Na ile dokładne jest liczenie kalorii ze zdjęcia?

Jak AI szacuje kalorie ze zdjęcia

Liczenie kalorii ze zdjęcia to trzy kroki, które nowoczesne modele AI wykonują jednocześnie.

1. Rozpoznanie. Model analizuje obraz i nazywa to, co widzi: ryż, łosoś, awokado, jajko sadzone. To AI wychodzi najlepiej, bo uczyła się na ogromnej liczbie zdjęć jedzenia.
2. Szacowanie porcji. Następnie ocenia, ile jest każdego produktu, zwykle w gramach. Korzysta ze wskazówek wizualnych, takich jak wielkość talerza, widelec obok czy wysokość kopczyka ryżu.
3. Wartości odżywcze. Na koniec zamienia każdą ilość na kalorie, białko, węglowodany i tłuszcze na podstawie typowych wartości odżywczych.

Błędy mogą się pojawić na każdym etapie i się sumują. Jeśli model dobrze rozpozna produkt, ale oszacuje 150 g makaronu, gdy masz go 250 g, kalorie będą zaniżone o ok. 40%, niezależnie od tego, jak dobre było rozpoznanie.

Gdzie szacunki ze zdjęcia zawodzą

Wielkość porcji. Zdjęcie jest płaskie, więc trudno ocenić głębokość. Głęboka i płytka miska ryżu mogą z góry wyglądać podobnie. Badania ogólnych modeli AI pokazały, że im większa porcja, tym bardziej zaniżają wynik.

Oleje, masło i dressingi. Tłuszcz dodany podczas gotowania jest w większości niewidoczny, a przy tym bardzo kaloryczny. Łyżka oliwy z oliwek to ok. 119 kcal, a łyżka masła ok. 102 kcal (USDA). Naukowcy z University of Sydney nazywają niewykrywanie składników dodanych podczas gotowania „uznanym ograniczeniem obecnej technologii rozpoznawania jedzenia na zdjęciach”.

Dania mieszane i sosy. Curry, gulasze, zapiekanki i warstwowe miski skrywają to, co mają w środku. W tym samym badaniu szacunki energii dla dań takich jak bibimbap, zupa pho z wołowiną czy jajka na toście bardzo się różniły między aplikacjami: jedne mocno zawyżały, inne mocno zaniżały.

Napoje. Na zdjęciu herbaty z mlekiem czy latte nie widać, ile jest w nich cukru ani jakie mleko dodano. W badaniu z Sydney aplikacje zaniżały energię bubble tea (pearl milk tea) nawet o 76%.

Mniej znane potrawy. Zespół z Sydney stwierdził, że aplikacje często nie potrafiły wyodrębnić składników dań azjatyckich, takich jak pho z wołowiną czy bubble tea, i zaapelował o więcej treningu AI na „daniach mieszanych i potrawach z różnych kultur”.

Co mówią badania

To recenzowane badania, do których możesz zajrzeć. Każde testowało inne aplikacje lub modele w innych warunkach, więc liczb nie da się bezpośrednio porównywać.

University of Sydney, 2024. Naukowcy przetestowali 18 aplikacji żywieniowych, w tym 7 z rozpoznawaniem zdjęć przez AI; wyniki opublikowano w Nutrients. Dwie najlepsze aplikacje poprawnie rozpoznały 97% i 92% składników na zdjęciach testowych. Autorzy i tak doszli do wniosku, że „automatyczne szacunki energii z rozpoznawania zdjęć jedzenia przez AI były niedokładne”, zwłaszcza dla dań mieszanych. Zdjęcia testowe zrobiono w dobrym świetle i pod stałym kątem, więc zdjęcia z codziennego życia mogą wypadać gorzej.

ChatGPT i zdjęcia posiłków, 2025. W badaniu opublikowanym w Nutrients ChatGPT-4 dostał zdjęcia 114 posiłków. Poprawnie rozpoznał produkty w 93% przypadków. Jego szacunek wagi posiłku dobrze zgadzał się z rzeczywistością przy małych posiłkach, a słabo przy średnich i dużych. Zaniżał też 11 składników odżywczych.

Porównanie trzech modeli AI, 2025. Badanie w Current Developments in Nutrition sprawdziło ChatGPT-4o, Claude 3.5 Sonnet i Gemini 1.5 Pro na 52 standaryzowanych zdjęciach jedzenia. ChatGPT i Claude myliły się w szacowaniu energii średnio o ok. 36%, a Gemini 1.5 Pro miał większe błędy. Wszystkie trzy tym bardziej zaniżały wynik, im większe były porcje. CaloriePix korzysta z nowszych modeli Google Gemini, których to badanie nie testowało.

