AIカロリー計算の仕組み、写真から出る3段階

AIカロリー計算の仕組みは、写真を3段階で読み取ることです。食べ物を見つけ、名前を当て、量を推定してカロリーに換算します。 どの段階でも、測定済みの食品データベースを引いているわけではありません。段階ごとに誤差があり、油やソース、皿の上の正確な重さは写真からは見えません。

食品名を検索すると、誰かがすでに記録した値が出てきます。写真の推定はそれとは違い、画像の情報だけから作った推測値です。以下で段階ごとに確かめます。

AIカロリー計算の仕組みは？写真から数値が出るまでの流れ

食べ物を見分けることと、そのカロリーを知ることは別の問題です。前者だけが、ほぼ解けています。

2022年に Healthcare (Basel) 誌に載った、スマートフォン向け食品画像アプリの系統的レビューがその理由を示しています。調べたアプリの90.9%が、分類の前に、食べ物を皿やテーブル、背景から切り分けることができませんでした（Amugongo et al., 2022）。最初に食べ物をきれいに切り出せなければ、ラベルも量も、その後の段階がすべて誤差を引き継ぎます。

そのため「ハンバーガーに見えるからカロリーもわかる」という近道は、いちばん難しい2つの段階を飛ばしています。大きさはどれくらいか、油はどれだけ入っているか。認識だけでは答えが出ません。

AIは写真の食べ物をどうやって見分けるのですか？

最初の段階はセグメンテーションで、どの画素が食べ物で、どれが皿やテーブルや手なのかを分けます。

次が分類です。切り出した領域を「鶏むね肉のグリル」や「蒸した白米」といった食品カテゴリに当てはめます。先ほどのレビューは、調べたモバイル向けアプリで、カロリーの数値が出る前に、この2つが最初の2段階になっていると述べています（Amugongo et al., 2022）。

この段階の具体例が、NYU Tandonの食品スキャナーの試作機です。IEEE International Conference on Mobile Computing and Sustainable Informatics で発表された研究について、2025年の大学のニュースリリースが説明しています。214カテゴリの食品を、mean average precision 0.7941で検出し識別しました。リリースでは、画像内の食品の位置特定と識別でおよそ80%の精度と表現されています（NYU Tandon, 2025）。

この80%という数字が表すのは、食べ物を見つけて名前を当てる段階だけです。皿の上の量については、まだ何も語っていません。

平面の写真から、どうやって量を推定するのですか？

食べ物を特定したら、次は2次元の画像から体積を推測する必要があります。こちらのほうが難しい問題です。

レビューは、名前のついた2つの方法と、その実測誤差を報告しています。深度センサーつきのスマートフォンを使う方法では、体積の絶対誤差が35.1 g、標準偏差が42.8 gで、推定した量のおよそ14%でした（Amugongo et al., 2022）。別の単一視点の方法は、食べ物の2D上の大きさから二次曲線で推定するもので、得られたカロリー推定に21.3%の誤差がありました（Amugongo et al., 2022、Okamoto and Yani, 2016を引用）。

どちらの数字も、レビューが調べた研究用のシステムのもので、特定の市販アプリのものではありません。ただ、平面の写真からグラムを出す作業は、測定ではなく推定だという点を示しています。誤差は、セグメンテーションで起きた間違いにさらに積み重なります。

撮る角度や光、見えやすさでも答えが変わります。システムには、自分の推測を独立に確かめる手段がないからです。

なぜ油やソース、正確な重さは見えないのですか？

写真に写るのは料理の表面であり、調理で何が入ったかではありません。ご飯に混ぜたバターのカロリーは、カメラには映りません。鶏むね肉を焼いた油や、煮込みに溶け込んだソースも同じです。AIが考えられるのは、画像に現れたものだけです。

先ほどの90.9%という限界が重いのも、このためです。食べ物と皿を分けること自体が苦手なシステムでは、見える材料と隠れた材料を分けることはほとんど望めません（Amugongo et al., 2022）。入力は写真だけで、写っていないものは推定にとって存在しません。

写真の推定はデータベース検索とどう違いますか？

写真の推定は、データベースの照合ではありません。視覚モデルが画像を直接読み、見たものから食品、量、カロリー、マクロ栄養素を推定します。測定済みの食品表と突き合わせるわけではありません。

データベース検索は、それより古い別の方法です。日本で成分値を調べるなら、文部科学省が公表する「日本食品標準成分表（八訂）」が公的な基準で、食品ごとに測定・整理された値が載っています。

比較として、米国のUSDA FoodData Centralを見ると、収録の作り方ごとに分かれています。Foundation Foodsは一般食品の試料を実験室で分析したもので、年2回更新されます。SR Legacyは分析にもとづく古いデータで、2018年が最後の更新です。Branded Foodsは各メーカーがラベルに印刷したカロリーとマクロの値で、毎月更新されます（USDA FoodData Central）。

これらの数値は、実験室またはラベル上で一度測られて保存されたものです。写真の推定は、保存された測定値を持たず、毎回画像から新しく計算されます。

各段階の誤差はどこから生じますか？

次の表は説明用の例です。 3つの独立した誤差が重なる様子を示すためにパーセントを仮に置いたもので、特定の製品の実測結果ではありません。

皿の真の値を500 kcalとします。セグメンテーションだけで10%ずれると、システムが次に渡す値は450〜550 kcalのどこかになります。これは分類や体積推定が始まる前の話です。

