Bluff Parlor › Blog › AI

Jak AI liczy kalorie ze zdjęcia i gdzie się myli

Opublikowano: · 3 min czytania · English version · Magyar változat · Deutsche Version · Versiunea în română · Slovenská verzia · Česká verze · Versión en español · Version française · Versione italiana · Hrvatska verzija · Версия на русском

How AI Photo Calorie Counting Works (and Where It's Off)
Kép / Image: Bluff Parlor

Co właściwie robi licznik kalorii ze zdjęcia

Licznik kalorii oparty na zdjęciach zwykle wykonuje trzy kroki po kolei. Rozpoznaje produkty na talerzu, szacuje ich ilość, a następnie przelicza tę ilość na kalorie i makroskładniki (białko, węglowodany, tłuszcz) na podstawie tabeli składu żywności. Pierwszy krok to rozpoznawanie obrazu. Drugi, czyli szacowanie wielkości porcji na podstawie płaskiego zdjęcia, jest najtrudniejszy. Trzeci to wyszukiwanie w tabeli: do publicznych przykładów takich zestawień należy FoodData Central amerykańskiego USDA, które zawiera dane o składzie żywności w kilku typach, od produktów analizowanych laboratoryjnie po produkty markowe.

Razem daje to oszacowanie, a nie pomiar. Wiedza o tym, który krok jest najsłabszy, pokazuje, co warto sprawdzić dwa razy.

Jak kalorie łączą się z makroskładnikami

Kalorie i makroskładniki łączy prosta arytmetyka. Ogólne współczynniki Atwatera, powszechnie stosowane przy obliczaniu kalorii na etykietach żywności, wynoszą około 4 kcal na gram białka, 4 kcal na gram węglowodanów, 9 kcal na gram tłuszczu i 7 kcal na gram alkoholu. Są to wartości średnie, a rzeczywista energia konkretnego produktu może się nieco różnić.

Przykład: posiłek z 30 g białka, 50 g węglowodanów i 20 g tłuszczu daje 30 × 4 + 50 × 4 + 20 × 9 = 120 + 200 + 180 = 500 kcal. Jeśli makroskładniki i kalorie pokazywane w aplikacji nie sumują się dokładnie, częstą przyczyną są zaokrąglenia i współczynniki właściwe dla danego produktu.

Jak dokładne jest takie liczenie?

Badania dają obraz niejednoznaczny, ale użyteczny:

  • Przegląd systematyczny z 2023 roku w czasopiśmie Annals of Medicine (Shonkoff i współpracownicy) objął 52 badania w pełni automatycznych, opartych na AI szacunków objętości, energii lub składników odżywczych na podstawie zdjęć cyfrowych. Średnio skuteczność AI była zbliżona do skuteczności oceniających ludzi, a błędy były mniejsze dla pojedynczych lub prostych produktów. Podawane średnie błędy względne mieściły się w przedziale od około 0,1% do 38% dla kalorii i od około 0,1% do 33% dla objętości. Badania były zbyt różnorodne, by połączyć je w jedną liczbę.
  • Przegląd systematyczny z 2020 roku w czasopiśmie Nutrition Reviews (Amoutzopoulos i współpracownicy) wykazał, że narzędzia do szacowania wielkości porcji na podstawie obrazu (szersza grupa niż dzisiejsze aplikacje z AI) wypadły w analizowanych badaniach walidacyjnych lepiej niż fizyczne modele żywności i naczynia domowe, przy czym autorzy zaznaczyli, że niewiele z tych badań miało wysoką jakość.

Mówiąc prosto: szacunki ze zdjęć mogą konkurować z innymi metodami, ale zakres błędu jest szeroki, a proste, wyraźnie widoczne posiłki są łatwiejsze niż złożone.

Gdzie szacunki zawodzą

  • Wielkość porcji. Zdjęcie nie ma głębi. Ta sama miska może pomieścić bardzo różne ilości.
  • To, czego aparat nie widzi. Olej do smażenia, dressingi, sosy i nadzienia ukryte pod wierzchnią warstwą nie są widoczne na obrazie.
  • Potrawy mieszane. Gulasze, zapiekanki i dania warstwowe są trudniejsze niż talerz z osobnymi składnikami.
  • Produkty łudząco podobne. Różne produkty mogą wyglądać podobnie, a mieć różną kaloryczność.

Jak lepiej wykorzystać aplikację opartą na zdjęciach

Pierwszy wynik warto traktować jako punkt wyjścia i go korygować. W PlateFit robi się zdjęcie talerza, AI szacuje kalorie i makroskładniki, a wynik można potem edytować, i właśnie tu mieści się wiedza o oleju, porcji czy sosie. Kilka nawyków pomaga w każdej takiej aplikacji: fotografowanie talerza z góry przy dobrym świetle, rozdzielanie składników, gdy to możliwe, oraz poprawianie ilości, gdy są znane.

PlateFit to nasza aplikacja AI do odżywiania i treningu. Poza szacowaniem kalorii i makroskładników ze zdjęć oferuje plany treningowe na redukcję tłuszczu, budowę mięśni i siłę, a także zdrowe przepisy z jadłospisem na każdy dzień i listą zakupów. Działa w przeglądarce i jako aplikacja na Androida. Dostępny jest jeden plan za 4,99 € miesięcznie oraz plan rodzinny dla maksymalnie 8 osób za 7,99 € miesięcznie, z 14-dniowym bezpłatnym okresem próbnym.

Uwaga o zdrowiu

Wartości kalorii i makroskładników to narzędzie do budowania świadomości, a nie porada medyczna. W przypadku szczególnych potrzeb żywieniowych, chorób lub obaw związanych z zaburzeniami odżywiania właściwą osobą, do której należy się zwrócić, jest lekarz lub dietetyk z uprawnieniami.

Wyniki badań przedstawiono zgodnie z cytowanymi przeglądami; dane o dokładności różnią się w zależności od badania i metody. Poradnik ma charakter wyłącznie informacyjny.

Pytania

Jak działa licznik kalorii oparty na zdjęciu?

Rozpoznaje produkty na zdjęciu, szacuje porcje i przelicza je na kalorie oraz makroskładniki (białko, węglowodany, tłuszcz) na podstawie danych o składzie żywności.

Jak dokładne jest liczenie kalorii przez AI na podstawie zdjęcia?

Przegląd 52 badań z 2023 roku wykazał średnie błędy względne od około 0,1% do 38% dla kalorii, mniejsze w przypadku pojedynczych lub prostych produktów. Wynik należy traktować jako oszacowanie.

Ile kalorii ma gram białka, węglowodanów i tłuszczu?

Ogólne współczynniki Atwatera wynoszą około 4 kcal na gram białka, 4 kcal na gram węglowodanów i 9 kcal na gram tłuszczu (7 kcal na gram alkoholu).

Czy w PlateFit można edytować szacunki?

Tak. PlateFit szacuje kalorie i makroskładniki na podstawie zdjęcia talerza, a wynik można potem edytować.

Źródła

  • Shonkoff et al., AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review (Annals of Medic
  • Amoutzopoulos et al., Portion size estimation in dietary assessment: a systematic review of existing tools, their strengths and limitations
  • USDA FoodData Central
  • University of Minnesota Nutrition Coordinating Center: primary energy sources (Atwater factors)

Opracowano na podstawie wskazanych źródeł; szczegóły mogą ulec zmianie po publikacji.

Więcej w dziale: AI

Najnowsze wpisy