Jak działają aplikacje AI do liczenia kalorii

Aplikacje AI do liczenia kalorii czytają zdjęcie w trzech etapach: znajdują jedzenie, nazywają je, a potem szacują jego objętość i przeliczają ją na kalorie. Żaden etap nie sprawdza jedzenia w bazie zmierzonych produktów. Każdy ma własny błąd, a żaden nie widzi oleju, sosu ani dokładnej wagi na talerzu.

To coś innego niż wpisanie produktu w wyszukiwarkę, która podaje wartość kalorii zapisaną wcześniej przez kogoś innego. Szacunek ze zdjęcia jest przypuszczeniem zbudowanym wyłącznie z pikseli. Poniżej sprawdzamy go etap po etapie.

Jak działają aplikacje AI do liczenia kalorii krok po kroku?

Aplikacje AI do liczenia kalorii rozwiązują dwa osobne problemy: rozpoznanie jedzenia i oszacowanie jego kalorii. Tylko pierwszy jest bliski rozwiązania.

Przegląd systematyczny mobilnych aplikacji rozpoznających jedzenie, opublikowany w 2022 roku w czasopiśmie Healthcare (Basel), pokazuje dlaczego. Autorzy ustalili, że 90,9% przebadanych aplikacji nie potrafiło nawet oddzielić jedzenia od talerza, stołu lub tła, zanim zaczęło je klasyfikować (Amugongo i in., 2022). Jeśli system nie wyodrębni jedzenia czysto na początku, każdy kolejny etap dziedziczy ten błąd, także nazwę potrawy i wielkość porcji.

Skrót „AI widzi burgera, więc zna jego kalorie" pomija dwa najtrudniejsze kroki. Jak duży jest burger i ile oleju zawiera? Na te pytania samo rozpoznanie nie odpowie.

Skąd AI wie, jakie jedzenie jest na zdjęciu?

AI rozpoznaje jedzenie w dwóch krokach. Pierwszy to segmentacja: wskazanie, które piksele są jedzeniem, a które talerzem, stołem lub dłonią.

Drugi krok to klasyfikacja. Dopasowuje ona wyodrębniony obszar do kategorii jedzenia, na przykład „pierś kurczaka z grilla" lub „ryż gotowany na parze". Przegląd w Healthcare wymienia segmentację i klasyfikację jako dwa pierwsze etapy potoku w opisanych aplikacjach, jeszcze zanim pojawi się jakakolwiek liczba kalorii (Amugongo i in., 2022).

Przykładem tego etapu jest prototyp skanera jedzenia z NYU Tandon. Opisuje go komunikat uczelni z 2025 roku o badaniu zaprezentowanym na IEEE International Conference on Mobile Computing and Sustainable Informatics. Wykrywał i rozpoznawał produkty w 214 kategoriach ze średnią precyzją (mAP) 0,7941, co komunikat opisuje jako około 80% skuteczności w znajdowaniu i rozpoznawaniu jedzenia na obrazie (NYU Tandon, 2025).

Te 80% dotyczy tylko jednego kroku: znalezienia i nazwania jedzenia. Nic jeszcze nie mówi o ilości na talerzu.

Jak z płaskiego zdjęcia powstaje wielkość porcji?

System musi zgadnąć objętość z dwuwymiarowego obrazu, a to trudniejszy problem niż samo rozpoznanie.

Przegląd w Healthcare podaje dwie metody i ich zmierzone błędy. Metoda z czujnikiem głębi w smartfonie miała bezwzględny błąd objętości 35,1 g, przy odchyleniu standardowym 42,8 g, czyli około 14% szacowanej porcji (Amugongo i in., 2022). Inna metoda, z jednego ujęcia, szacowała objętość krzywą kwadratową na podstawie rozmiaru jedzenia w 2D. Jej błąd w szacunku kalorii wyniósł 21,3% (Amugongo i in., 2022, za Okamoto i Yani, 2016).

Obie liczby opisują systemy akademickie z przeglądu, a nie konkretną aplikację komercyjną. Pokazują to samo: zamiana płaskiego zdjęcia na gramy jest szacunkiem, nie pomiarem. Błąd dodaje się do pomyłki z etapu segmentacji.

Tu także kąt kamery, światło i widoczność dania mogą zmienić wynik, bo system nie ma niezależnego sposobu sprawdzenia własnego przypuszczenia.

Dlaczego AI nie widzi oleju, sosu ani dokładnej wagi?

