Я тестував AI-трекінг калорій у ресторанах протягом 2 тижнів

Їжа в ресторані — це місце, де підрахунок калорій часто йде на дно. У дослідженні 2024 року, опублікованому в Journal of the Academy of Nutrition and Dietetics, виявлено, що страви в ресторанах містять в середньому 1,205 калорій — і відвідувачі недооцінюють цю цифру на 30-50%. Я вирішив перевірити, чи може AI-трекінг калорій на основі фотографій допомогти закрити цю прогалину. Протягом двох тижнів я спожив 28 страв у ресторанах чотирьох категорій, фотографуючи кожну порцію та порівнюючи оцінки AI з фактичними даними про харчування з меню та лабораторних аналізів.

Як я організував цей тест?

Я відстежував кожну страву в ресторані з 24 березня по 6 квітня 2026 року. Я використовував функцію фото AI від Nutrola, щоб зробити знімок кожної порції перед їдою. Для точності я зібрав дані про харчування з трьох джерел:

• Опубліковані дані про харчування з меню (доступні в мережевих ресторанах відповідно до законодавства FDA про маркування калорій)
• Відтворення рецептів за списками інгредієнтів, наданими ресторанами, де це можливо
• Оцінки зареєстрованих дієтологів для незалежних ресторанів без опублікованих даних (я найняв консультанта-дієтолога для 6 страв)

Я відвідав 22 різних ресторани в чотирьох категоріях: фастфуд (8 страв), ресторани з обслуговуванням (8 страв), етнічна кухня (7 страв) та буфети (5 страв). Я фотографував кожну порцію в реальних умовах — без спеціального освітлення, без постановочних зйомок. Просто мій телефон, спрямований на стіл, як це робить звичайна людина.

Наскільки точним був AI-трекінг калорій у різних типах ресторанів?

Ось результати, середні за категоріями ресторанів.

Тип ресторану	Кількість страв	Середня фактична калорійність	Середня оцінка AI	Середнє відхилення	Відхилення %
Фастфуд	8	847 ккал	812 ккал	-35 ккал	-4.1%
Ресторани з обслуговуванням	8	1,143 ккал	1,024 ккал	-119 ккал	-10.4%
Етнічна кухня	7	978 ккал	891 ккал	-87 ккал	-8.9%
Буфет	5	1,412 ккал	1,195 ккал	-217 ккал	-15.4%
Всього	28	1,067 ккал	972 ккал	-95 ккал	-8.9%

Модель чітка. AI найкраще працює з візуально відмінними, стандартизованими стравами (фастфуд) і має найбільші труднощі з мішаними, накладеними або багатошаровими стравами (буфети).

Чому фастфуд був найточнішою категорією?

Фастфуд — це територія AI. Бургери, картопля фрі, курячі нагетси та буріто мають стандартизовані форми, постійні порції і майже завжди видимі на тарілці, не приховані під соусами чи іншими інгредієнтами.

Страва фастфуду	Фактична калорійність	Оцінка AI	Відхилення
McDonald's Big Mac + середня картопля фрі	1,080 ккал	1,045 ккал	-3.2%
Чіпотле куряче буріто	1,005 ккал	960 ккал	-4.5%
Subway 6-дюймовий індичий сендвіч	480 ккал	495 ккал	+3.1%
KFC 3-частинний набір з капустою	1,120 ккал	1,065 ккал	-4.9%
Chick-fil-A сендвіч + вафельна картопля фрі	920 ккал	885 ккал	-3.8%
Taco Bell 3 хрусткі такос + начос	870 ккал	840 ккал	-3.4%
Five Guys чизбургер (без картоплі фрі)	840 ккал	810 ккал	-3.6%
Wendy's Dave's Single комбо	1,060 ккал	995 ккал	-6.1%

Середнє відхилення для фастфуду становило лише 4.1%. Фото AI від Nutrola також перехресно перевіряє своє візуальне розпізнавання з перевіреною базою даних продуктів, яка включає стандартні меню від великих мереж. Цей гібридний підхід — візуальна оцінка плюс узгодження з базою даних — дає йому перевагу над чисто зображеними оцінками.

