Наскільки точний Nutrola? Тест на 20 продуктів у порівнянні з референтними значеннями USDA

Nutrola — це додаток для відстеження калорій та харчування на базі штучного інтелекту з базою даних продуктів, перевіреною на 100% дієтологами. Це лише заява. Але заяви легко робити. Важливо, чи відповідають цифри на вашому екрані фактичному вмісту їжі, що перед вами.

Ми вирішили протестувати Nutrola так само, як і всі інші додатки для відстеження калорій: 20 звичних продуктів, точно зважених, зафіксованих у додатку та порівняних з референтними значеннями USDA FoodData Central. Ніякого вибору. Ніяких сприятливих умов. Лише дані.

Ось що ми виявили, де Nutrola досягає успіху і де ще є можливості для вдосконалення.

Що робить базу даних Nutrola унікальною

Більшість додатків для відстеження калорій покладаються на бази даних, створені користувачами, де будь-хто може додавати записи про продукти. Це створює серйозну проблему з точністю: дублікати записів, застаріла інформація та калорійність, що варіюється на 20-30% для одного й того ж продукту.

Nutrola використовує зовсім інший підхід. Кожен запис у базі даних з понад 1.8 мільйона продуктів перевіряється дієтологами на основі даних USDA та лабораторних досліджень. У базі даних немає записів, надісланих користувачами, без перевірки. Коли продукт додається до Nutrola, він перехресно перевіряється з офіційними джерелами, перевіряється на точність розміру порції та узгодженість макронутрієнтів.

Саме тому результати тесту нижче виглядають інакше, ніж у наших перевірках точності інших додатків.

Тест на точність 20 продуктів: Nutrola vs референтні значення USDA

Кожен продукт зважувався на каліброваних кухонних вагах до найближчого грама. Референтне значення USDA представляє калорійність для цієї точної ваги з FoodData Central. Значення, яке повідомляє Nutrola, — це те, що додаток повертає, коли продукт реєструється за вагою.

#	Продукт	Вага (г)	Референтне значення USDA (ккал)	Повідомлене Nutrola (ккал)	Відхилення (ккал)	Відхилення (%)
1	Грудка курки, гриль	150	248	247	-1	-0.4%
2	Коричневий рис, варений	200	248	246	-2	-0.8%
3	Банан, середній	118	105	105	0	0.0%
4	Цільне молоко	244	149	149	0	0.0%
5	Філе лосося, запечене	170	354	350	-4	-1.1%
6	Авокадо, ціле	150	240	242	+2	+0.8%
7	Грецький йогурт, натуральний	200	146	146	0	0.0%
8	Солодка картопля, запечена	180	162	160	-2	-1.2%
9	Мигдаль, сирий	30	174	173	-1	-0.6%
10	Хліб з цільнозернового борошна	50	130	131	+1	+0.8%
11	Яйце, велике, смажене	61	91	91	0	0.0%
12	Броколі, на пару	150	52	53	+1	+1.9%
13	Оливкова олія	14	119	119	0	0.0%
14	Арахісове масло	32	190	188	-2	-1.1%
15	Сир чеддер	40	161	162	+1	+0.6%
16	Макарони, варені	200	262	260	-2	-0.8%
17	Яблуко, середнє	182	95	94	-1	-1.1%
18	Фарш яловичий, 85% нежирний	120	272	270	-2	-0.7%
19	Вівсянка, суха	40	152	151	-1	-0.7%
20	Чечевиця, варена	180	207	205	-2	-1.0%

Статистика підсумків

• Середнє абсолютне відхилення: 1.25 ккал на продукт
• Максимальне відхилення: 4 ккал (філе лосося)
• Середнє відсоткове відхилення: 0.68%
• Продукти в межах 1% від значень USDA: 17 з 20 (85%)
• Продукти з нульовим відхиленням: 6 з 20 (30%)

Ці результати відображають те, для чого призначена перевірена база даних. Коли кожен запис перевіряється на основі тих самих даних USDA, відхилення є різницею округлення, а не помилками в даних.

