Чи впорається AI з фотографуванням етнічних та культурних страв? Ми протестували 50 страв
Ми сфотографували 50 страв з 8 кухонь і перевірили їх за допомогою AI для розпізнавання їжі. Італійські та японські страви отримали понад 90 відсотків. Ефіопські та складні індійські страви опустилися нижче 60 відсотків. Ось повні результати.
AI для фотографування їжі правильно ідентифікував 78 відсотків з 50 страв, які ми протестували з 8 світових кухонь, але точність варіювалася: італійські страви досягли 95 відсотків ідентифікації з помилками в калоріях до 8 відсотків, тоді як ефіопські страви впали до 50 відсотків ідентифікації з помилками в калоріях, що перевищують 35 відсотків.
Ця загальна цифра приховує справжню історію. Якщо ви вживаєте переважно їжу західноєвропейської або східноазійської кухні, AI для фотографування їжі працює надзвичайно добре. Якщо ваш раціон включає інджеру, складні бірьяні або страви на основі моле, технологія все ще має серйозні сліпі зони, які можуть спотворити ваш облік на сотні калорій за прийом їжі.
Ми провели цей тест, щоб отримати чіткі цифри, а не розпливчасті твердження. Нижче наведені результати для кожної страви, кожної кухні та кожного типу помилки, які ми задокументували.
Як ми проводили тест
Ми фотографували кожну страву в трьох умовах: при природному світлі на білому тарілці, в ресторані при темному освітленні на темному тарілці та з використанням спалаху смартфона. Кожне фото оброблялося через провідну систему розпізнавання їжі AI. Ми зафіксували три метрики для кожної страви:
- Точність ідентифікації: Чи правильно AI назвав страву або призначив їй відповідний аналог?
- Точність калорій: Наскільки близько була оцінка AI до перевірених даних про харчування з бази даних Nutrola, перевіреної дієтологами?
- Звичайні помилки: Що AI зробив неправильно, і як ця помилка вплинула на підрахунок калорій?
Усі перевірені значення калорій були звірені з базою даних USDA FoodData Central, регіональними посиланнями на харчування та власною перевіреною базою даних Nutrola, яка містить понад 1,2 мільйона записів з регіональними варіантами приготування.
Результати за кухнями
Індійська кухня (тестовано 6 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Дал (тур дал, тадка) | Так | 210 ккал | 245 ккал | -14.3% | Пропущено темперування з гхи, недооцінено жир |
| Курячий бірьяні | Частково — "рис з куркою" | 380 ккал | 490 ккал | -22.4% | Не виявлено шарів гхи та смаженої цибулі |
| Часниковий наан | Так | 260 ккал | 310 ккал | -16.1% | Недооцінено кількість масла на поверхні |
| Курка Тікка Масала | Так | 320 ккал | 365 ккал | -12.3% | Недооцінено вміст вершків |
| Самоса (2 штуки) | Так | 280 ккал | 310 ккал | -9.7% | Легка недооцінка поглинання олії при смаженні |
| Панір Баттер Масала | Частково — "сирний каррі" | 290 ккал | 410 ккал | -29.3% | Щільність паніру та вміст масла обидва пропущені |
Підсумок індійської кухні: 4 з 6 страв правильно ідентифіковано (66.7%). Середня помилка в калоріях: -17.4%. Постійна проблема полягала в недооцінці прихованих жирів — гхи, масла та олії для смаження, які поглинаються в страву і невидимі на фото.
Тайська кухня (тестовано 6 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Пад Тай | Так | 390 ккал | 410 ккал | -4.9% | Легка недооцінка цукру в соусі тамаринд |
| Зелений каррі (з рисом) | Так | 430 ккал | 485 ккал | -11.3% | Недооцінено жир кокосового молока |
| Том Ям | Так | 180 ккал | 200 ккал | -10.0% | Пропущено варіант кокосового молока (том ям кха) |
| Манго з клейким рисом | Так | 350 ккал | 380 ккал | -7.9% | Недооцінено кількість кокосового крему |
| Ларб (свинина) | Частково — "м'ясний салат" | 240 ккал | 270 ккал | -11.1% | Пропущено калорії з підсмаженої рисової муки |
| Сом Там (салат з папайї) | Так | 120 ккал | 150 ккал | -20.0% | Недооцінено вміст пальмового цукру та горіхів |
Підсумок тайської кухні: 5 з 6 страв правильно ідентифіковано (83.3%). Середня помилка в калоріях: -10.9%. Тайська їжа показала кращі результати, ніж індійська, оскільки багато страв мають візуально відмінні презентації, хоча кількість кокосового молока та пальмового цукру залишалася сліпою зоною.
