AIが写真からカロリーを推定する仕組み
写真からカロリーを計算するには3つのステップがあり、最新のAIモデルはこれらをまとめて行います。
- 認識。 モデルが画像を見て、写っているものを特定します。ご飯、サーモン、アボカド、目玉焼きなどです。膨大な数の食べ物の画像から学習しているため、AIが最も得意とする部分です。
- 量の推定。 次に、それぞれの食べ物がどれだけあるかを、たいていグラム単位で推測します。お皿の大きさ、横に置いたフォーク、盛ったご飯の高さといった、見た目の手がかりを使います。
- 栄養の計算。 最後に、一般的な栄養成分の知識をもとに、それぞれの量をカロリー、タンパク質、炭水化物、脂質に換算します。
誤差はどのステップでも入り込み、積み重なります。料理名を正しく当てても、実際は250gあるパスタを150gと推測すれば、認識がどれだけ正確でも、カロリーは約40%少なくなります。
写真による推定が苦手なこと
量。 写真は平面なので、奥行きを判断しにくいのです。深い器のご飯と浅い器のご飯は、上から見ると同じように見えることがあります。汎用のAIモデルを調べた研究では、量が多くなるほど少なく見積もる傾向がありました。
油、バター、ドレッシング。 調理で加えた脂質はほとんど見えず、しかも高カロリーです。オリーブオイル大さじ1杯は約119kcal、バター大さじ1杯は約102kcalです（USDA）。シドニー大学の研究者は、調理中に加えられた材料を検出できないことを「現在の食品画像認識技術の既知の限界」と呼んでいます。
混ぜた料理とソース。 カレー、シチュー、グラタン、具材を重ねた丼などは、中身が見えません。同じ研究では、ビビンバ、牛肉のフォー、エッグトーストといった料理のエネルギー推定がアプリによって大きく異なり、大幅に多いものもあれば、大幅に少ないものもありました。
飲み物。 ミルクティーやラテは、砂糖の量や牛乳の種類が写真ではわかりません。シドニー大学の研究では、アプリはタピオカミルクティーのエネルギーを最大76%少なく見積もっていました。
なじみの薄い料理。 シドニー大学の研究チームは、アプリが牛肉のフォーやタピオカミルクティーのようなアジアの料理の構成要素をうまく見分けられないことが多いと指摘し、「混ぜた料理や文化的に多様な食品」について、AIをもっと学習させる必要があるとしています。
研究でわかっていること
以下は、ご自身でも読める査読付きの研究です。それぞれ異なるアプリやモデルを異なる条件でテストしているため、数値を直接比べることはできません。
シドニー大学（2024年）。 研究者は18の栄養アプリ（うち7つはAIによる写真認識に対応）をテストし、Nutrients誌に発表しました。上位2つのアプリは、テスト写真に含まれる食品の構成要素のそれぞれ97%と92%を正しく特定しました。それでも著者らは「AI対応の食品画像認識による自動のエネルギー推定は不正確だった」と結論づけ、特に混ぜた料理で顕著だったとしています。テスト写真は良い照明と一定の角度で撮影されていたため、日常の写真ではさらに悪くなる可能性があります。
ChatGPTと食事の写真（2025年）。 Nutrients誌の研究では、ChatGPT-4に114食分の写真を見せました。食品を正しく特定できたのは93%でした。食事の重さの推定は、少量の食事では実際とよく一致しましたが、中くらいや多めの食事では一致せず、11の栄養素を少なく見積もりました。
3つのAIモデルの比較（2025年）。 Current Developments in Nutrition誌の研究では、ChatGPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Proを、52枚の標準化された食品写真でテストしました。ChatGPTとClaudeのエネルギーの平均誤差は約36%で、Gemini 1.5 Proはそれより大きな誤差でした。3つとも、量が増えるほど少なく見積もる傾向がありました。CaloriePixは、この研究ではテストされていない、より新しいGoogle Geminiのモデルを使っています。
手入力も正確とは限りません。 同じシドニー大学の研究では、手入力に対応した16のアプリが、西洋の食事1日分を平均約250kcal（1,040kJ）多く、アジアの食事1日分を約360kcal（1,520kJ）少なく見積もっていました。59件の研究を対象にした2019年のシステマティックレビューでは、自己申告の食事量を精密な検査法（二重標識水法）と比較し、ほとんどの研究で大幅な過少申告が見られました。写真の推定も手入力の記録も、どちらも誤差を含みます。最も役立つのは、続けて記録し、ずれているとわかる部分を修正することです。
CaloriePixでの対処法
難しいのは量と隠れた材料なので、CaloriePixはそれを手早く直せるように作られています。
- 編集できる食材リスト。 スキャンすると、食品がひとつずつ、推定の量と、カロリー・タンパク質・炭水化物・脂質とともに表示されます。どの食材もタップすれば、量や単位を変えたり、栄養成分を修正したりでき、AIが実際にはないものを加えていれば0にもできます。食事名の変更や、食事全体の量の増減もできます。
- 推定の前提を表示。 確認画面には推定の前提についてのメモが表示されるので、保存する前に、何を前提にしているかを確かめられます。
- パッケージ食品はパッケージの数値で。 バーコードをスキャンするとOpen Food Factsのデータベースで商品を調べ、栄養成分表示をスキャンするとパッケージの数値を読み取ります。
- 写真で見えないものは言葉で。 「ジェノベーゼソース大さじ2」「オーツミルクのラテ、Lサイズ」のように量を添えて、食事を文章で入力するか、声で伝えましょう。USDA FoodData Centralで食品名を検索することもできます。
