Наводишь телефон на тарелку — и через секунду-другую появляется число. Похоже на будущее учёта еды: ничего не искать, ничего не вбивать, никаких весов. Соблазн понятен, и скорость тут настоящая.
А вот точность — вопрос куда сложнее. Не потому что приложения специально ошибаются, а потому что фотография — это запись света, и почти всё, что определяет калорийность блюда, до объектива просто не доходит. Давайте честно разберём, что камера видит, а что нет, почему ошибки не усредняются и что даёт более устойчивую оценку там, где фото бессильно.
Что фото действительно может измерить#
С парой вещей снимок справляется по-настоящему хорошо. Он схватывает форму и примерный объём — отличит маленькую миску от большой, одно куриное бедро от двух. Схватывает цвет и текстуру, поэтому часто угадывает блюдо: это рис, это зелёный салат, это бургер. На этом шаге распознавания современные модели и правда впечатляют.
Если бы калории зависели от того, как тарелка выглядит, подсчёт по фото был бы почти решённой задачей. Беда в том, что они от этого не зависят. Внешний вид блюда и его калорийность связаны куда слабее, чем подсказывает интуиция, — и именно на этом разрыве держится вся проблема.
Чего камера не видит — и почему это важно#
Переменные, которые сильнее всего двигают калорийность, почти все невидимы на плоском снимке.
Жирность. По фото нельзя определить процент жира в фарше. 5% и 20% на тарелке выглядят одинаково, а разница — около 100 ккал на 100 г готовой котлеты. То же с мраморностью стейка, со снятой или оставленной куриной кожей, с куском свинины. Во многих блюдах именно жирность сильнее всего влияет на калорийность, но камера её не определит.
Масло и сливочное масло при готовке. Вот это самое коварное. Столовая ложка масла — около 120 ккал, и она почти растворяется в стир-фрае, в запечённых овощах, в яичнице. Две ложки против четырёх в одной сковороде — это 200+ ккал, а готовое блюдо выглядит одинаково. «Лёгкие» тушёные овощи и щедро политые маслом визуально почти неотличимы.
Объём и состав соуса. Сливочная заправка и винегретная могут лежать на салате похоже, но одна — это почти чистый жир, а вторая — кислота и вода. Камера видит блестящую плёнку; взвесить её она не может и не отличит сливки от бульона в уже перемешанном карри.
Скрытые ингредиенты. Сахар в маринаде, мёд в глазури, кусочек масла, растопленный в рисе, сыр, спрятанный внутри, а не сверху. Всё, что приготовлено внутри, а не выложено сверху, на снимке просто отсутствует. И это не редкий случай: большинство домашних и ресторанных блюд именно так и устроены — самое калорийное замешано в основу, а не лежит на виду.
Плотность. Два шарика мороженого могут отличаться на треть по калориям — смотря сколько в них взбито воздуха. Воздушный хлеб и плотный занимают одно и то же место. Объём — это не масса, а фото в лучшем случае даёт только объём.
Вот одно и то же блюдо, снятое одинаково, но с двумя правдоподобными составами, которые камере не различить:
Два стир-фрая, которые камера не отличит
Иллюстративно. Те же овощи, та же порция, то же фото — вся разница в том, что объектив не измеряет.
Этот разрыв — больше 250 ккал на одной тарелке — это примерно треть приёма пищи. И прячется он ровно в тех переменных, которые фото выбрасывает.
Проблема ракурса, света и «а где остальное»#
Даже то, что камера в принципе может оценить — объём, порцию, — она оценивает с одной неконтролируемой точки. И это добавляет свой слой ошибки поверх слоя невидимых ингредиентов.
- Ракурс. Миска сверху кажется мелкой; та же миска снизу — щедрой. Оценка глубины по одному кадру — это догадка, и догадка меняется от того, как вы держали телефон.
- Свет и цвет. Тёплая кухонная лампа, окно, вспышка — каждый меняет то, как модель читает «зажаренное» против «бледного», «масляный блеск» против «сухого».
- Перекрытие. Что под верхним слоем? Рис под карри, вторая котлета за первой, половина тарелки, не попавшая в кадр. Камера рассуждает только о том, что видит.
- Масштаб. Без знакомого предмета рядом модель выводит реальные размеры из пикселей — и широкая тарелка рядом с телефоном читается иначе, чем та же тарелка отдельно.
Почему одна и та же еда несёт такие разные числа — об этом подробно в гайде по скрытым калориям, с примерами по жиру, маслу и сахару, а наш справочный раздел способ приготовления показывает, как гриль, жарка и запекание меняют один и тот же продукт.