Ефіопська кухня (тестовано 4 страви)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Плато з інджерою (змішане) | Ні — "плоский хліб з рагу" | 340 ккал | 580 ккал | -41.4% | Кілька рагу на плато не розділені; нітір кіббе невидимий |
| Доро Ват | Ні — "куряче рагу" | 280 ккал | 390 ккал | -28.2% | Повністю пропущена основа з масла бербері |
| Широ | Частково — "бобовий дип" | 200 ккал | 290 ккал | -31.0% | Щільність борошна з нуту та вміст олії пропущені |
| Кітфо | Частково — "мелене м'ясо" | 310 ккал | 420 ккал | -26.2% | Спеційне масло мітміта не виявлено |
Підсумок ефіопської кухні: 0 з 4 страв повністю правильно ідентифіковано (0%), 2 часткові збіги (50%). Середня помилка в калоріях: -31.7%. Ефіопська їжа була найскладнішою для AI. Плато на основі інджери представляє унікальний виклик, оскільки кілька страв ділять одну тарілку, а сам ферментований плоский хліб має значну калорійність. Спеційне масло (нітір кіббе) використовується щедро і повністю невидиме на фото.
Мексиканська кухня (тестовано 6 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Такос аль пастор (3) | Так | 420 ккал | 465 ккал | -9.7% | Недооцінено ананас та витоплений свинячий жир |
| Курячі енчилада (2) | Так | 380 ккал | 440 ккал | -13.6% | Пропущено олію в соусі та сир всередині тортили |
| Позоле Рохо | Частково — "суп з свининою" | 310 ккал | 390 ккал | -20.5% | Пропущено вміст гоміні та свинячого жиру |
| Тамалі (2) | Так | 400 ккал | 470 ккал | -14.9% | Недооцінено сало в масі |
| Елоте (вулична кукурудза) | Так | 280 ккал | 320 ккал | -12.5% | Недооцінено майонез та сир на покритті |
| Чуррос (3 штуки) | Так | 300 ккал | 340 ккал | -11.8% | Недооцінено поглинання олії при смаженні |
Підсумок мексиканської кухні: 5 з 6 страв правильно ідентифіковано (83.3%). Середня помилка в калоріях: -13.8%. Мексиканська їжа показала розумні результати для ідентифікації, оскільки такос, енчилада та чуррос мають відмінні форми. Постійна помилка полягала в прихованих жирах від сала, олії для смаження та сирних начинок.
Японська кухня (тестовано 5 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Тонкотсу рамен | Так | 480 ккал | 520 ккал | -7.7% | Жир у бульйоні з свинячих кісток трохи недооцінено |
| Асорті суші (8 штук) | Так | 340 ккал | 360 ккал | -5.6% | Недооцінено цукор та оцет у рисі для суші |
| Креветки темпура (5 штук) | Так | 350 ккал | 380 ккал | -7.9% | Легка недооцінка поглинання олії в клярі |
| Окономіякі | Так | 490 ккал | 530 ккал | -7.5% | Недооцінено калорії майонезу та стружки боніто |
| Гюдон | Так | 560 ккал | 590 ккал | -5.1% | Легка недооцінка соусу на основі мирину |
Підсумок японської кухні: 5 з 5 страв правильно ідентифіковано (100%). Середня помилка в калоріях: -6.8%. Японська кухня отримала найвищий рівень ідентифікації в нашому тесті. Страви, такі як суші, рамен та темпура, широко представлені в навчальних наборах AI, а стиль подачі — часто з чітким розділенням компонентів — робить візуальне розпізнавання простим.