Щоденне накопичення помилок: Що означає ±78 калорій

У реальному житті, під час відстеження протягом повних днів харчування (сніданок, обід, вечеря та перекуси), Nutrola показує середнє щоденне відхилення приблизно ±78 калорій від загальних значень USDA. Це найнижче значення серед усіх протестованих додатків для відстеження калорій.

Щоб зрозуміти це в контексті:

• ±78 ккал/день за 7 днів = ±546 ккал/тиждень
• Дефіцит 500 ккал/день для схуднення залишається функціональним діапазоном дефіциту 422-578 ккал
• За 30 днів максимальна кумулятивна помилка становить приблизно 2,340 ккал — близько двох третин добового споживання

Порівняйте це з додатками, які мають відхилення ±150-200 ккал/день, де дефіцит у 500 ккал може перетворитися на дефіцит від 300 до 700 ккал, що робить прогрес непередбачуваним, а результати — непостійними.

Відхилення ±78 ккал не є нулем, і ніколи не буде. Природні коливання в їжі (трохи більша грудка курки, трохи більш стиглий банан) означають, що навіть ідеальні значення бази даних призведуть до невеликих відхилень при застосуванні до фактичної їжі. Але ±78 ккал настільки мале, що не заважає жодній харчовій меті.

Точність фото AI: Що камера визначає правильно, а що — ні

Фото AI Nutrola використовує комп'ютерне зору для ідентифікації продуктів з одного фото та оцінки розміру порцій. Ось як він працює для різних типів страв.

Тип страви	Точність ідентифікації	Точність оцінки порцій
Одиничний цілий продукт (яблуко, банан)	95%	±10%
Проста тарілка (білок + гарнір)	91%	±13%
Страви в мисках (салати, зернові страви)	88%	±16%
Складні багатокомпонентні страви	84%	±20%
Страви з ресторанів	82%	±22%

Загальна точність ідентифікації: 88-92%, залежно від складності страви.

Де фото AI працює добре: Система найкраще справляється з чіткими, видимими продуктами. Грудка курки поруч з брокколі та рисом буде визначена правильно майже завжди. Одиничні продукти, такі як фрукти, сендвічі та прості тарілки, демонструють найвищу точність.

Де фото AI має труднощі — і ми чесно про це говоримо:

• Погане освітлення знижує точність ідентифікації приблизно на 10-15%. Освітлення в ресторанах — поширена проблема.
• Сильно змішані страви, такі як запіканки, рагу та густі каррі, ускладнюють AI розрізнення окремих інгредієнтів. Точність для цих страв падає до 75-80%.
• Сховані калорії від олій, масла, заправок і соусів, які знаходяться під або змішані в їжі, частково оцінюються, але не можуть бути повністю захоплені лише з фото.
• Глибина порції залишається основним обмеженням 2D фотографії. Висока миска та плоска тарілка з однаковим об'ємом виглядають дуже по-різному зверху.

Фото AI призначено як зручний інструмент, а не заміну ручному логуванню, коли важлива точність. Для неформального відстеження це економить значний час. Для строгих дієтичних протоколів ми рекомендуємо підтверджувати оцінки AI та коригувати розміри порцій вручну, коли це необхідно.

Точність голосового логування: обробка природної мови

Голосове логування Nutrola дозволяє вам природно описувати свої страви. Скажіть: "Я з'їв два смажених яйця з скибкою цільнозернового хліба та столовою ложкою масла", і додаток обробить кількості, способи приготування та окремі продукти.

Загальна точність обробки голосу: приблизно 90%.

Тип голосового вводу	Точність обробки
Простi продукти з кількостями ("200 г грудки курки")	96%
Природні описи ("середній банан")	93%
Багатокомпонентні страви ("яйця, тост і кава з молоком")	89%
Посилання на методи приготування ("смажений лосось")	87%
Неясні описи ("велика тарілка пасти")	78%

Двигун NLP обробляє кількості, одиниці, методи приготування (гриль, смаження, запікання) та стандартні розміри (малий, середній, великий) з високою точністю. Він правильно розрізняє "чашка рису" і "чашка вареного рису" — різниця приблизно 300 калорій, яку багато трекерів обробляють неправильно.