後の段階は、真の値からやり直すのではなく、前の段階から受け取った値にかかります。そのため、ひとまとめの「精度」1つの数字では、実態の多くが隠れてしまいます。

実際の誤差は、3つの推測が積み重なったものです。出典のある2つの範囲が、実際の姿を示しています。深度センサーの方法では体積の誤差がおよそ14%、単一視点の二次曲線による方法ではカロリーの誤差が21.3%でした（Amugongo et al., 2022、Okamoto and Yani, 2016を引用）。どちらも、それぞれ測定された研究用システムでの値であり、同じ積み重なりの中にあります。

バーコードのスキャンや食品検索とは何が違いますか？

バーコードのスキャンや手入力の検索は、すでにある数値を取り出します。実験室の測定値やラベルの値が、日本食品標準成分表やUSDA FoodData Centralのようなデータベースに保存されています（USDA FoodData Central）。推定はまったく行わず、識別子を記録に結びつけるだけです。

写真の推定には、結びつける識別子がありません。AIは食品、調理法、量のすべてを画素から推測し、その写真が撮られるまでどこにも存在しなかった数値を計算します。作業の性質も、誤差の出どころも別物で、推測と取り出しの違いです。

混ざった料理では、さらに難しくなります。リンゴ1個のように見えるものが1つなら、分類の段階は切り出す対象を明確に1つ持てます。ご飯の上にソース、その下に野菜が紛れた皿は、一部が別の部分に隠れています（Amugongo et al., 2022）。

手づくりの料理なら、1枚の皿を撮らずに材料から組み立てる方法もあります。レシピのカロリー計算のやり方では、材料の合計を出して、1人分に分けます。画像からの推定は使いません。

なぜアプリは結果の確認と編集を求めるのですか？

推定は最初の推測であり、最終的な答えではないからです。カメラに見えなかったものを知っているのは、実際の皿を見ている本人だけです。

Avocaloはこの考え方で作られています。食事の写真を撮ると、AIの視覚モデルが食品を識別し、画像から直接、量、カロリー、たんぱく質、炭水化物、脂質を推定します。この推定は栄養データベースとは突き合わせていません。隠れた油やソース、皿の正確な重さはわからないため、保存する前に内容を確認して編集します。

自宅で作った料理には、別の道もあります。サイトの無料のレシピ1人分計算ツールは、すでにわかっている合計カロリーを、人数分や量った1回分に分けます。画像による推定は使いません。写真での記録そのものを試したい方は、Avocaloの写真記録を試すことができます。

よくある質問

大きい皿や基準になる物が写ると、推定は変わりますか？

基準になる物があると、体積推定のアルゴリズムが大きさを判断しやすくなります。平面の画像にはほかに大きさを測る手段がなく、基準がなければ皿の大きさや見え方が推定で制御しきれない要因として残ります。量の誤差が生じる理由の一部です（Amugongo et al., 2022）。

AIは同じ食品の揚げた状態と蒸した状態を見分けられますか？

見た目の違いがはっきりしていれば、見分けられることがあります。たとえば黄金色の衣と、何もない蒸した表面です。分類は見えるものだけを頼りにするため、炊いたご飯に混ぜた油のように外見が変わらない調理は、検出できる手がかりを写真に残しません。

写真の推定は、食品を量ることの代わりになりますか？

いいえ、代わりにはなりません。写真の推定は画像から計算した推測値で、キッチンスケールは目の前の実際の重さを測ります。前者は画素からの推論、後者は直接の測定です。量の当て推量を完全になくせるのは、後者だけです。

同じ食事の写真でも、結果が変わるのはなぜですか？

撮り方によって、料理がどこまで見えるかが変わるからです。セグメンテーション、分類、体積推定は、それぞれ写真にどれだけ写っているかに左右されます。角度が少し違うだけで、以降の段階の入力が変わります。端末による画質の差も、レビューが指摘する別の問題です（Amugongo et al., 2022）。

AIカロリー計算は全体でどれくらい正確ですか？

正確さは、食品、料理の複雑さ、検証されたシステムによって大きく変わるため、あらゆる場面に当てはまる1つの割合はありません。上で見た段階ごとの誤差の出どころが、1つの数字では言い表せない理由です。推定は目安として使い、保存前に内容を確かめます。

出典

• Amugongo et al., "Mobile Computer Vision-Based Applications for Food Recognition and Volume and Calorific Estimation: A Systematic Review," Healthcare (Basel) 2022、上で引用した段階の流れと誤差の数値の根拠となる系統的レビューです。
• NYU Tandon School of Engineering, AI food scanner news release、214カテゴリを検出する試作機とその精度の出典です。
• USDA FoodData Central、Foundation FoodsやBranded Foodsなどのデータベース項目がどう作られ更新されるかの出典です。日本の成分値は日本食品標準成分表（八訂）（文部科学省）で確認できます。

この記事の数値をどう確認したかは、編集方針をご覧ください。発行元はPetros IT Solutions SRLです。訂正のご連絡は [email protected] までお願いします。