Середземноморська кухня (тестовано 5 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Хумус (з оливковою олією) | Так | 250 ккал | 310 ккал | -19.4% | Недооцінено кількість оливкової олії |
| Фалафель (4 штуки) | Так | 280 ккал | 340 ккал | -17.6% | Пропущено поглинання олії при смаженні |
| Курячий шаурма | Так | 480 ккал | 540 ккал | -11.1% | Недооцінено вміст часникового соусу та жиру |
| Таббуле | Так | 130 ккал | 150 ккал | -13.3% | Недооцінено вміст оливкової олії |
| Мансав | Ні — "рис з м'ясом та соусом" | 420 ккал | 680 ккал | -38.2% | Повністю пропущено йогуртовий соус джамід та рис, просочений гхи |
Підсумок середземноморської кухні: 4 з 5 страв правильно ідентифіковано (80%). Середня помилка в калоріях: -19.9%. Звичайні страви, такі як хумус і фалафель, легко розпізнавалися, але точність калорій страждала через труднощі в оцінці кількості оливкової олії. Мансав був значним провалом — йогуртовий соус (джамід) та кількість розтопленого масла в рисі невидимі на фото.
Китайська кухня (тестовано 5 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Дім Сам (6 змішаних штук) | Частково — "пельмені" | 360 ккал | 410 ккал | -12.2% | Не виявлено відмінності між хар гоу, сіу май та чар сіу бао |
| Ма По Тофу | Так | 280 ккал | 340 ккал | -17.6% | Недооцінено кількість чилі олії та свинячого фаршу в соусі |
| Курка кунг пао | Так | 350 ккал | 380 ккал | -7.9% | Легка недооцінка кількості арахісової олії |
| Хот Пот (індивідуальна порція) | Ні — "суп з овочами" | 290 ккал | 520 ккал | -44.2% | Пропущено жир у бульйоні, соус з кунжуту та різноманітність інгредієнтів |
| Конж (з свининою) | Так | 180 ккал | 210 ккал | -14.3% | Недооцінено калорії свинячого жиру та маринованого яйця |
Підсумок китайської кухні: 3 з 5 страв правильно ідентифіковано (60%). Середня помилка в калоріях: -19.2%. Китайська їжа продемонструвала змішану картину. Відомі страви, такі як курка кунг пао та ма по тофу, були розпізнані, але багатокомпонентні страви, такі як асорті дім сам та хот пот, викликали проблеми. Хот пот, зокрема, став другим найгіршим результатом у нашому тесті.
Італійська кухня (тестовано 5 страв)
| Страва | Ідентифіковано правильно? | Оцінка калорій | Перевірені калорії | Помилка в калоріях | Звичайна помилка |
|---|---|---|---|---|---|
| Спагетті Карбонара | Так | 480 ккал | 510 ккал | -5.9% | Легка недооцінка вмісту яєць та пекоріно |
| Грибний ризотто | Так | 390 ккал | 420 ккал | -7.1% | Недооцінено кількість масла та пармезану |
| Оссо Буко | Так | 440 ккал | 480 ккал | -8.3% | Недооцінено вміст жиру з кісткового мозку |
| Брускета (3 шматочки) | Так | 220 ккал | 240 ккал | -8.3% | Недооцінено оливкову олію на хлібі |
| Піца Маргарита (2 шматочки) | Так | 440 ккал | 460 ккал | -4.3% | Легка недооцінка олії з моцарели |
Підсумок італійської кухні: 5 з 5 страв правильно ідентифіковано (100%). Середня помилка в калоріях: -6.8%. Італійська їжа поділила перше місце з японською за найкращі результати. Ці страви домінують у навчальних наборах AI, а візуальна презентація — чіткі форми пасти, впізнавана піца, чітко подані білки — робить їх ідеальними для розпізнавання за допомогою фотографій.
