Как считать калории и БЖУ по фото тарелки: точность ИИ против кухонных весов и глаза
Вы когда-нибудь считали калории в ресторане? Подозрительно смотрели на официанта и пытались угадать вес стейка на глаз? Мы тоже. Спойлер: у человека это получается плохо, и наука подтверждает это без всякой жалости.
Насколько плохо человек оценивает свою тарелку
Исследование, опубликованное в The BMJ, проверило посетителей ресторанов быстрого питания: около двух третей недооценили калорийность своего заказа, а каждый четвёртый ошибся более чем на 500 ккал — это как случайно «забыть» посчитать целый дополнительный приём пищи. Среднее занижение составило 175–259 ккал за один поход в кафе.
Дальше не легче. В исследовании молодых людей 16–26 лет только 22% смогли оценить калорийность собственной порции с точностью ±25% от реального значения — то есть даже с очень щедрым допуском на ошибку четверо из пяти не угадывали. А в крупном краудсорсинговом эксперименте с фотографиями еды обычный человек правильно (в пределах 20% от истины) оценивал калорийность блюда лишь в одном случае из четырёх.
Это не про глупость — это про устройство человеческого восприятия объёма и жирности пищи. Мозг просто не откалиброван для подсчёта граммов на глаз.
Как ИИ на самом деле «видит» тарелку
Современные мультимодальные модели делают несколько вещей одновременно:
- Сегментация — разделяют тарелку на отдельные ингредиенты.
- Классификация — узнают блюдо среди тысяч вариантов.
- Оценка объёма — по геометрии посуды и высоте продукта прикидывают граммы.
- Учёт «скрытых» калорий — соусы, масло, панировка.
Здесь стоит быть честными: ИИ тоже не идеален, но эволюционирует быстро. Датасет Nutrition5k от Google Research — почти 5000 реальных блюд с точными эталонными данными — показал, что базовая модель на фото и данных глубины ошибается в калориях в среднем на 15–18%, что по заявлению самих исследователей превосходит точность оценки профессиональных диетологов на той же выборке. Более новая модель 2024 года на основе Swin Transformer и EfficientNet довела точность распознавания блюда до 79,5% при погрешности калорий 14,7%.
При этом есть и слабые места: исследование в журнале Nutrients показало, что ChatGPT-4 распознаёт продукты на фото с точностью 93%, но систематически недооценивает калорийность средних и больших порций. А для сложных блюд со «скрытыми» ингредиентами — вроде плотного соуса внутри — без текстового описания состава ошибка по калориям у современных моделей может превышать 50%, зато при добавлении короткого текстового уточнения точность резко растёт: в одном из исследований 2025 года коэффициент детерминации R² по калориям вырос с 0,591 до 0,941 после того, как модели дали текстовое описание состава. Именно поэтому в BodyCraft можно не просто прислать фото, а сразу подписать блюдо словами — это заметно повышает точность разбора.
Почему «скрытые» калории обманывают чаще, чем кажется
Отдельная головная боль — соусы и панировка. В контролируемом эксперименте Университета Пенсильвании простое добавление соуса к тем же чипсам увеличило суммарное потребление калорий на 77% — с 195 до 345 ккал за один присест, и люди не компенсировали это, съедая меньше чипсов. А панировка и пористые продукты типа баклажанов или кабачков при жарке впитывают 60–100% используемого масла, тогда как плотное мясо или картофель — только 10–50%. В итоге в жареном блюде на жир может приходиться до 75% всей калорийности при рекомендуемой норме 30–35%. Глазом это не увидеть — а ИИ, обученный на изображениях реальных блюд, такие паттерны учитывает.
Почему это реально работает лучше весов и дневника «на глаз»
- В гостях и кафе — просто сфотографировал и забыл про кухонные весы.
- Нет эффекта «я сегодня молодец, можно не считать» — фиксация происходит всегда, а не только когда есть настроение.
- Меньше выгорания от дневника питания. Исследователи прямо называют этот «когнитивный налог» на подсчёт калорий одной из главных причин, почему люди бросают трекинг питания в первые недели — а автоматизация именно эту нагрузку и снимает.
Показательный пример: в одном из пилотных исследований с фотофиксацией еды и автоматическим распознаванием калорий (1–2 минуты на приём пищи) отсев участников составил всего 12,2% — против типичных 40% для программ по изменению пищевого поведения без такой автоматизации.
BodyCraft AI: ваш личный диетолог в кармане
Сфотографировали завтрак — получили КБЖУ. ИИ сразу подкорректировал план на день: «добавь белка вечером» или «можно позволить кусочек шоколада — уложишься в норму». Никаких жёстких запретов, только умная корректировка на основе того, что вы съели на самом деле, а не того, что вы думаете, что съели.
Результат? Вы едите нормально, не срываетесь и стабильно двигаетесь к цели — потому что считать калории должно быть просто, а не превращаться в неоплачиваемую работу на полставки.