egy közös thai étkezés (pad thai, zöld curry, sült rizs, tavaszi tekercsek, amit két ember között osztottunk meg) valójában körülbelül 2,100 kalóriát tartalmazott az asztalon. Én körülbelül 55%-ot becsültem, ami alapján magamnak szedtem. Az AI becslésem a tányéromon 985 kalória volt; a tényleges szám, amit ettem, körülbelül 1,155 kalória — 14.7%-os eltérés.

A megoldás itt egyszerű. Fényképezd le a saját tányérod, miután magadnak szedtél, ne a közös ételeket az asztal közepén. A Nutrola AI a legjobban akkor működik, amikor egy személy adagot elemzi a tányérján.

Mi a legjobb stratégia az étterem étkezések AI nyomkövetésére?

28 étkezés után kidolgoztam egy munkafolyamatot, amely következetesen a legjobb eredményeket hozta.

• Fényképezd 45 fokos szögből. A közvetlen felülnézet laposítja a mélységérzékelést. Egy enyhe szög lehetővé teszi az AI számára, hogy felmérje az étel magasságát és térfogatát.
• Ha lehetséges, különítsd el az ételeket a tányérodon. Húzd el a rizst a curry-től. Húzd el a salátát az egyik oldalra. A megkülönböztetett vizuális határok javítják az azonosítást.
• Mindig fogadd el az olaj/szósz javaslatokat. Amikor a Nutrola megkérdezi, hogy került-e főzőolaj vagy szósz az ételbe, mondj igent az étterem ételeire. Szinte mindig került.
• Külön logold a fűszereket. Ketchup, majonéz, salátaöntet, szójaszósz — fényképezd le azokat külön, vagy add hozzá manuálisan.
• Használj hangalapú nyilvántartást az olyan elemekhez, amelyeket nem tudsz lefotózni. Egy előétel kenyérkosár vajjal, egy italutántöltés, vagy egy falat valaki más desszertjéből. A Nutrola hangalapú nyilvántartási funkcióját használtam, hogy mondjam: „két vacsorakenyér vajjal”, és másodpercek alatt rögzítette.

Hogyan hasonlítható össze az AI fotós nyomkövetés a manuális becsléssel éttermekben?

Egy 2023-as tanulmány szerint az Obesity Reviews folyóiratban az emberek, akik manuálisan becslik az étterem ételeit, 30-50%-kal eltérnek a valós kalóriatartalomtól. Az én AI-alapú nyomkövetésem átlagosan 8.9%-os eltérést mutatott. Még a legrosszabb esetben — büfék gyenge világításban — az AI eltérés körülbelül 18%-ra rúgott, ami még mindig jelentősen jobb, mint a segédes becslés.

Becsülési Módszer	Átlagos Eltérés	Legrosszabb Eset Eltérés
Segédes becslés (kutatási átlag)	30-50%	100%+
Tapasztalt manuális nyomkövető	15-25%	40%
AI fotós becslés (ez a teszt)	8.9%	18.4%

Az adatok világosak: az AI fotós nyomkövetés nem tökéletes, de drámaian felülmúlja az emberi becslést. Valakinek, aki heti 3-5 alkalommal étkezik éttermekben, ez a különbség több száz kalória javított pontosságot jelenthet hetente.

Mik a valódi korlátai az AI kalóriaszámlálásnak az éttermekben?

Két hét után felsorolhatom azokat a konkrét helyzeteket, ahol az AI fotós nyomkövetés következetesen gyengén teljesít.

• Rejtett zsírok és olajok: Az egyetlen legnagyobb hiba forrás. Ha az ételbe beszívódik, azt egy kamera sem látja.
• Rétegezett vagy halmozott ételek: Lasagna, halmozott nachos, töltött hamburgerek — az AI nem tudja pontosan megbecsülni, mi van a rétegek között.
• Sötét színű ételek gyenge világításban: Egy mole szósz sötét csirkén egy gyengén megvilágított étteremben szinte lehetetlen vizuálisan értelmezni.
• Kalóriadús öntetek és szószok: Egy evőkanál ranch öntet 73 kalóriát ad hozzá. Két evőkanál mogyorószósz 190 kalóriát jelent. Ezek a kis mennyiségek aránytalanul nagy kalóriatöbbletet jelentenek.
• Az éttermek közötti eltérő adagok: Egy „oldal sült krumpli” lehet 200 kalória az egyik helyen és 500 a másikon.

Ezek ellenére a kényelem tényező óriási. Öt másodpercet eltölteni egy tányér lefotózásával szemben öt percet keresgélni egy adatbázisban és találgatni az adagokat, jelentős különbség. Két hét alatt körülbelül 45 percet spóroltam meg a manuális nyilvántartás idejéből, miközben lényegesen jobb pontosságot értem el, mint amit egyedül elérhettem volna.

Végső Verdikt: Használj AI fotós nyomkövetést éttermekben?

Bárki számára, aki rendszeresen étkezik éttermekben, az AI fotós kalóriaszámlálás a legpraktikusabb megoldás, ami ma elérhető. Nem fogja elérni a mérlegelés pontosságát otthon, és szisztematikusan alábecsüli a rejtett zsírokkal rendelkező ételeket. De az a 8.9%-os átlagos eltérés, amit mértem, jól elfogadható a legtöbb táplálkozási célhoz.

A Nutrola megközelítése, amely ötvözi a fotós AI-t egy dietetikussal ellenőrzött adatbázissal és okos javaslatokkal az olajok és szószok tekintetében, a legkonzisztensebb eredményeket hozta a tesztelés során. A hangalapú nyilvántartási funkció kitöltötte a hiányosságokat az olyan elemek esetében, amelyeket nem tudtam lefotózni. A kezdő ára mindössze 2.50 euró havonta, a pontosság javulása a manuális találgatásokhoz képest éttermekben önmagában is többszörösen indokolja a költséget.

A lényeg: a tökéletes nyomkövetés éttermekben lehetetlen, függetlenül a módszertől. De az AI fotós nyomkövetés elég közel hoz ahhoz, hogy érdemi előrelépést tegyél a táplálkozási céljaid elérésében, anélkül, hogy a frusztráció megakadályozná a legtöbb embert abban, hogy nyomon kövesse az étkezéseit, amikor étterembe jár.