Räkna kalorier med bild: så fungerar AI:n

Så uppskattar AI kalorier från en bild

Att räkna kalorier från en bild sker i tre steg, och moderna AI-modeller gör dem samtidigt.

Igenkänning. Modellen tittar på bilden och namnger det den ser: ris, lax, avokado, ett stekt ägg. Det är den del som AI klarar bäst, eftersom den har lärt sig från enorma mängder matbilder.
Portionsuppskattning. Sedan gissar den hur mycket det finns av varje livsmedel, oftast i gram. Den använder visuella ledtrådar som tallrikens storlek, en gaffel bredvid eller hur hög rishögen är.
Näringsvärden. Till sist räknar den om varje mängd till kalorier, protein, kolhydrater och fett utifrån vad den vet om typiska näringsvärden.

Fel kan smyga sig in i varje steg, och de läggs ihop. Om modellen känner igen maten rätt men gissar på 150 g pasta när du har 250 g, blir kalorierna cirka 40 % för låga hur bra igenkänningen än var.

Där bilduppskattningar har svårt

Portionsstorlek. En bild är platt, så djup är svårt att bedöma. En djup och en grund skål ris kan se likadana ut ovanifrån. Forskning på allmänna AI-modeller visade att de underskattade mer ju större portionerna blev.

Olja, smör och dressing. Fett som tillsätts vid matlagningen syns knappt, och det är kaloritätt. En matsked olivolja ger cirka 119 kcal och en matsked smör cirka 102 kcal (USDA). Forskarna vid University of Sydney kallar oförmågan att upptäcka ingredienser som tillsatts vid matlagningen för ”a recognised limitation of current food image recognition technology” (en känd begränsning i dagens teknik för bildigenkänning av mat).

Blandade rätter och såser. Curryrätter, grytor, gratänger och bowls i lager döljer vad som finns inuti. I samma studie varierade energiuppskattningarna för rätter som bibimbap, pho med nötkött och ägg på rostat bröd kraftigt mellan apparna, där vissa låg långt över och andra långt under.

Drycker. Ett glas mjölkte eller en latte visar inte hur mycket socker eller vilken sorts mjölk som finns i. I Sydney-studien underskattade apparna energin i bubble tea (pearl milk tea) med upp till 76 %.

Mindre vanliga livsmedel. Forskarna i Sydney fann att apparna ofta inte lyckades urskilja delarna i asiatiska rätter som pho med nötkött och bubble tea, och efterlyste mer AI-träning på ”mixed dishes and culturally diverse foods” (blandade rätter och mat från olika matkulturer).

Vad forskningen säger

Det här är referentgranskade studier som du kan läsa själv. De testade olika appar eller modeller under olika förhållanden, så siffrorna går inte att jämföra rakt av.

University of Sydney, 2024. Forskarna testade 18 kostappar, varav 7 med AI-bildigenkänning, och publicerade resultatet i Nutrients. De två bästa apparna identifierade 97 % respektive 92 % av livsmedelskomponenterna i testbilderna. Ändå drog författarna slutsatsen att ”automatic energy estimations from AI-enabled food image recognition were inaccurate” (de automatiska energiuppskattningarna var inte träffsäkra), särskilt för blandade rätter. Testbilderna togs i bra ljus och från samma vinkel, så vardagsbilder kan ge sämre resultat.

ChatGPT och måltidsbilder, 2025. I en studie i Nutrients fick ChatGPT-4 bilder på 114 måltider. Den identifierade livsmedlen rätt i 93 % av fallen. Uppskattningen av måltidens vikt stämde väl för små måltider och dåligt för medelstora och stora, och den underskattade 11 näringsämnen.

Tre AI-modeller jämförda, 2025. En studie i Current Developments in Nutrition testade ChatGPT-4o, Claude 3.5 Sonnet och Gemini 1.5 Pro på 52 standardiserade matbilder. ChatGPT och Claude hade ett genomsnittligt energifel på cirka 36 %, och Gemini 1.5 Pro hade större fel. Alla tre underskattade mer ju större portionerna var. CaloriePix använder nyare Google Gemini-modeller, som studien inte testade.

Manuell loggning är inte heller exakt. I samma Sydney-studie överskattade de 16 apparna med manuell matloggning en dag med västerländska måltider med i snitt cirka 250 kcal (1 040 kJ) och underskattade en dag med asiatiska måltider med cirka 360 kcal (1 520 kJ). En systematisk översikt från 2019 av 59 studier jämförde självrapporterat matintag med en exakt labbmetod (dubbelmärkt vatten) och fann att de flesta studier visade betydande underrapportering. Både en bilduppskattning och en handskriven logg innehåller fel. Det som hjälper mest är att logga regelbundet och rätta de delar du vet är fel.