Що відбувається зі стравами в ресторанах з обслуговуванням?

Ресторани з обслуговуванням представили перші серйозні виклики. Подача страв варіюється вкрай. Філе грильованого лосося в одному ресторані може важити 6 унцій; в іншому — 8 унцій. Соуси поливаються, масло розтоплюється в овочах, а кошики з хлібом приносять ще до початку основної страви.

Страва в ресторані з обслуговуванням	Фактична калорійність	Оцінка AI	Відхилення	Основна проблема
Грильований лосось + овочі	785 ккал	710 ккал	-9.6%	Масло на овочах
Курка пармезан + паста	1,340 ккал	1,180 ккал	-11.9%	Глибина шару сиру
Стейк (10 унцій рібай) + запечена картопля	1,290 ккал	1,150 ккал	-10.9%	Мраморність не видима
Цезар-салат + грильована курка	680 ккал	640 ккал	-5.9%	Кількість соусу
Риба з картоплею	1,180 ккал	1,050 ккал	-11.0%	Товщина кляру
Бургер + цибулеві кільця	1,420 ккал	1,285 ккал	-9.5%	Вбирання кляру в кільцях
Паста карбонара	1,050 ккал	940 ккал	-10.5%	Співвідношення крему/яйця/сиру
Сендвіч з грильованою куркою + салат	895 ккал	840 ккал	-6.1%	Розподіл майонезу/соусу

Найбільшим винуватцем недооцінки була невидима жирність. Масло, розтоплене в броколі, олія, змішана з пастою, соуси на основі крему — AI не міг бачити те, що було поглинуто в їжу. Це основне обмеження будь-якого методу візуальної оцінки, будь то AI чи людина.

Як AI справляється з етнічною та міжнародною кухнею?

Ця категорія мене найбільше цікавила. Етнічні кухні представляють унікальні виклики: незнайомі склади страв, складні суміші спецій і олій, а також менша стандартизація між ресторанами.

Страва етнічної кухні	Фактична калорійність	Оцінка AI	Відхилення	Основна проблема
Курка тіка масала + наан + рис	1,180 ккал	1,040 ккал	-11.9%	Крем/гхі в соусі
Пад Тай з креветками	920 ккал	855 ккал	-7.1%	Олія в локшині
Суші-плато (12 шматочків + 2 роли)	785 ккал	750 ккал	-4.5%	Щільність рису варіюється
Тарілка з куркою шаурмою	1,050 ккал	935 ккал	-11.0%	Тахіні та олія
Фо з яловичиною (велика порція)	720 ккал	690 ккал	-4.2%	Жирність бульйону
Енчілада (3) з рисом і бобами	1,210 ккал	1,095 ккал	-9.5%	Сир всередині тортильї
Ефіопська комбінація (3 страви + інджера)	980 ккал	870 ккал	-11.2%	Олія гхі в рагу

Суші та фо показали хороші результати, оскільки компоненти візуально відрізняються — можна порахувати шматочки суші та побачити локшину в прозорому бульйоні. Найгірші результати показали страви з прихованими жирами: індійські каррі, насичені гхі та кремом, ефіопські рагу з нітера кіббе (приправлене масло) та середземноморські страви з тахіні. Nutrola запропонувала мені додати олії для індійських та середземноморських страв, що допомогло зменшити відхилення, коли я прийняв ці пропозиції.

Чому буфети найважче відстежувати?

Буфети виявилися катастрофою для точності, і, чесно кажучи, я цього й очікував. Виклики накладаються один на одного.