Zdjęcie pokazuje powierzchnię dania, a nie to, co poszło do jego przygotowania. Masło wmieszane w ryż dodaje kalorii, których kamera nie zarejestruje. Tak samo olej, na którym smażono pierś kurczaka, albo sos wmieszany w gulasz. AI może rozumować tylko o tym, co widać na obrazie.

Dlatego tak ważne jest ograniczenie 90,9% z rozdziału o oddzielaniu jedzenia od tła. System, który ma kłopot z odróżnieniem jedzenia od talerza, ma niewielkie szanse odróżnić widoczny składnik od ukrytego (Amugongo i in., 2022). Zdjęcie jest jedynym wejściem. Czego na nim nie widać, tego szacunek nie uwzględni.

Czy AI szuka jedzenia w bazie danych, czy szacuje je z obrazu?

Szacunek ze zdjęcia nie jest wyszukiwaniem w bazie. Model wizyjny czyta obraz bezpośrednio, rozpoznaje jedzenie i szacuje porcję, kalorie oraz makroskładniki z tego, co widzi. Nie dopasowuje zdjęcia do tabeli wcześniej zmierzonych produktów.

Wyszukiwanie w bazie to inna, starsza metoda. Wpisanie „pierś kurczaka z grilla" zwraca wartość, którą ktoś zmierzył albo którą producent wydrukował na etykiecie. USDA FoodData Central rozdziela wpisy według sposobu ich powstania. Foundation Foods pochodzą z analiz laboratoryjnych próbek produktów i są aktualizowane dwa razy w roku. SR Legacy to starsze dane z analiz, ostatnio aktualizowane w 2018 roku. Branded Foods to wartości kalorii i makroskładników, które marki drukują na własnych etykietach, aktualizowane co miesiąc (USDA FoodData Central).

Te liczby zmierzono raz, w laboratorium lub na etykiecie, i zapisano. Szacunek ze zdjęcia jest za każdym razem liczony od nowa z obrazu, bez zapisanego pomiaru.

Skąd bierze się błąd na każdym etapie?

Trzy niezależne błędy składają się na wynik, co pokazuje poniższa tabela. Tabela ma charakter poglądowy: procenty są wymyślone, by pokazać, jak błędy się kumulują, i nie są zmierzonym wynikiem żadnego produktu.

Załóżmy prawdziwą wartość 500 kcal dla talerza jedzenia. Jeśli sama segmentacja myli się o 10%, liczba przekazana dalej leży między 450 a 550 kcal. Dzieje się to, zanim ruszy klasyfikacja i szacowanie objętości.

Każdy kolejny etap działa na tym, co dostał od poprzedniego, a nie na prawdzie. Dlatego jeden zbiorczy procent „dokładności" ukrywa więcej, niż pokazuje.

Prawdziwy błąd to trzy osobne przypuszczenia ułożone jedno na drugim. Dwa udokumentowane zakresy pokazują, jak to wygląda w praktyce. Metoda z czujnikiem głębi miała około 14% błędu objętości. Metoda z krzywą kwadratową z jednego ujęcia miała 21,3% błędu kalorii (Amugongo i in., 2022, za Okamoto i Yani, 2016). Oba mieszczą się w tym samym stosie błędów, dla konkretnych systemów akademickich, na których je zmierzono.

Czym różni się to od skanowania kodu kreskowego lub wyszukiwania w bazie?

Skan kodu kreskowego i ręczne wyszukiwanie pobierają liczbę, która już istnieje: pomiar laboratoryjny lub wartość z etykiety zapisaną w bazie, takiej jak USDA FoodData Central. System w ogóle nie szacuje. Dopasowuje tylko identyfikator do rekordu.

Zdjęcie nie ma identyfikatora do dopasowania. AI musi wywnioskować jedzenie, sposób jego przygotowania i porcję wyłącznie z pikseli, a potem obliczyć liczbę, której wcześniej nigdzie nie było. To zupełnie inne zadanie z innym źródłem błędu: zgadywanie zamiast pobierania.

Dania mieszane dokładają trudności. Pojedyncze, całe jabłko daje klasyfikacji jeden wyraźny cel do wyodrębnienia. Na talerzu mieszanym, z ryżem pod sosem i zabłąkanym warzywem, część składników jest ukryta za innymi (Amugongo i in., 2022).