Ręczne zapisywanie też nie jest dokładne. W tym samym badaniu z Sydney 16 aplikacji z ręcznym zapisywaniem posiłków zawyżało dzień zachodnich posiłków średnio o ok. 250 kcal (1040 kJ) i zaniżało dzień azjatyckich posiłków o ok. 360 kcal (1520 kJ). Przegląd systematyczny 59 badań z 2019 roku porównał deklarowane spożycie z precyzyjną metodą laboratoryjną (podwójnie znakowaną wodą) i wykazał, że w większości badań ludzie wyraźnie zaniżali to, co jedzą. Błędem obarczony jest zarówno szacunek ze zdjęcia, jak i ręcznie wpisany dziennik. Najbardziej pomaga regularne zapisywanie i poprawianie tych części, o których wiesz, że się nie zgadzają.

Jak radzi sobie z tym CaloriePix

Najtrudniejsze są porcje i ukryte składniki, dlatego aplikacja CaloriePix pozwala szybko je poprawić.

• Lista pozycji, którą możesz edytować. Skan zwraca każdy produkt osobno, z szacowaną ilością, kaloriami, białkiem, węglowodanami i tłuszczami. Stuknij dowolną pozycję, aby zmienić ilość lub jednostkę albo poprawić wartości odżywcze, nawet do zera, jeśli AI dodała coś, czego nie ma. Możesz też zmienić nazwę posiłku albo przeskalować całość w górę lub w dół.
• Założenia szacunku. Ekran podsumowania zawiera notatki i założenia, na których opiera się szacunek, więc widzisz, co AI przyjęła z góry, zanim go zaakceptujesz.
• Wartości z opakowania dla produktów paczkowanych. Skan kodu kreskowego wyszukuje produkt w bazie Open Food Facts, a skan etykiety odczytuje liczby z opakowania.
• Słowa, gdy zdjęcie nie wystarcza. Opisz posiłek albo powiedz go na głos, z ilościami, np. „2 łyżki pesto” albo „duże latte na mleku owsianym”. Możesz też wyszukiwać produkty po nazwie w USDA FoodData Central.

Gdy analizujesz zdjęcie lub opis, trafia on do Gemini API od Google, które zwraca szacunek. Sam dziennik zostaje na Twoim telefonie. Szacunek służy do codziennego liczenia kalorii i nie jest poradą medyczną.

Jak uzyskać lepsze szacunki

• 
  Zadbaj o dobre światło i cały talerz w kadrzeCienie i ucięte brzegi ukrywają jedzenie.
• 
  Niech talerz i widelec albo łyżka będą widoczneDają poczucie skali, co pomaga ocenić porcję.
• 
  Jeden talerz na zdjęcieWspólne półmiski i zastawione stoły trudniej rozdzielić.
• 
  Dodaj to, czego aparat nie widziZapisz olej, masło, dressingi i sosy jako osobną pozycję albo opisz posiłek słowami i o nich wspomnij.
• 
  Sprawdzaj duże porcjeIm większa porcja, tym częściej szacunek wychodzi za nisko, więc dużej misce makaronu czy ryżu przyjrzyj się dwa razy.
• 
  Przy produktach paczkowanych użyj kodu kreskowego lub etykietyLiczby z opakowania są lepsze niż każdy szacunek.
• 
  Opisuj napojePodaj wielkość, rodzaj mleka i to, czy napój jest słodzony.
• 
  Czasem coś zważJednorazowe zważenie kilku często jedzonych produktów nauczy Cię, jak wygląda 100 g, i przyspieszy poprawki.

Najczęstsze pytania

Źródła

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. Komunikat prasowy University of Sydney: AI food tracking apps need improvement to address accuracy, cultural diversity (29 sierpnia 2024 r.)
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: oliwa z oliwek (171413), masło niesolone (173430)
7. FAQ Cal AI: www.calai.app/faq (stan na 9 października 2026 r.)
8. Polityka prywatności aplikacji CaloriePix: shape-up-me-privacy-policy.vercel.app
9. Funkcje AI innych aplikacji (stan na 9 października 2026 r.): centrum pomocy Fitatu: Premium a Premium+AI, centrum pomocy YAZIO: AI calorie tracking, centrum pomocy MyFitnessPal: Meal Scan, Cal AI w polskim App Store

Zacznij od następnego posiłku
Pstryknij, sprawdź i patrz, jak sumuje się Twój dzień.