Загальний підсумок результатів
| Кухня | Тестовані страви | Правильна ідентифікація | Рівень ідентифікації | Середня помилка в калоріях | Найгірша одинична помилка |
|---|---|---|---|---|---|
| Японська | 5 | 5 | 100% | -6.8% | -7.9% (Темпура) |
| Італійська | 5 | 5 | 100% | -6.8% | -8.3% (Оссо Буко) |
| Тайська | 6 | 5 | 83.3% | -10.9% | -20.0% (Сом Там) |
| Мексиканська | 6 | 5 | 83.3% | -13.8% | -20.5% (Позоле) |
| Середземноморська | 5 | 4 | 80.0% | -19.9% | -38.2% (Мансав) |
| Індійська | 6 | 4 | 66.7% | -17.4% | -29.3% (Панір Баттер Масала) |
| Китайська | 5 | 3 | 60.0% | -19.2% | -44.2% (Хот Пот) |
| Ефіопська | 4 | 0 | 0% (50% часткові) | -31.7% | -41.4% (Плато з інджерою) |
| Всього | 42 унікальні + 8 часткових | 31 повна + 6 часткових | 78% | -15.8% | -44.2% (Хот Пот) |
Чому деякі кухні отримують вищі бали, ніж інші
Три фактори пояснюють більшість варіацій у наших результатах.
Представлення навчальних даних
Італійські та японські страви з'являються тисячі разів у публічних наборах зображень їжі, таких як Food-101, UECFOOD-256 та Google Open Images. Ефіопські та складні регіональні індійські страви з'являються рідко або зовсім не з'являються. AI може розпізнати лише те, на чому його навчали.
Візуальна відмінність
Суші виглядають як суші. Піца є безсумнівною. Але плато з інджерою з кількома рагу на одному поверхні представляє єдину коричнево-оранжеву поверхню, яка може бути десятками різних страв. Страви з чіткими формами, яскравими кольорами та розділеними компонентами легше розпізнати комп'ютерному зору.
Приховані жири та змішане приготування
Модель помилки в калоріях по всіх 8 кухнях вказує на одну постійну сліпу зону: невидимі кулінарні жири. Гхи в індійській їжі, нітір кіббе в ефіопській їжі, сало в мексиканській масі, оливкова олія в середземноморській їжі та кокосове молоко в тайських каррі всі додають значні калорії, які жодна камера не може побачити.
Як Nutrola усуває ці прогалини
Модель розпізнавання їжі AI Nutrola навчена на глобально різноманітному наборі зображень, який включає регіональні варіанти, а не лише загальні назви страв. Коли ви фотографуєте курячий бірьяні в Nutrola, модель розрізняє між гідерабадським, лакнауським та калькуттським стилями, кожен з яких має різні профілі калорій.
Але найважливішою функцією для складних страв є мультимодальне ведення обліку. Коли фотографування дає результат з низькою впевненістю, Nutrola пропонує вам підтвердити або уточнити за допомогою голосового ведення. Сказавши "гідерабадський курячий бірьяні з додатковим гхи", ви надаєте AI Diet Assistant достатньо контексту, щоб витягти правильний запис з перевіреної бази даних Nutrola, що містить понад 1,2 мільйона продуктів.
Для упакованих інгредієнтів, що використовуються в домашньому приготуванні, сканер штрих-кодів Nutrola — з точністю розпізнавання понад 95 відсотків — дозволяє вам реєструвати точні продукти. Якщо ви готуєте дал вдома і хочете зафіксувати точну кількість гхи, сканування контейнера з гхи та введення кількості завжди буде точнішим, ніж фото готової страви.
Nutrola починається всього з 2.50 євро на місяць з 3-денним безкоштовним пробним періодом, і кожен план працює абсолютно без реклами, тому немає перерв під час ведення обліку страв протягом дня. Додаток синхронізується з Apple Health та Google Fit, що означає, що ваші дані про харчування безпосередньо пов'язані з вашим трекінгом активності незалежно від того, яку кухню ви вживаєте.
Практичний висновок
Фотографування їжі — потужний інструмент, але він не однаково ефективний для кожної кухні. Якщо ваш раціон включає їжу з кухонь, що показали нижчі результати в нашому тесті, ось практичний підхід:
- Використовуйте фотографування як відправну точку, а не остаточну відповідь. Це допоможе вам орієнтуватися для більшості страв.
- Додавайте голосовий контекст для складних страв. Сказати назву страви, стиль приготування та будь-які помітні джерела жиру займає п’ять секунд і значно покращує точність.
