Calculator calorii după poză: Cât de precis e AI-ul?

Cum estimează AI caloriile dintr-o poză

Când folosești un calculator de calorii cu poză, calculul are trei pași, iar modelele AI moderne îi fac pe toți odată.

1. Recunoașterea. Modelul se uită la imagine și numește ce vede: orez, somon, avocado, un ou ochi. Aici se descurcă AI-ul cel mai bine, pentru că a învățat din cantități uriașe de imagini cu mâncare.
2. Estimarea porțiilor. Apoi ghicește cât din fiecare aliment există, de obicei în grame. Folosește indicii vizuale, ca mărimea farfuriei, o furculiță alături sau înălțimea unei grămăjoare de orez.
3. Valorile nutriționale. La final transformă fiecare cantitate în calorii, proteine, carbohidrați și grăsimi, pe baza a ce știe despre valorile nutriționale tipice.

Erorile se pot strecura la fiecare pas și se adună. Dacă modelul numește corect alimentul, dar ghicește 150 g de paste unde tu ai 250 g, caloriile vor ieși cu circa 40% mai mici, oricât de bună ar fi fost recunoașterea.

Unde greșesc estimările din poză

Mărimea porției. O poză e plată, deci adâncimea e greu de apreciat. Un bol adânc de orez și unul puțin adânc pot arăta la fel, văzute de sus. Cercetările pe modele AI de uz general au arătat că acestea subestimau tot mai mult pe măsură ce porțiile creșteau.

Uleiuri, unt și dressinguri. Grăsimea adăugată la gătit e în mare parte invizibilă și are multe calorii. O lingură de ulei de măsline are circa 119 kcal, iar o lingură de unt circa 102 kcal (USDA). Cercetătorii de la University of Sydney numesc incapacitatea de a detecta ingredientele adăugate la gătit „o limitare recunoscută a tehnologiei actuale de recunoaștere a alimentelor din imagini”.

Mâncăruri compuse și sosuri. Curry-urile, tocănițele, mâncărurile la cuptor și bolurile în straturi ascund ce e înăuntru. În același studiu, estimările de energie pentru preparate ca bibimbap, pho de vită și ouă pe pâine prăjită au variat mult de la o aplicație la alta: unele au ieșit mult peste, altele mult sub.

Băuturile. Un pahar de ceai cu lapte sau un latte nu arată cât zahăr sau ce fel de lapte conține. În studiul din Sydney, aplicațiile au subestimat energia din bubble tea (pearl milk tea) cu până la 76%.

Alimentele mai puțin cunoscute. Echipa din Sydney a constatat că aplicațiile nu reușeau adesea să identifice componentele unor preparate asiatice precum pho de vită și bubble tea și a cerut ca AI-ul să fie antrenat mai mult pe „preparate compuse și alimente din culturi diverse”.

Ce spun cercetările

Acestea sunt studii evaluate de specialiști (peer-review), pe care le poți citi singur. Fiecare a testat alte aplicații sau modele, în alte condiții, deci cifrele nu se pot compara direct.

University of Sydney, 2024. Cercetătorii au testat 18 aplicații de nutriție, dintre care 7 cu recunoaștere AI din poze, iar studiul a fost publicat în Nutrients. Cele mai bune două aplicații au identificat corect 97% și 92% dintre componentele alimentare din pozele de test. Autorii au concluzionat totuși că „estimările automate de energie obținute prin recunoașterea AI a alimentelor din imagini au fost inexacte”, mai ales pentru mâncărurile compuse. Pozele de test au fost făcute în lumină bună și din același unghi, așa că pozele de zi cu zi pot ieși mai prost.

ChatGPT și pozele cu mese, 2025. Un studiu din Nutrients i-a dat lui ChatGPT-4 poze cu 114 mese. A identificat corect alimentele în 93% din cazuri. Estimarea greutății mesei s-a potrivit bine cu realitatea la mesele mici și slab la cele medii și mari, iar pentru 11 nutrienți valorile au ieșit subestimate.

