Коротко: фотография помогает назвать еду и приблизительно оценить её видимый размер. Она не измеряет рецепт, жирность, впитавшееся масло и ингредиенты внутри блюда. Поэтому системы подсчёта калорий по фото вынуждены угадывать эти параметры, сужать задачу или просить пользователя исправить результат.
Главный вопрос звучит не «может ли ИИ распознать эту тарелку?», а «из какой информации получилось число калорий?»
Что показывают лучшие исследовательские системы#
Оценка еды по фото — это не одна технология. Результат зависит от камеры, числа ракурсов, допустимого списка продуктов и объёма ручных исправлений.
В исследовании 2020 года система на iPhone с датчиком глубины оценила энергию 48 приёмов пищи со средней абсолютной ошибкой 12,7% Herzig 2020. Это сильный результат, полученный в более узкой задаче, чем обещание «одно фото — один ответ»: пользователи вручную выбирали продукт из заранее заданного списка, распознавание еды не проверялось, а границы продукта на снимке можно было поправить.
В исследовании 2025 года проверили другой процесс в повседневной жизни. Система распознала 189 из 220 блюд (86%) и точно внесла 136 из 200 распознанных блюд (68%) Sahoo 2025. Пользователи могли исправлять названия, ингредиенты, способы приготовления и порции, а также добавлять пропущенные блюда. Исследование оценивало распознавание и внесение еды, а не ошибку в калориях каждого итогового блюда.
Систематический обзор дал более общий вывод: в отдельных работах ИИ показывал результат на уровне человеческой оценки или выше, но методы слишком различались для одной сводной цифры точности. Авторы также сочли, что такие инструменты пока не готовы к самостоятельному применению в исследованиях или клинической практике Shonkoff 2023.
Данные не говорят, что ввод по фото бесполезен. Они показывают, что «одно фото» и «точная оценка блюда» — разные обещания.
Что можно узнать по плоскому снимку#
Фотография даёт полезную информацию:
- видимая еда: рис, салат, хлеб, курица, суп;
- примерное количество: одно яйцо или два, одна котлета или две;
- видимая площадь и форма;
- цвет и поверхность;
- размер относительно тарелки, миски или приборов.
Датчик глубины, второй ракурс или предмет известного размера улучшают оценку объёма. Модель распознавания также может сократить длинный список поиска до нескольких вероятных продуктов.
Это наблюдаемые признаки. Итоговая калорийность зависит и от параметров, которые не попадают в объектив.
Чего фотография не измеряет напрямую#
Рецепт#
Одно и то же карри готовят с томатами, кокосовым молоком, сливками или гхи. Суп бывает на бульоне или со сливками. Фотография показывает готовую поверхность, но не ингредиенты, из которых она получилась.
Жирность и часть туши#
Постный и жирный фарш после приготовления могут выглядеть одинаково. То же верно для разных частей свинины или курицы, особенно когда вытопившийся жир остаётся в блюде. В гайде по скрытым калориям есть проверенный пример USDA: сырая говядина с 95% постного мяса и фарш 80/20 отличаются на 111 ккал на 100 г.
Масло при приготовлении#
Масло покрывает овощи, остаётся в панировке или впитывается в рис и соус. Блеск поверхности не показывает, сколько граммов добавили и сколько осталось на сковороде.
Ингредиенты внутри или под другим слоем#
Сахар в глазури, сливочное масло в рисе, сыр внутри котлеты и второй слой под соусом могут вообще не попасть на снимок.
Физический размер#
Один плоский снимок сам по себе не содержит надёжного масштаба. На оценку порции влияют размер тарелки, расстояние до камеры, угол съёмки и продукты, закрывающие друг друга.
Распознавание — только начало процесса#
Исследование Sahoo наглядно показывает разрыв: система распознала 86% блюд, а после ручной проверки и исправлений точно внесла 68% распознанных блюд Sahoo 2025.
Чтобы исправить результат фотографии, пользователю всё равно может понадобиться решить:
- какое блюдо попало в кадр;
- каких ингредиентов не хватает или какие распознаны неверно;
- как его приготовили;
- учтены ли масло, соус и сахар;
- какая порция была съедена.
Эти исправления — не мелкая работа после основного метода. Именно они добавляют информацию, которой не было в изображении.
Почему одной поправки недостаточно#
От блюда к блюду отсутствуют разные данные. На одном фото система может добавить слишком много заправки, на другом — пропустить впитавшееся масло. Порция может быть близка к фактической при неверном рецепте; название — правильным при неверном количестве.
Поэтому правило «моя камера обычно занижает на 15%» работает плохо. Направление и размер ошибки зависят от того, какой информации не хватило именно в этот раз.
Как работает Calk#
Calk начинает с блюда, а не с его фотографии. В шаблоне есть параметры, которые обычно меняются:
- белок или главный ингредиент;
- способ приготовления;
- масло, соус, сахар, соль и добавки;
- порция.
Выберите шаблон на главном экране. Если всё как обычно, нажмите «Съесть». Если курица стала лососем, поменяйте белок — и всё блюдо пересчитается.
Одинаковые параметры всегда дают одинаковую оценку. Если еда изменилась, изменившийся ингредиент назван прямо. Перед редактированием не нужно разбираться, что именно система угадала по изображению.
Подробнее — в статье как работают шаблоны блюд и в полном сравнении способов подсчёта калорий.
Вывод#
Фотография полезна для распознавания еды и приблизительной оценки размера. Она не измеряет рецепт, жирность, впитавшееся масло и скрытые ингредиенты.
Исследовательские системы улучшают результат с помощью датчика глубины, заранее заданного списка продуктов и ручных исправлений. Calk использует другой подход: начинает с редактируемого блюда, явно показывает важные параметры и позволяет повторно использовать его.
Calk доступен на iPhone, iPad и Android.