Де голосове логування має обмеження:

• Неясні кількості, такі як "трохи" або "трохи", зазвичай замінюються стандартними розмірами порцій, які можуть не відповідати тому, що ви насправді з'їли.
• Регіональні назви продуктів або сленгові терміни можуть не бути розпізнані без стандартної назви.
• Швидка мова з кількома продуктами може іноді призвести до пропуску продуктів або об'єднання записів.

Точність сканування штрих-кодів

Сканер штрих-кодів Nutrola охоплює понад 3 мільйони продуктів у 47 країнах. Кожен відсканований продукт відповідає перевіреному запису в базі даних, а не запису, надісланому користувачем.

Показник	Результат
Швидкість розпізнавання штрих-коду	97.2%
Швидкість правильного співпадіння продукту	99.1% (з розпізнаних штрих-кодів)
Точність харчових даних порівняно з етикеткою	99.5%
Міжнародне покриття продуктів	47 країн
Середній час сканування	0.8 секунди

Сканер штрих-кодів є найбільш точною методикою введення Nutrola, оскільки він повністю усуває оцінки. Штрих-код безпосередньо відповідає конкретному продукту з перевіреними даними про харчування, які додатково перевірені процесом огляду дієтологів Nutrola.

Де сканування штрих-кодів має недоліки:

• Продукти від менших регіональних брендів поза зоною покриття 47 країн можуть повернути "не знайдено".
• Нещодавно запущені продукти можуть ще не бути в базі даних (нові продукти зазвичай додаються протягом 2-4 тижнів після виходу на ринок).
• Продукти, які були реформульовані, можуть тимчасово показувати застарілі дані про харчування, поки запис не буде оновлено.

Де Nutrola має справжні обмеження

Жоден додаток для відстеження калорій не є ідеальним, і важливо бути прозорим щодо обмежень.

Дуже рідкісні місцеві та регіональні продукти. База даних з понад 1.8 мільйона продуктів є обширною, але не може охопити всі регіональні страви з усіх кухонь світу. Якщо ви регулярно споживаєте спеціалізовані місцеві продукти, які не є поширеними на жодному з великих ринків, вам, можливо, доведеться створити власні записи або використовувати імпорт рецептів для створення точних записів з окремих інгредієнтів.

Фото AI в поганих умовах. Як зазначалося вище, погане освітлення, запотілі лінзи та сильно змішані страви знижують точність фото AI. Додаток все ще поверне оцінку, але рівень впевненості знижується, і вам слід перевірити вручну.

Оцінка олії та соусів. Це проблема, що існує в усій галузі, а не лише у Nutrola. Коли їжа готується в олії або поливається соусами, ані фото AI, ані пошук у базі даних не можуть ідеально захопити точну кількість, що використовується. Nutrola пропонує користувачам додавати олії та приправи окремо, що допомагає, але залежить від того, чи пам'ятає користувач про це.

Природні коливання в їжі. Дві грудки курки, позначені "150 г", можуть мати трохи різний вміст жиру в залежності від частини, тварини та способу приготування. База даних Nutrola використовує середні значення USDA, які є дуже репрезентативними, але не ідентичними кожному окремому шматку їжі.

Як Nutrola порівнюється з іншими трекерами калорій

Додаток	Середнє щоденне відхилення	Тип бази даних	Фото AI	Голосове логування	Сканер штрих-кодів
Nutrola	±78 ккал	Перевірена дієтологами (1.8M+)	Так (88-92%)	Так (~90%)	Так (3M+ продуктів, 47 країн)
MacroFactor	±110 ккал	Кураторська	Ні	Ні	Так
Cal AI	±160 ккал	Оцінка AI	Так (тільки фото)	Ні	Ні
FatSecret	±175 ккал	Зібрана користувачами	Ні	Ні	Так

Перевірена база даних є найбільшим фактором, що забезпечує перевагу Nutrola в точності. Фото AI та голосове логування додають зручності, але основою є наявність правильних даних за кожним записом.

