Calorieën tellen met een foto: Hoe nauwkeurig is AI?

Zo schat AI calorieën uit een foto

Calorieën tellen met een foto gebeurt in drie stappen, en moderne AI-modellen doen die tegelijk.

1. Herkenning. Het model bekijkt de afbeelding en benoemt wat het ziet: rijst, zalm, avocado, een gebakken ei. Daar is AI het best in, omdat het heeft geleerd van enorme aantallen foto's van eten.
2. Portieschatting. Daarna schat het hoeveel er van elk voedingsmiddel is, meestal in grammen. Het gebruikt visuele aanwijzingen zoals de grootte van het bord, een vork ernaast of de hoogte van een berg rijst.
3. Voedingswaarde. Tot slot zet het elke hoeveelheid om in calorieën, eiwit, koolhydraten en vet, op basis van wat het weet over gangbare voedingswaarden.

Bij elke stap kunnen fouten ontstaan, en die stapelen zich op. Benoemt het model het eten goed, maar schat het 150 g pasta terwijl je 250 g hebt, dan valt het aantal calorieën ongeveer 40% te laag uit, hoe goed de herkenning ook was.

Waar schattingen uit een foto moeite mee hebben

Portiegrootte. Een foto is plat, dus diepte is moeilijk in te schatten. Een diepe kom rijst en een ondiepe kunnen er van bovenaf hetzelfde uitzien. Onderzoek naar algemene AI-modellen vond dat ze meer gingen onderschatten naarmate de porties groter werden.

Olie, boter en dressings. Vet dat je bij het koken toevoegt, is grotendeels onzichtbaar, en het zit vol calorieën. Eén eetlepel olijfolie bevat ongeveer 119 kcal en één eetlepel boter ongeveer 102 kcal (USDA). De onderzoekers van de University of Sydney noemen het feit dat ingrediënten die bij het koken zijn toegevoegd niet worden gezien, een erkende beperking van de huidige technologie voor beeldherkenning van eten.

Samengestelde gerechten en sauzen. Curry's, stoofpotten, ovenschotels en bowls met laagjes verbergen wat erin zit. In dezelfde studie liepen de energieschattingen voor gerechten als bibimbap, pho met rundvlees en eieren op toast sterk uiteen tussen apps: sommige zaten er ruim boven, andere ruim onder.

Drankjes. Aan een glas milk tea of een latte zie je niet hoeveel suiker erin zit of welke melk. In de studie uit Sydney onderschatten apps de energie in bubble tea (pearl milk tea) met tot wel 76%.

Minder bekende gerechten. Het team uit Sydney zag dat apps de onderdelen van Aziatische gerechten zoals pho met rundvlees en bubble tea vaak niet herkenden, en riep op om AI meer te trainen op samengestelde gerechten en eten uit verschillende eetculturen.

Wat het onderzoek zegt

Dit zijn peer-reviewed studies die je zelf kunt lezen. Elke studie testte andere apps of modellen onder andere omstandigheden, dus de cijfers zijn niet één op één te vergelijken.

University of Sydney, 2024. Onderzoekers testten 18 voedingsapps, waarvan 7 met AI-fotoherkenning, en publiceerden de resultaten in Nutrients. De beste twee apps herkenden 97% en 92% van de voedingsonderdelen op de testfoto's. Toch concludeerden de auteurs dat de automatische energieschattingen van AI-beeldherkenning onnauwkeurig waren, vooral bij samengestelde gerechten. Hun testfoto's waren gemaakt in goed licht en vanuit een vaste hoek, dus foto's uit het dagelijks leven kunnen slechter uitpakken.

ChatGPT en foto's van maaltijden, 2025. Een studie in Nutrients gaf ChatGPT-4 foto's van 114 maaltijden. Het model benoemde het eten in 93% van de gevallen goed. Het geschatte gewicht van de maaltijd klopte goed bij kleine maaltijden en slecht bij middelgrote en grote, en het model onderschatte 11 voedingsstoffen.

Drie AI-modellen vergeleken, 2025. Een studie in Current Developments in Nutrition testte ChatGPT-4o, Claude 3.5 Sonnet en Gemini 1.5 Pro op 52 gestandaardiseerde foto's van eten. ChatGPT en Claude zaten gemiddeld ongeveer 36% naast de energiewaarde, en Gemini 1.5 Pro maakte grotere fouten. Alle drie onderschatten meer naarmate de porties groter werden. CaloriePix gebruikt nieuwere Gemini-modellen van Google, die in die studie niet zijn getest.