写真や説明を分析すると、推定を返すためにGoogleのGemini APIに送信されます。記録そのものはスマホに保存されます。推定は日々の記録のためのもので、医療上のアドバイスではありません。
推定を実際に近づけるコツ
明るい場所で、お皿全体を画面に入れる影や画面からはみ出た部分は、食べ物を隠してしまいます。
お皿と、箸やスプーンを一緒に写す大きさの手がかりになり、量の推定に役立ちます。
1枚の写真に1皿取り分ける料理や、料理が並んだテーブルは、分けて推定しにくくなります。
カメラに見えないものを追加する調理油、バター、ドレッシング、ソースは別の項目として記録するか、文章で説明するときに一緒に伝えましょう。
量が多いときは確認を量が多いほど推定は少なめに出やすいので、大盛りのパスタやご飯はよく確認しましょう。
パッケージ食品はバーコードかラベルでパッケージの数値は、どんな推定よりも確かです。
飲み物は言葉で説明するサイズ、牛乳の種類、甘さを伝えましょう。
ときどき量ってみるよく食べる食品を一度量ってみると、100gがどのくらいかがわかり、編集も手早くなります。
よくある質問
AIのカロリー計算は正確ですか？
料理名を当てるのはたいてい得意ですが、量、隠れた脂質、混ぜた料理は苦手です。アプリやAIモデルを調べた研究では、かなりのカロリー誤差が見つかっていて、量が多いと少なく見積もることがよくあります。推定は出発点として使い、修正しましょう。
Cal AIの精度は？
Cal AI自身のFAQでは「約80%の精度」としています（2026年10月9日確認）。私たちはCal AIを自分たちでテストしておらず、それを測定した独立した研究も見つけられませんでした。このページで説明した限界は、写真による推定全般に当てはまります。
写真でのカロリー計算は無料でできますか？
汎用のAIチャットボットの中には、写真からカロリーを推定してくれるものもあります。CaloriePixのAndroid版にはAI分析3回の無料プランがあります。それ以降とiPhoneでは、AI機能はサブスクリプションに含まれ、年額プランは7日間の無料トライアルから始まります。
写真は手入力より正確ですか？
必ずしもそうとは限りません。食品を量って正しい項目を選べば、手入力でも正確に記録できますが、研究では、人は食べた量を少なく申告しがちだとわかっています。写真のほうが手早いので毎食記録しやすく、結果を編集することもできます。
AIが調理油を見落とすのはなぜですか？
油は食べ物にしみ込んだり下にたまったりするので、どれだけ使ったかをカメラは見られません。ご自身で追加しましょう。オリーブオイル大さじ1杯は約119kcalです。
食事の写真はどうなりますか？
CaloriePixに写真の分析を頼むと、推定を返すためにGoogleのGemini APIに送信されます。CaloriePixのプライバシーポリシーでは、Googleが不正利用の監視のためにプロンプトと応答を最大55日間保持する場合があると説明しています。保存した食事の写真を含め、記録はスマホに保存されます。
参考文献
- Li X, Yin A, Choi HY, Chan V, Allman-Farinelli M, Chen J. Evaluating the Quality and Comparative Validity of Manual Food Logging and Artificial Intelligence-Enabled Food Image Recognition in Apps for Nutrition Care. Nutrients. 2024;16(15):2573. doi:10.3390/nu16152573。シドニー大学のニュースリリース：AI food tracking apps need improvement to address accuracy, cultural diversity（2024年8月29日）
- O'Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients. 2025;17(4):607. doi:10.3390/nu17040607
- Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images. Current Developments in Nutrition. 2025;9(10):107556. doi:10.1016/j.cdnut.2025.107556
- Burrows TL, Ho YY, Rollo ME, Collins CE. Validity of Dietary Assessment Methods When Compared to the Method of Doubly Labeled Water: A Systematic Review in Adults. Frontiers in Endocrinology. 2019;10:850. doi:10.3389/fendo.2019.00850
- Dalakleidi KV, Papadelli M, Kapolos I, Papadimitriou K. Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review. Advances in Nutrition. 2022;13(6):2590–2619. doi:10.1093/advances/nmac078
- 米国農務省 FoodData Central：オリーブオイル（171413）、無塩バター（173430）
- Cal AIのFAQ：www.calai.app/faq（2026年10月9日確認）
- CaloriePixのプライバシーポリシー（英語）：shape-up-me-privacy-policy.vercel.app
撮って、確かめて、1日の合計をチェック。