Trei modele AI comparate, 2025. Un studiu din Current Developments in Nutrition a testat ChatGPT-4o, Claude 3.5 Sonnet și Gemini 1.5 Pro pe 52 de poze standardizate cu mâncare. ChatGPT și Claude au avut o eroare medie de energie de circa 36%, iar Gemini 1.5 Pro a avut erori mai mari. Toate trei au subestimat mai mult pe măsură ce porțiile creșteau. CaloriePix folosește modele Google Gemini mai noi, pe care studiul nu le-a testat.

Nici notarea manuală nu e exactă. În același studiu din Sydney, cele 16 aplicații cu notare manuală au supraestimat o zi de mese occidentale cu circa 250 kcal (1.040 kJ) în medie și au subestimat o zi de mese asiatice cu circa 360 kcal (1.520 kJ). O analiză sistematică din 2019 a 59 de studii a comparat aportul alimentar raportat de oameni cu o metodă precisă de laborator (apa dublu marcată) și a constatat că majoritatea studiilor arătau o subraportare semnificativă. Și o estimare din poză, și un jurnal tastat de mână au erori. Cel mai mult ajută să notezi constant și să corectezi părțile despre care știi că nu sunt în regulă.

Cum se descurcă CaloriePix

Pentru că părțile grele sunt porțiile și ingredientele ascunse, CaloriePix e construit ca să le poți corecta repede.

• O listă de alimente pe care o poți edita. O scanare returnează fiecare aliment separat, cu cantitatea estimată și caloriile, proteinele, carbohidrații și grăsimile lui. Atinge orice aliment ca să-i schimbi cantitatea sau unitatea ori să-i corectezi valorile nutriționale, chiar până la zero, dacă AI-ul a adăugat ceva ce nu există. Poți și redenumi masa sau o poți scala în sus ori în jos.
• Ce a presupus estimarea. Ecranul de verificare include note despre presupunerile din spatele estimării, ca să vezi ce a considerat de la sine înțeles înainte s-o accepți.
• Valorile de pe ambalaj pentru produsele ambalate. Scanarea codului de bare caută produsul în baza de date Open Food Facts, iar scanarea etichetei nutriționale citește cifrele de pe ambalaj.
• Cuvinte când poza nu poate arăta totul. Descrie masa sau spune-o cu voce tare, cu cantități ca „2 linguri de pesto” sau „un latte mare cu lapte de ovăz”. Poți căuta alimente și după nume în USDA FoodData Central.

Când analizezi o poză sau o descriere, aceasta e trimisă la Gemini API de la Google, care returnează estimarea. Jurnalul propriu-zis rămâne pe telefonul tău. Estimarea e pentru evidența de zi cu zi și nu e un sfat medical.

Sfaturi pentru estimări mai bune

• 
  Folosește lumină bună și prinde toată farfuria în cadruUmbrele și marginile tăiate ascund mâncare.
• 
  Ține în cadru farfuria și o furculiță sau o lingurăEle dau o idee de scară, care ajută la estimarea porției.
• 
  O farfurie pe pozăPlatourile comune și mesele pline de feluri sunt mai greu de separat.
• 
  Adaugă ce nu vede cameraNotează separat uleiul de gătit, untul, dressingurile și sosurile sau descrie masa în cuvinte și menționează-le.
• 
  Verifică porțiile mariEstimările tind să iasă mai mici pe măsură ce porțiile cresc, așa că uită-te de două ori la un bol mare de paste sau de orez.
• 
  Folosește codul de bare sau eticheta la produsele ambalateCifrele de pe ambalaj bat orice estimare.
• 
  Descrie băuturileSpune mărimea, ce fel de lapte are și dacă e îndulcită.
• 
  Cântărește din când în cândDacă cântărești o dată câteva alimente obișnuite, înveți cum arată 100 g, iar corecturile îți iau apoi mai puțin timp.

Întrebări frecvente

Surse

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. Comunicatul University of Sydney: AI food tracking apps need improvement to address accuracy, cultural diversity (29 august 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. Departamentul Agriculturii din SUA. FoodData Central: ulei de măsline (171413), unt nesărat (173430)
7. FAQ Cal AI: www.calai.app/faq (verificat pe 9 octombrie 2026)
8. Politica de confidențialitate CaloriePix: shape-up-me-privacy-policy.vercel.app

Începe cu următoarea masă
Pozeaz-o, verific-o și vezi cum se adună ziua.