Handmatig loggen is ook niet exact. In dezelfde studie uit Sydney overschatten de 16 apps met handmatig loggen een dag met westerse maaltijden met gemiddeld ongeveer 250 kcal (1.040 kJ) en onderschatten ze een dag met Aziatische maaltijden met ongeveer 360 kcal (1.520 kJ). Een systematische review uit 2019 van 59 studies vergeleek zelf gerapporteerde voedselinname met een precieze labmethode (dubbel gelabeld water) en vond dat de meeste studies een duidelijke onderrapportage lieten zien. Zowel een schatting uit een foto als een met de hand getypt logboek bevat fouten. Wat het meest helpt, is consequent loggen en de onderdelen corrigeren waarvan je weet dat ze niet kloppen.

Hoe CaloriePix hiermee omgaat

Omdat porties en verborgen ingrediënten het lastigst zijn, is CaloriePix zo gebouwd dat je juist die snel kunt corrigeren.

• Een lijst met onderdelen die je kunt aanpassen. Een scan geeft elk voedingsmiddel apart terug, met de geschatte hoeveelheid en de calorieën, eiwit, koolhydraten en vet. Tik op een onderdeel om de hoeveelheid of eenheid te wijzigen of de voedingswaarde te corrigeren, tot nul aan toe als de AI iets heeft toegevoegd wat er niet is. Je kunt ook de naam van de maaltijd wijzigen of de hele maaltijd groter of kleiner maken.
• Wat de schatting aannam. Het controlescherm toont notities over de aannames achter de schatting, zodat je ziet waar die van uitging voordat je hem accepteert.
• De waarden van de verpakking bij verpakt eten. Als je een barcode scant, zoekt de app het product op in de database van Open Food Facts, en als je het voedingsetiket scant, worden de waarden van de verpakking uitgelezen.
• Woorden als een foto het niet laat zien. Beschrijf de maaltijd of spreek hem in, met hoeveelheden zoals ‘2 el pesto’ of ‘een grote latte met havermelk’. Je kunt ook op naam zoeken in USDA FoodData Central.

Als je een foto of beschrijving laat analyseren, gaat die naar de Gemini API van Google, die de schatting teruggeeft. Je dagboek zelf blijft op je telefoon. De schatting is bedoeld om dagelijks bij te houden en is geen medisch advies.

Tips voor betere schattingen

• 
  Zorg voor goed licht en het hele bord in beeldSchaduwen en afgesneden randen verbergen eten.
• 
  Houd het bord en een vork of lepel in beeldDie geven een idee van de schaal, en dat helpt bij de portiegrootte.
• 
  Eén bord per fotoGedeelde gerechten en volle tafels zijn lastiger op te splitsen.
• 
  Voeg toe wat de camera niet zietLog bakolie, boter, dressings en sauzen als apart item, of beschrijf de maaltijd in woorden en noem ze erbij.
• 
  Controleer grote portiesSchattingen vallen vaak te laag uit naarmate porties groter worden, dus kijk extra goed bij een groot bord pasta of rijst.
• 
  Gebruik de barcode of het etiket bij verpakt etenDe waarden op de verpakking zijn beter dan welke schatting ook.
• 
  Beschrijf drankjesNoem de grootte, de melk en of er suiker in zit.
• 
  Weeg af en toeAls je een paar producten die je vaak eet één keer weegt, leer je hoe 100 g eruitziet, en gaan je aanpassingen sneller.

Veelgestelde vragen

Bronnen

1. 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. Persbericht van de University of Sydney: AI food tracking apps need improvement to address accuracy, cultural diversity (29 augustus 2024)
2. 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
3. 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
4. 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
5. 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
6. U.S. Department of Agriculture. FoodData Central: olijfolie (171413), boter, ongezouten (173430)
7. FAQ van Cal AI: www.calai.app/faq (gecontroleerd op 9 oktober 2026)
8. Privacybeleid van CaloriePix: shape-up-me-privacy-policy.vercel.app

Begin bij je volgende maaltijd
Maak een foto, check de schatting en zie hoe je dag zich vult.