Kalorietællere med foto er typisk præcise inden for omkring 10 til 20% for et normalt måltid på en tallerken, som grillet kylling med ris eller en skål æg og toast. De bliver dårligere ved blandede retter, tunge saucer og drikkevarer, hvor kameraet ikke kan se, hvad der kom i panden. Løsningen er ikke en mere perfekt AI. Det er et hurtigt rettetryk, når estimatet ser forkert ud, og logning nok til, at de små fejl udligner sig over en uge.
Spørgsmålet alle stiller, før de stoler på en foto-app
Du peger kameraet mod en tallerken pasta, appen siger "620 kcal", og din første tanke er: siger hvem? Fair nok. Hvis tallet kan være halveret forkert, giver hele vanen ingen mening. Lad os derfor skille, med klare tal, det foto-AI'en er genuint god til, fra det, den stadig gætter på.
Det, der er løst: at genkende maden på tallerkenen
At genkende, hvad du spiser, er stort set et løst problem nu. Moderne vision-modeller genkender almindelige retter korrekt langt de fleste gange: grillet kylling, en burrito bowl, røræg, modellen kender dem. Genkendelsesfejl er nu undtagelsen, ikke reglen.
Det, der ikke er løst: portioner, skjulte olier og blandede retter
Portionsstørrelse er der, hvor den egentlige fejl bor. Et foto er et fladt 2D-billede af en 3D-tallerken, så modellen kan ikke veje din ris. Det er kilden til det meste af den typiske 10 til 20%-margin, og den kan blive bredere ved sværere tallerkener.
Tre ting gør det værre:
- Skjulte kalorier. Spiseskeen olivenolie i panden, smørret i saucen. Usynlig på billedet, meget synlig på vægten.
- Blandede og indpakkede retter. Gryderetter, gratiner, burritos, alt der er lagdelt, hvor du ikke kan se hver ingrediens for sig, har typisk den bredeste fejl.
- Drikkevarer og saucer. En skvæt dressing eller en sukkerholdig drik er let at springe over på et foto og let at undervurdere, selv når det er logget.
Så det ærlige fejlbudget ser sådan ud: at genkende maden bidrager med lidt fejl, portioner og skjulte ekstra ting bidrager med det meste.
Er AI-kalorietælling svært? Det er faktisk den nemmeste måde at logge på
Her er den del, der forsvinder i debatten om præcision: fotologning er ikke svært, det er den nemmeste logningsmetode, der findes. Den gamle måde (søg i en database, gæt hvilken af ni "kyllingebryst"-indtastninger der er den rigtige, vej eller vurder portionen, tast den ind) kræver rigtig indsats hver eneste gang. Et foto springer helt over søge-og-vej-trinnet. Du peger, du får et estimat, du er færdig på få sekunder.
Den ærlige grænse er, at "hurtigt" og "perfekt præcist" ikke er det samme. Et fotoestimat er et godt starttal, ikke en lab-måling. Hvis du har brug for klinisk præcision, er en madvægt og manuel indtastning stadig det mere eksakte værktøj. Til daglig logning slår et hurtigt estimat, du rent faktisk bruger, et præcist et, du opgiver efter en uge.
Sådan får du mere præcise resultater
Nogle få vaner lukker det meste af hullet mellem et groft fotogæt og et genuint nyttigt tal:
- Tag billedet i godt lys. Svagt eller gulligt lys gør portioner og ingredienser sværere at læse, både for modellen og for dig.
- Få hele tallerkenen med i billedet. Et beskåret foto skjuler præcis den del, der ville have rettet estimatet.
- Én tallerken per foto. To retter i ét billede tvinger modellen til at dele kalorier mellem madvarer, den ikke kan adskille helt.
- Tjek og ret portionen. Hvis tallerkenen ser større eller mindre ud, end estimatet antager, så juster den. Denne ene vane retter mere fejl end noget kameratrick.
- Log drikkevarer og saucer separat. De er det letteste at glemme og ofte det letteste at bedømme forkert ud fra et foto.
Sådan håndterer Kalo usikkerhed: se det, ret det på to tryk
Da portionsfejl er uundgåelig, bliver designspørgsmålet: hvad gør appen ved det? I Kalo kan hvert element på resultatkortet redigeres. Hvis portionen, en ingrediens eller en skjult ekstra ting ser forkert ud, retter du den på et par tryk, lige der, ikke gennem en fem-skærms redigeringsmenu. Tag billedet, kig, juster, færdig.
Den anden halvdel handler om mennesker. Du kan tilføje op til 5 venner, se alles dag side om side, reagere og skubbe til hinanden, og par kan parres, så en partner også ser dit log. At se din dag ved siden af en andens er et jævnt skub til at blive ved med at logge på de dage, du ellers ville springe over, og det betyder mere for dine resultater, end at ét enkelt estimat er perfekt. Præcision holder et tal ærligt. Selskab holder vanen i live.
Hvis du vil have en tracker, der er ærlig om sine fejlmarginer, nem at rette, og sjovere med dine folk i den, er Kalo på iOS og Android.