Виклик буфету	Вплив на точність
Накладені/перекриті страви	AI не може бачити предмети під ними
Змішані порції з кількох станцій	Важко ідентифікувати окремі елементи
Соуси та підливи, що скупчуються на тарілці	Оцінка обсягу зазнає невдачі
Кілька поїздок (2-3 тарілки)	Потрібно фотографувати кожну тарілку окремо
Тьмяне освітлення в багатьох буфетах	Знижена якість зображення

Страва з буфету	Фактична калорійність	Оцінка AI	Відхилення
Китайський буфет (2 тарілки)	1,580 ккал	1,290 ккал	-18.4%
Індійський буфет (2 тарілки)	1,490 ккал	1,240 ккал	-16.8%
Сніданок у готелі (буфет)	1,020 ккал	910 ккал	-10.8%
Бразильська стейк-хаус	1,650 ккал	1,380 ккал	-16.4%
Піца-буфет (4 шматки + салат)	1,320 ккал	1,155 ккал	-12.5%

Китайські та індійські буфети мали найгіршу точність, оскільки соуси закривали те, що було під ними. На китайському буфеті солодко-кислий соус повністю закривав шматочки курки, що робило оцінку порцій практично неможливою з фотографії. Найкраще показав себе буфет сніданків у готелі, оскільки предмети були розкладені по тарілці — яйця, тости, бекон, фрукти — кожен чітко видимий.

Чи впливає тьмяне освітлення на точність AI-трекінгу калорій?

Так, суттєво. Я відстежував умови освітлення для всіх 28 страв і виявив чітку кореляцію.

Умова освітлення	Кількість страв	Середнє відхилення
Яскраве/природне світло	11	-5.8%
Стандартне приміщення	12	-9.2%
Тьмяне/атмосферне освітлення	5	-14.1%

П'ять страв при тьмяному освітленні (два ресторани вищого класу, один бар, два вечірні буфети) мали майже в 2.5 рази більше відхилення, ніж добре освітлені страви. Спалах телефону допоміг у деяких випадках, але створив різкі тіні, які фактично ускладнили оцінку порцій у двох випадках. Найкращий підхід полягав у збільшенні яскравості екрану та використанні його як м'якого джерела світла перед фотографуванням.

Як спільні тарілки та сімейний стиль їжі впливають на трекінг?

Три з моїх страв були в сімейному стилі, де страви ділилися між усіма. Це створило унікальну проблему: мені потрібно було оцінити, яку частину кожної страви я особисто з'їв.

Для спільної тайської страви (пад тай, зелений каррі, смажений рис, весняні рулети, розділені між двома людьми) фактична загальна калорійність становила близько 2,100 калорій на стіл. Я оцінив, що з'їв приблизно 55% з того, що сам собі наложив. Моя оцінка AI для того, що було на моїй тарілці, склала 985 калорій; фактична цифра на основі моєї частки становила приблизно 1,155 калорій — відхилення 14.7%.

Вирішення цієї проблеми просте. Фотографуйте свою тарілку після того, як наклали собі їжу, а не спільні страви в центрі столу. AI від Nutrola працює найкраще, коли аналізує порцію однієї людини на її тарілці.

Яка найкраща стратегія для трекінгу страв у ресторанах за допомогою AI?

Після 28 страв я розробив робочий процес, який постійно давав найкращі результати.

• Фотографуйте зверху під кутом 45 градусів. Прямий знімок зверху сплющує сприйняття глибини. Невеликий кут дозволяє AI оцінити висоту та об'єм їжі.
• Розділяйте елементи на тарілці, коли це можливо. Відсуньте рис від каррі. Відтягніть салат вбік. Чіткі візуальні межі покращують розпізнавання.
• Завжди приймайте пропозиції щодо олії/соусів. Коли Nutrola запитує, чи була додана олія або соус, відповідайте ствердно для ресторанної їжі. Вона майже завжди була.
• Логуйте приправи окремо. Кетчуп, майонез, соус для салату, соєвий соус — фотографуйте їх окремо або додавайте вручну.
• Використовуйте голосовий лог для елементів, які не можна сфотографувати. Хлібна кошик з маслом, поповнення напою або шматочок десерту когось іншого. Я використовував функцію голосового логування Nutrola, щоб сказати "два булочки з маслом", і це було зафіксовано за секунди.