Почему оценку по фото нельзя просто скорректировать#
Можно подумать: ладно, камера что-то упускает, но я выучу её смещение и поправлю. Загвоздка в том, что ошибка — это не ровный сдвиг, который можно вычесть. Она зависит от блюда и от ингредиентов, поэтому от приёма к приёму смотрит в разные стороны.
Салат с винегретной заправкой модель может завысить, решив, что заправка сливочная. Следующий салат, уже со сливочной, — занизить, решив, что лёгкая. Постный стир-фрай читается высоко; жирный — низко. Единого поправочного коэффициента нет, потому что то, что гонит ошибку — невидимый состав — каждый раз другое.
Это и есть разница между точным и верным. Оценка по фото может ощущаться точной (она выдаёт «612 ккал», а не «примерно 500–700»), пока сама верность шаткая и неустойчивая. Вот эта ложная точность и заслуживает скепсиса: уверенное число не значит правильное. Хуже того, ровная цифра без диапазона усыпляет — она не подсказывает, что именно стоило бы перепроверить, и потому ошибку легко не заметить неделями.
Чего на самом деле стоит эта скорость#
Подсчёт по фото продают как быстрый вариант, и сам щелчок и правда быстрый. А вот всё вокруг — часто нет: переснять, потому что первое число выглядело странно, подвигать ползунок порции, исправить блюдо, которое модель опознала не так, решить, доверять ли числу, основания которого не видны. Скорость, которой нельзя доверять, — это не скорость, а число, в котором вы засомневаетесь к концу недели.
И есть издержка глубже. Когда оценка — чёрный ящик, вы ничего не узнаёте о своей собственной еде. Не выясняете, что дело было в соусе, в масле или в более жирном куске. Число приходит и уходит, а понимание того, откуда берутся ваши калории, не растёт. А ведь именно это понимание со временем и помогает есть спокойнее, без постоянного учёта каждого кусочка.
Что работает лучше — и почему#
Честный вывод не «учёт безнадёжен». Честный вывод — что источник оценки важнее интерфейса. Несколько подходов держатся лучше, чем догадка по одному снимку:
Собирайте блюдо из названных частей, а не выводите его из пикселей. Если вы говорите системе «куриное бедро на гриле, без кожи, 150 г, две ложки оливкового масла», то каждая калорийная переменная задана явно — именно те, что камере пришлось бы угадывать. Оценка хороша ровно настолько, насколько хороши ваши вводные, но это хотя бы вещи, которые вы можете знать.
Делайте способ приготовления и жир осознанным выбором, а не догадкой. Гриль против жарки, постное против жирного, чуть заправлено против щедро — это и есть основные источники различий. Подход, который позволяет задать их напрямую, одним движением убирает крупнейший источник ошибки фото.
Принимайте диапазон вместо ложной точности. Хорошая оценка сообщает, когда она не уверена. «Около 500–650, смотря по маслу» полезнее уверенного и непроверяемого «612», потому что подсказывает, что проверить — а колебание порции обычно сидит в одном-двух ингредиентах, а не во всей тарелке.
Взвешивайте то, что важно, остальное оставьте. Весы нужны не для всего. Они нужны для немногих рычажных позиций — масло, жирные белки, калорийные добавки, — а это ровно там, где фото ошибается сильнее всего. Скрытые калорийные жиры — обычные подозреваемые.
Всё это не про точность ради точности. Это про оценку, о которой можно рассуждать: где, если число выглядит не так, видно, какая часть его двигает, и эту часть можно изменить.
Честный итог#
Камера — прекрасный инструмент, чтобы опознать блюдо и грубо прикинуть порцию. И слабый инструмент, чтобы измерить жир, масло, соус и скрытые ингредиенты, которые на самом деле решают калорийность, — а поскольку эти ошибки меняются от блюда к блюду, надёжно поправить их задним числом не выйдет. Число ощущается точным, но точность тут взята взаймы.
Хотите более устойчивую оценку — перестаньте просить фото вывести то, чего оно не видит, и начните сообщать системе те немногие вещи, что важны: кусок, способ приготовления, масло, соус. Немного вводных — и куда более надёжный результат.
Calk не гадает по фото. Вы выбираете блюдо и подстраиваете то, что изменилось — кусок, способ приготовления, масло, соус, — и оценка собирается из ингредиентов, которые вы реально видите и задаёте. А если число выглядит странно, видно, какую именно часть стоит поменять.