Может ли ИИ подсчитать калории по фото и насколько ему можно доверять

Приложения, которые с помощью ИИ могут по фото определить калорийность и питательную ценность блюда, кажутся волшебством и очень удобны. Ведь не нужно тратить много времени на взвешивание каждого ингредиента и ввод его вручную в приложение для подсчета калорий. Но насколько точна такая оценка и может ли погрешность повлиять на результат похудения?

Оказывается, точность такой оценки зависит от того, что именно лежит на тарелке.

На основании одной фотографии приложение проходит четыре этапа один за другим. Каждый следующий этап опирается на результат предыдущего, поэтому если где-то возникает небольшая ошибка, она передается дальше по цепочке.

Алгоритм компьютерного зрения анализирует изображение и определяет, что именно на нем: курица, рис, брокколи, соус. Это работает хорошо, когда на тарелке один-два простых продукта. Задача усложняется, когда ингредиенты перемешаны, залиты соусом или частично скрыты друг за другом.

Далее система оценивает, сколько именно еды на тарелке — по объему или весу. Главная сложность здесь заключается в том, что обычное фото — это плоское 2D-изображение, а порция существует в трех измерениях. Глубину, высоту горки риса или толщину куска мяса алгоритм оценивает приблизительно, ориентируясь на размер тарелки, тени и типичные пропорции блюд.

Когда продукты распознаны, а порция оценена, приложение ищет соответствующие записи в своей базе данных и подбирает для каждого продукта показатели калорийности и БЖВ (белков, жиров и углеводов) на 100 граммов.

Последний шаг — чистая арифметика. На этом этапе оцененный вес умножается на показатели из базы данных, а результаты по каждому продукту суммируются в общую цифру для всей тарелки.

Калорийность — не визуальное свойство еды. Ее невозможно увидеть на фото так же, как цвет или форму. ИИ не измеряет калории, а последовательно угадывает: что это за продукт, сколько его и какую цифру из базы к нему применить.

Каждый из четырех шагов имеет собственную погрешность. Если алгоритм неправильно распознал продукт, последующие шаги уже рассчитывают не тот показатель калорийности. Если порция переоценена на 20%, результат смещается на ту же величину, даже если продукт определен правильно. Ошибка на одном этапе может повлиять на все последующие и в итоге увеличить погрешность финальной оценки.

Универсального показателя погрешности не существует, и к любому источнику, который его указывает, следует относиться с осторожностью. Результаты в значительной степени зависят от конкретного алгоритма, типа пищи и условий тестирования.

Систематический обзор Annals of Medicine 2023 года, в котором были проанализированы 52 исследования ИИ-систем подсчета калорий по фотографиям, показал, что относительная погрешность в оценке калорийности колебалась от 0,1% до 38,3% в зависимости от конкретного исследования, а погрешность в оценке объема порции — от 0,09% до 33%. Авторы обзора отмечают, что меньшая погрешность наблюдалась при оценке простых однокомпонентных блюд, и что результаты ИИ-систем уже приближаются к точности оценок, которые делают эксперты вручную.

Такой разброс цифр — следствие того, что исследователи тестируют очень разные системы на очень разных наборах фотографий еды. Обзор Advances in Nutrition за 2022 год, в котором проанализированы 78 исследований систем распознавания еды по фотографиям, подтверждает ту же логику. Лучшие результаты дают нейросетевые алгоритмы (их использовали 58 % рассмотренных систем), но точность все равно резко падает при распознавании блюд, где «ингредиенты перемешаны и визуально неразличимы — например, в салате, супе или бургере», как отмечают авторы обзора.

Отдельно стоит отметить, что оценка размера порции — один из самых слабых этапов всего процесса. В систематическом обзоре Nutrition Reviews за 2020 год было проанализировано более 500 инструментов для оценки размера порции и выявлено, что методы на основе фотографий точнее, чем традиционные бумажные модели блюд, но качественных валидационных исследований, проверяющих эти инструменты на реальном весе порций, пока немного.

Систематичний огляд Annals of Medicine 2023 року, що проаналізував 52 дослідження ШІ-систем підрахунку калорій за фото, показав, що відносна похибка в оцінці калорійності коливалась від 0,1% до 38,3% залежно від конкретного дослідження, а похибка в оцінці об’єму порції — від 0,09% до 33%. Автори огляду відзначають, що менша похибка спостерігалася під час оцінки простих однокомпонентних страв, і що результати ШІ-систем уже наближаються до точності оцінок, які роблять люди-експерти вручну.

Сравнивать все эти системы напрямую сложно, и единой стандартизированной базы для тестирования пока нет, на что обращает внимание и обзорная статья в Journal of Medical Internet Research 2024 года, которая проанализировала 84 исследования за 2008–2021 годы. Авторы отмечают, что большинство систем достаточно хорошо проверены относительно точности подсчета калорий и макронутриентов, но значительно хуже — микронутриентов, например натрия.

Поэтому когда кто-то называет одну конкретную цифру («ИИ ошибается на 20%»), следует уточнять, на каком именно блюде и в каком исследовании эту цифру получили.

Тарелка с запеченным куриным филе — относительно простая задача. Она имеет четкие пределы продукта, один ингредиент, мало скрытых переменных. Тарелка плова, салата с заправкой или пиццы с несколькими начинками — совсем другая история. Здесь продукты перекрывают друг друга, границы размыты, а часть ингредиентов вообще не видна.

Пример. Представь две тарелки, которые на фото выглядят почти одинаково: запеченная курица с овощами. На первой курица приготовлена ​​без масла, овощи — на пару. На второй курица обжарена на растительном масле, а овощи заправлены соусом на основе майонеза. Визуально разница минимальна — несколько оттенков цвета и легкий блеск. Реальная разница в калорийности может составлять несколько сотен калорий, именно из-за масла и соуса, которых камера практически не фиксирует.

Масло и соус почти не меняют силуэт блюда на фото, зато существенно изменяют его калорийность. И об этом нужно помнить.

Для простых блюд, таких как куриное филе с рисом или салат без заправки, приложению обычно легче оценить состав и порцию. А вот с домашними блюдами из нескольких ингредиентов, блюдами в растительном масле или соусе и порциями в необычной посуде, сложнее. В таких случаях цифру следует воспринимать как ориентир, который можно и следует скорректировать.

Несколько простых шагов снижают погрешность:

Чем проще блюдо на тарелке и чем меньше в нем скрытого от камеры, тем точнее работает подсчет за фото. Чем сложнее блюдо, тем важнее проверить цифру самостоятельно, а не воспринимать ее как окончательную.

Подсчет калорий за фото — это не одно действие, а цепочка оценок: распознавание продуктов, оценка порции, сопоставление с базой данных и расчет калорий. Каждый шаг придает немного погрешности, поэтому результат — приблизительная цифра.

Для простых блюд такая оценка работает хорошо и существенно упрощает ведение пищевого дневника. Для сложных многокомпонентных блюд с маслом, соусами или скрытыми ингредиентами следует проверять распознанные продукты и при необходимости корректировать порцию вручную.

Так что приложениями с ИИ-распознаванием блюд и автоматическим подсчетом калорий вполне можно пользоваться. Просто воспринимай результат как оценку, а для сложных блюд потрать немного больше времени: добавь соусы и масло и проверь, правильно ли ИИ распознал то, что лежит на тарелке.

Приходи в наши фитнес-клубы APOLLO NEXT и подбери формат тренировок под свой уровень подготовки и образ жизни.

Подпишись на наш канал в Instagram и TikTok, чтобы узнавать еще больше интересной и полезной информации!

Ссылки на научные источники (References):