Så hanterar CaloriePix det

Eftersom det svåra är portioner och dolda ingredienser är CaloriePix byggd så att du enkelt kan rätta dem.

En lista med delar som du kan ändra. En skanning visar varje livsmedel för sig, med uppskattad mängd och kalorier, protein, kolhydrater och fett. Tryck på valfri del för att ändra mängd eller enhet, eller rätta näringsvärdena, ända ner till noll om AI:n lagt till något som inte finns där. Du kan också byta namn på måltiden eller skala upp eller ner hela måltiden.
Vad uppskattningen utgick från. Granskningsvyn innehåller anteckningar om antagandena bakom uppskattningen, så att du ser vad den tog för givet innan du godkänner den.
Förpackningens egna värden för förpackad mat. När du skannar en streckkod slås produkten upp i databasen Open Food Facts, och när du skannar näringsetiketten läses värdena av direkt från förpackningen.
Ord när en bild inte räcker. Beskriv måltiden eller säg den högt, med mängder som ”2 msk pesto” eller ”en stor havrelatte”. Du kan också söka efter livsmedel med namn i USDA FoodData Central.

När du analyserar en bild eller beskrivning skickas den till Googles Gemini API, som returnerar uppskattningen. Själva dagboken stannar i din mobil. Uppskattningen är till för vardaglig loggning och är inte medicinsk rådgivning.

Tips för bättre uppskattningar

Använd bra ljus och få med hela tallrikenSkuggor och beskurna kanter döljer mat.
Ha tallriken och en gaffel eller sked i bildDe ger en känsla för skalan, vilket hjälper med portionsstorleken.
En tallrik per bildDelade rätter och fullt dukade bord är svårare att dela upp.
Lägg till det kameran inte serLogga matolja, smör, dressing och såser som en egen post, eller beskriv måltiden med ord och nämn dem.
Kontrollera stora portionerUppskattningarna blir ofta för låga när portionerna växer, så titta en extra gång på en stor skål pasta eller ris.
Använd streckkod eller etikett för förpackad matFörpackningens värden slår alla uppskattningar.
Beskriv dryckerAnge storlek, vilken mjölk och om den är sötad.
Väg iblandVäger du några vanliga livsmedel en gång lär du dig hur 100 g ser ut, och dina ändringar går snabbare.

Vanliga frågor

Är det exakt att räkna kalorier med AI?

AI är oftast bra på att namnge livsmedel och mindre pålitlig när det gäller mängder, dolt fett och blandade rätter. Studier av appar och AI-modeller har funnit betydande kalorifel, ofta underskattningar för större portioner. Använd uppskattningen som en utgångspunkt och rätta den.

Hur exakt är Cal AI?

Cal AI:s egna vanliga frågor säger att appen är ”about 80% accurate” (cirka 80 % träffsäker), kontrollerat 9 oktober 2026. Vi har inte testat Cal AI själva, och vi har inte hittat någon oberoende studie som har mätt det. Begränsningarna som beskrivs på den här sidan gäller bilduppskattningar i allmänhet.

Kan jag räkna kalorier med bild gratis?

Vissa allmänna AI-chattbotar kan uppskatta kalorier från en bild. Androidappen för CaloriePix har en gratisplan med 3 AI-analyser. Därefter, och på iPhone, ingår AI-funktionerna i prenumerationen, som börjar med 7 dagars gratis provperiod på årsplanen.

Är en bild mer exakt än att logga för hand?

Inte automatiskt. Att logga för hand kan bli exakt om du väger maten och väljer rätt poster, men forskning visar att människor underrapporterar vad de äter. En bild går snabbare, vilket kan göra det lättare att logga varje måltid, och du kan fortfarande ändra resultatet.

Varför missar AI:n matoljan?

Oljan sugs in i maten eller ligger under den, så kameran kan inte se hur mycket som användes. Lägg till den själv: 1 matsked olivolja ger cirka 119 kcal.

Vad händer med mina matbilder?

När du ber CaloriePix analysera en bild skickas den till Googles Gemini API, som returnerar uppskattningen. Integritetspolicyn för CaloriePix förklarar att Google kan spara frågor och svar i upp till 55 dagar för att upptäcka missbruk. Din dagbok, inklusive sparade måltidsbilder, stannar i din mobil.

Källor

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. Pressmeddelande från University of Sydney: AI food tracking apps need improvement to address accuracy, cultural diversity (29 augusti 2024)
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
U.S. Department of Agriculture. FoodData Central: olivolja (171413), smör, osaltat (173430)
Cal AI:s vanliga frågor: www.calai.app/faq (kontrollerat 9 oktober 2026)
Integritetspolicy för CaloriePix: shape-up-me-privacy-policy.vercel.app

Börja med din nästa måltid
Fota, kolla och se dagen ta form.