Хто найбільше виграє від такого рівня точності

Спортсмени та бодібілдери, які готуються до змагань, де 100-200 калорій можуть вплинути на тижневий прогрес. Відхилення ±78 ккал дозволяє трекінгу залишатися в функціональному діапазоні для точних протоколів.

Люди з медичними дієтичними вимогами, які потребують точного відстеження макро- та мікронутрієнтів для таких станів, як діабет, захворювання нирок або метаболічні розлади.

Кожен, хто зупинився у використанні іншого трекера калорій і підозрює, що проблема може бути в даних. Перехід на перевірену базу даних часто виявляє, що попереднє відстеження було неточним на 15-25%.

Неформальні трекери, які хочуть швидко реєструвати страви за допомогою фото AI або голосу, не жертвуючи при цьому значною точністю.

Nutrola доступна на iOS та Android за €2.50/місяць без реклами в будь-якому плані.

Часто задавані питання

Як Nutrola перевіряє кожен запис у своїй базі даних?

Кожен запис у базі даних Nutrola з понад 1.8 мільйона продуктів перевіряється дієтологами на основі референтних значень USDA FoodData Central та, де це можливо, даних лабораторного аналізу. Записи перевіряються на точність калорій, узгодженість макронутрієнтів (калорії з білків + вуглеводів + жирів повинні приблизно дорівнювати загальним калоріям) та правильність розміру порції. Цей процес триває — існуючі записи повторно перевіряються, коли USDA оновлює свої референтні дані або коли виробники реформулюють продукти.

Чи достатньо точний фото AI Nutrola, щоб замінити ручне логування?

Для неформального відстеження та загальної обізнаності про здоров'я фото AI (88-92% точність ідентифікації з ±15% оцінкою порцій) забезпечує практичний баланс швидкості та точності. Для строгих протоколів, таких як підготовка до змагань або медичне управління дієтою, ми рекомендуємо використовувати фото AI як початкову точку, а потім вручну коригувати порції та підтверджувати ідентифікацію їжі. Фото AI економить час на етапі ідентифікації, навіть коли ви коригуєте деталі.

Чому Nutrola все ще показує відхилення ±78 калорій, якщо база даних перевірена?

Відхилення в основному виникає через природні коливання в їжі, а не через помилки в базі даних. "Середній банан" може варіюватися від 100 до 115 калорій залежно від фактичного розміру та зрілості. Грудка курки має різний вміст жиру в залежності від частини. Фігура ±78 ккал відображає розрив між стандартизованими референтними значеннями USDA та вродженими варіаціями реальної їжі — а не неточності в даних Nutrola.

Чи працює Nutrola з міжнародними продуктами та кухнями?

База даних охоплює продукти з 47 країн, а сканер штрих-кодів підтримує продукти з усіх цих регіонів. Для традиційних страв з конкретних кухонь функція імпорту рецептів дозволяє створювати записи з окремих інгредієнтів, кожен з яких перевірений. Покриття загальних міжнародних продуктів (японських, індійських, мексиканських, середземноморських тощо) є сильним. Дуже рідкісні регіональні спеціалітети можуть вимагати створення власних записів.

Як Nutrola обробляє страви з ресторанів, де точні інгредієнти невідомі?

Nutrola пропонує три підходи для страв з ресторанів: оцінка фото AI (яка надає розумну приблизну оцінку), пошук ресторану за назвою (багато мережевих ресторанів мають перевірені записи меню) або окреме логування інгредієнтів страви. Для мережевих ресторанів у базі даних записи відображають опубліковану інформацію про харчування, яка була перевірена. Для незалежних ресторанів комбінація фото AI та ручних коригувань забезпечує найбільш практичний підхід, хоча точність зазвичай нижча, ніж для домашніх страв, де ви контролюєте інгредієнти.