Danie domowe możesz zamiast tego zbudować ze składników, bez fotografowania talerza. Poradnik jak policzyć kalorie w przepisie krok po kroku sumuje składniki i dzieli wynik na porcje, zamiast szacować z obrazu.

Dlaczego aplikacja prosi o sprawdzenie i poprawienie wyniku?

Szacunek jest pierwszym przypuszczeniem, a nie ostateczną odpowiedzią. To, czego kamera nie zobaczyła, wie tylko osoba patrząca na prawdziwy talerz.

Avocalo działa właśnie tak. Robisz zdjęcie posiłku, a model wizyjny AI rozpoznaje jedzenie i szacuje porcje, kalorie, białko, węglowodany i tłuszcz bezpośrednio z obrazu. Szacunek nie jest dopasowywany do bazy żywieniowej. Aplikacja nie zna ukrytego oleju, sosów ani dokładnej wagi porcji, dlatego przed zapisaniem sprawdzasz i w razie potrzeby poprawiasz wynik. Szacunki są przybliżone.

Przy przepisie gotowanym w domu inną drogę daje darmowy kalkulator kalorii przepisu na porcję lub 100 g. Bierze sumę kalorii, którą już znasz, i dzieli ją na porcje lub na zważoną porcję, bez szacowania z obrazu. Jeśli chcesz sam wypróbować zapis posiłku ze zdjęcia, pobierz aplikację Avocalo do logowania posiłków ze zdjęcia.

Najczęściej zadawane pytania

Czy większy talerz lub przedmiot odniesienia na zdjęciu zmienia szacunek?

Tak, przedmiot odniesienia może pomóc algorytmowi ocenić skalę. Bez niego rozmiar talerza i widoczność jedzenia stają się zmiennymi, których szacunek nie potrafi w pełni uwzględnić, bo z płaskiego zdjęcia nie da się inaczej ocenić wielkości. To jedna z przyczyn błędu w ocenie porcji (Amugongo i in., 2022).

Czy AI odróżni smażone od gotowanego na parze?

Czasem tak, jeśli różnica jest wyraźnie widoczna, na przykład złota panierka kontra gładka powierzchnia gotowana na parze. Klasyfikacja opiera się na tym, co widać, więc metoda, która nie zmienia wyglądu, jak olej wmieszany w ugotowany już ryż, nie zostawia żadnego śladu do wykrycia.

Czy szacunek ze zdjęcia zastąpi ważenie jedzenia?

Nie. Szacunek ze zdjęcia to obliczone przypuszczenie na podstawie obrazu, a waga kuchenna mierzy rzeczywistą masę przed tobą. To dwa różne rodzaje liczb: jedna jest wnioskowana z pikseli, druga zmierzona bezpośrednio, i tylko druga całkowicie usuwa zgadywanie wielkości porcji. Dlatego przy przepisach warto ważyć składniki.

Dlaczego dwa zdjęcia tego samego posiłku dają różne wyniki?

Bo segmentacja, klasyfikacja i szacowanie objętości zależą od tego, ile dania widać na danym ujęciu. Nieco inny kąt zmienia dane wejściowe każdego kolejnego etapu. Osobną kwestią jest jakość obrazu zależna od urządzenia, o której przegląd w Healthcare wspomina w odniesieniu do mobilnych aplikacji (Amugongo i in., 2022).

Jak dokładne są aplikacje AI do liczenia kalorii?

Dokładność zależy od rodzaju jedzenia, złożoności dania i testowanego systemu, więc żaden pojedynczy procent nie obowiązuje wszędzie. Błędy poszczególnych etapów opisane wyżej tłumaczą, dlaczego jedna zbiorcza liczba tego nie oddaje. Dlatego wynik traktuj jako przybliżenie i sprawdzaj go przed zapisaniem.

Źródła

• Amugongo i in., „Mobile Computer Vision-Based Applications for Food Recognition and Volume and Calorific Estimation: A Systematic Review", Healthcare (Basel) 2022, przegląd systematyczny, na którym opierają się etapy potoku i podane błędy.
• NYU Tandon School of Engineering, AI food scanner news release, źródło prototypu wykrywającego 214 kategorii i jego wyniku precyzji.
• USDA FoodData Central, źródło informacji o tym, jak powstają i są aktualizowane wpisy bazy, takie jak Foundation Foods i Branded Foods.

Zobacz zasady redakcyjne, by dowiedzieć się, jak sprawdzamy liczby w artykułach. Wydawca: Petros IT Solutions SRL. Poprawki zgłaszaj na adres [email protected].