Як AI-фото трекінг порівнюється з ручною оцінкою в ресторанах?

Згідно з дослідженням 2023 року в Obesity Reviews, люди, які самостійно оцінюють страви в ресторанах, відхиляються на 30-50% від фактичного вмісту калорій. Мій AI-підтримуваний трекінг відхилявся в середньому на 8.9%. Навіть у найгіршому випадку — буфети в тьмяному освітленні — відхилення AI становило близько 18%, що все ще значно краще, ніж без допомоги.

Метод оцінки	Середнє відхилення	Найгірше відхилення
Без допомоги (середнє дослідження)	30-50%	100%+
Досвідчений ручний трекер	15-25%	40%
AI фото оцінка (цей тест)	8.9%	18.4%

Дані чіткі: AI-фото трекінг не є досконалим, але він значно перевершує людську оцінку. Для тих, хто їсть у ресторанах 3-5 разів на тиждень, ця різниця накопичується в сотні калорій покращеної точності на тиждень.

Які реальні обмеження AI-трекінгу калорій у ресторанах?

Після двох тижнів я можу перерахувати конкретні ситуації, в яких AI-фото трекінг постійно зазнає невдачі.

• Приховані жири та олії: Найбільше джерело помилок. Якщо жир поглинутий у їжу, жодна камера не може його побачити.
• Багатошарові або складені страви: Лазанья, накладені начос, насичені бургери — AI не може точно оцінити те, що між шарами.
• Темні продукти в тьмяному освітленні: Соус моле на темному курячому м'ясі в темному ресторані практично неможливо візуально розпізнати.
• Калорійні заправки та соуси: Столова ложка соусу ранч додає 73 калорії. Дві столові ложки арахісового соусу додають 190 калорій. Ці невеликі обсяги несуть значну калорійну вагу.
• Розміри порцій, які варіюються в залежності від ресторану: "Порція картоплі фрі" може містити 200 калорій в одному місці і 500 в іншому.

Незважаючи на ці обмеження, фактор зручності є величезним. Проведення 5 секунд на фотографування тарілки проти 5 хвилин на пошук у базі даних і оцінку порцій — це суттєва різниця. Протягом двох тижнів я оцінюю, що підхід з фото AI заощадив мені приблизно 45 хвилин часу на ручне ведення обліку, забезпечуючи при цьому значно кращу точність, ніж я міг би досягти самостійно.

Остаточний вердикт: чи варто використовувати AI-фото трекінг у ресторанах?

Для тих, хто регулярно їсть у ресторанах, AI-трекінг калорій на основі фотографій є найпрактичнішим рішенням, доступним сьогодні. Він не досягне точності зважування їжі вдома, і систематично недооцінюватиме страви з прихованими жирами. Але середнє відхилення в 8.9%, яке я виміряв, знаходиться в межах прийнятної норми для більшості харчових цілей.

Підхід Nutrola, що поєднує фото AI з перевіреною базою даних харчування та розумними запитами щодо олій і соусів, дав найпослідовніші результати в моєму тестуванні. Функція голосового логування заповнила прогалини для елементів, які я не міг сфотографувати. За стартовою ціною всього 2.50 євро на місяць, покращення точності в порівнянні з ручним підрахунком у ресторанах виправдовує витрати багаторазово.

Головне: ідеальний трекінг у ресторанах неможливий незалежно від методу. Але AI-фото трекінг наближає вас до досягнення значного прогресу у ваших харчових цілях без труднощів, які заважають більшості людей вести облік, коли вони їдять у ресторанах.