- Вручну коригуйте порції для страв на спільній тарілці. Якщо ви їсте з плато з інджерою або хот поту, оцініть свою індивідуальну порцію, а не фотографуйте загальну страву.
- Використовуйте сканування штрих-кодів для інгредієнтів домашнього приготування. Це повністю усуває проблему прихованих жирів, оскільки ви реєструєте те, що йде в страву, а не те, як виглядає готовий продукт.
Часто задавані питання
Яка кухня найкраще обробляється AI для розпізнавання їжі?
Італійська та японська кухні досягли 100 відсотків ідентифікації та середньої помилки в калоріях лише 6.8 відсотка в нашому тесті на 50 стравах. Обидві кухні виграють від високого представлення в навчальних наборах AI та візуально відмінних стилів подачі.
Чому AI має труднощі з ефіопською їжею?
Ефіопська кухня представляє три одночасні виклики: плато на основі інджери поєднує кілька страв на одній поверхні, страви використовують очищене пряне масло (нітір кіббе), яке невидиме на фото, а ефіопські страви серйозно недопредставлені в публічних наборах даних, які використовуються для навчання більшості моделей AI для їжі. У нашому тесті жодна ефіопська страва не була повністю правильно ідентифікована.
Наскільки далеко помилки в калоріях для індійської їжі при використанні фотографування?
Наш тест показав середню помилку в калоріях -17.4 відсотка для індійських страв, при цьому найгірший випадок — панір баттер масала з помилкою -29.3 відсотка. Постійною проблемою була недооцінка гхи, масла та олії для смаження, які поглинаються в страву під час приготування.
Чи може AI розпізнавати страви з кількох кухонь на одній тарілці?
Багатокомпонентні страви значно складніші для обробки AI. У нашому тесті плато з інджерою (-41.4% помилка в калоріях) та хот пот (-44.2% помилка в калоріях) — обидві багатокомпонентні страви — дали два найгірші результати. Коли кілька страв ділять тарілку, AI часто оцінює один елемент замість повного асортименту.
Чи є голосове ведення більш точним, ніж фотографування для етнічних страв?
Для кухонь, які отримали менше 80 відсотків ідентифікації в нашому тесті — індійської, китайської та ефіопської — голосове ведення в поєднанні з перевіреною базою даних продуктів постійно дає більш точні результати. Сказавши "доро ват з інджерою", ви надаєте AI достатньо інформації, щоб витягти точні дані про харчування, тоді як фото тієї ж страви було неправильно ідентифіковане як "куряче рагу".
Чи працює Nutrola краще, ніж загальні додатки для розпізнавання їжі для міжнародних кухонь?
Модель AI Nutrola навчена на глобально різноманітному наборі даних, який включає регіональні варіанти приготування, а не лише загальні назви страв. Додаток також поєднує фотографування з голосовим веденням та скануванням штрих-кодів, тому, коли один метод не спрацьовує, інший заповнює прогалину. Перевірена база даних Nutrola містить понад 1,2 мільйона продуктів з записами для регіональних варіантів, таких як гідерабадський бірьяні проти лакнауського бірьяні.
Наскільки сильно неточне розпізнавання їжі впливає на тижневий трекінг калорій?
Якщо ви їсте дві страви на день з кухні з 20 відсотковим недообліком калорій — як у наших результатах для індійської або китайської кухні — це складається приблизно в 2,000 до 3,000 пропущених калорій на тиждень. Для когось, хто намагається досягти дефіциту в 500 калорій на день, ця помилка сама по собі може знищити всі зусилля.
Який найкращий спосіб трекінгу калорій для домашньої етнічної їжі?
Найбільш точний метод — реєстрація окремих інгредієнтів за допомогою сканування штрих-кодів, а не фотографування готової страви. Сканер штрих-кодів Nutrola розпізнає понад 95 відсотків упакованих продуктів. Для процесу приготування ви можете використовувати голосове ведення, щоб сказати щось на кшталт "дві столові ложки гхи", і AI Diet Assistant додасть правильний запис до вашого журналу страв.
Готові трансформувати своє відстеження харчування?
Приєднуйтесь до тисяч, які трансформували свою подорож до здоров'я з Nutrola!
