Hvor nøyaktig er AI-kaloritelling med bilde?

En multimodal modell ser på bildet ditt og identifiserer hva som ligger på tallerkenen, og estimerer deretter porsjonsstørrelsen ut fra visuelle holdepunkter – størrelsen på tallerkenen, dybden på skålen og hvordan maten er plassert. Den kobler hver identifiserte matvare til næringsdata og summerer resultatet.

To av disse stegene er genuint vanskelige. Identifisering er den enkle delen: et kyllingbryst, en skål med ris og litt brokkoli er lett gjenkjennelig. Porsjonsberegning er vanskeligere, fordi et fotografi flater ut dybden, og forskjellen på 100 g og 160 g ris kan handle om noen få piksler.

Den tredje utfordringen er usynlige ingredienser. En spiseskje olivenolje inneholder rundt 120 kcal og etterlater knapt et synlig spor på en ferdig rett. Fløte i en saus, smør på grønnsaker og sukker i en marinade oppfører seg på akkurat samme måte.

Den er best på oppdelte råvarer på en tallerken: en proteinkilde, en karbohydratkilde og grønnsaker, fotografert fra en svak vinkel i godt lys. Ferdigpakket mat skannet med strekkode er enda mer presist, ettersom tallene kommer rett fra varedeklarasjonen heller enn fra et estimat.

Den sliter med sammensatte retter – gryter, curryer, smoothies, gratenger – der ingrediensene ikke er synlige hver for seg. Den sliter med restaurantmat, som rutinemessig er mer kaloririk enn den ser ut. Og den sliter med alt som er fotografert slik at størrelsesforholdet skjules, for eksempel et nærbilde uten noen referansegjenstand i bildet.

Dette er grunnen til at CalEasy lar deg kombinere et bilde med et stemmenotat eller en linje med tekst i én og samme registrering. «Stekt i to spiseskjeer olivenolje» gir akkurat den informasjonen et bilde ikke kan fange opp, og det tar tre sekunder å si.

Se for deg at estimatene dine systematisk ligger 10 % for lavt. Du setter et mål, logger i tre uker, og vekten rikker seg knapt. Du reduserer målet med 200 kcal, og vekten begynner å gå nedover. Avviket er nå utlignet – fordi du kalibrerte mot dine egne resultater fremfor en teoretisk fasit.

Tenk deg så at estimatene dine er helt nøyaktige, men du bare logger fire dager i uken. Da har du ingen anelse om hva det faktiske inntaket ditt er, og ingen trend å justere etter. Den andre personen stiller langt dårligere enn den første, til tross for mer nøyaktige enkeltmåltider.

Dette er det ærlige argumentet for bildelogging: Det er ikke den mest presise metoden som finnes, men det er metoden folk faktisk fortsetter med. En matdagbok der alt veies og føres inn for hånd er mer nøyaktig i omtrent ti dager – som er omtrent da de fleste gir opp.

Ta bilde før du begynner å spise, fra en svak vinkel fremfor rett ovenfra, og få med noe i bildet som viser målestokken – en gaffel eller hånden din holder lenge. Få med hele tallerkenen i stedet for et nærbilde av den delen som ser finest ut.

Si eller skriv det bildet ikke kan vise: stekefettet, sausen, eller om yoghurten var helfet. Skann strekkoden når maten kommer fra en pakke. Og juster resultatet når du vet bedre enn estimatet – hvert CalEasy-måltid deles opp i ingredienser du kan endre på sekunder, noe som er både raskere enn manuell inntasting og mer presist enn å godta et estimat du er usikker på.

For mat du spiser hele tiden, lønner det seg å få tallene riktige én gang og lagre måltidet. Etter det kreves det bare ett trykk, helt uten gjetting eller estimering.

Strekkodeskanning er mest nøyaktig for ferdigpakket mat og krever ingen skjønnsmessige vurderinger. Å veie ingredienser og føre dem inn manuelt er mest presist ved hjemmelaget mat, og desidert mest tidkrevende. Bildelogging er raskest og takler mat du ikke har laget selv. Stemme og tekst plasserer seg midt imellom: raskt, og i stand til å formidle ting kameraet ikke kan fange opp.

Ingen av disse er det rette svaret for alle måltider. Det nyttige spørsmålet er derfor ikke «hvilken metode er mest nøyaktig», men «hvilken metode kommer jeg faktisk til å bruke til dette måltidet, akkurat nå». Et grovt estimat som blir loggført, slår en nøyaktig måling som aldri blir gjort.