كيف تُحسب السعرات الحرارية من صورة؟

يفصل نموذج الرؤية الأصناف، ويقدّر الحصة، ثم يجلب القيم من قاعدة بيانات غذائية. أين تنجح الطريقة وأين تفشل.

قراءة 7 دقيقةآخر تحديث:

باختصار

يجري حساب السعرات من صورة عبر ثلاث خطوات: التعرّف على الأصناف، وتقدير الحصة، والمطابقة مع قاعدة البيانات. مع الأطباق الظاهرة بوضوح والمنفصلة يكون التقدير صالحًا للاستعمال؛ أما الطعام الغارق في الصلصة أو المتراكم أو الموضوع في أوعية مغلقة فيتّسع الخطأ كثيرًا. لهذا لا تحفظ التطبيقات الجادة النتيجة مباشرة، بل تفتح أولًا شاشة تصحيح.

ثلاث مشكلات لا واحدة

تحويل صورة وجبة إلى رقم من السعرات يعني حلّ ثلاث مشكلات منفصلة، ولكل منها هامش خطأ خاص بها. التفكير فيها منفصلة هو أوضح طريق لتقدير مدى الثقة بالرقم الناتج.

تعمل الخطوات بالتسلسل، فأي خطأ في الأولى ينتقل إلى ما بعدها. فإن ظنّ النموذج البرغل أرزًا، جاء الرقم خاطئًا حتى لو كان تقدير الحصة مثاليًا.

  • التعرّف على الأصناف: تحديد ما في الطبق. في الأطباق المختلطة يجب العثور على كل مكوّن على حدة.
  • تقدير الحصة: الانتقال من المساحة في الصورة إلى الوزن الحقيقي، بالاستناد إلى قطر الطبق وأدوات المائدة وعمق الوعاء.
  • مطابقة قاعدة البيانات: ضرب الصنف المتعرَّف عليه والوزن المقدَّر في قيم جدول التركيب الغذائي.

الصعوبة في الحصة لا في التعرّف

تتعرّف نماذج الرؤية اليوم على أنواع الأطباق بدقة لافتة. المشكلة الصعبة فعلًا هي الانتقال من صورة ثنائية الأبعاد إلى حجم ثلاثي الأبعاد: وعاءا حساء مصوّران من الزاوية نفسها قد يحويان 200 مل و350 مل ويبدوان متطابقين تقريبًا.

لذلك يستند تقدير الحصة إلى أجسام مرجعية. قطر طبق الطعام القياسي نحو 26-28 سم، وملعقة الشاي 5 مل، وملعقة الطعام 15 مل. يبحث النموذج عن هذه المقاسات المعروفة في الإطار ويبني منها مقياسًا. وإذا غاب أي مرجع — كلقطة قريبة تُقصّ فيها حافة الطبق — يتدهور التقدير بوضوح.

  • اجعل الطبق كاملًا داخل الإطار، وصوّر من الأعلى بدلًا من التصوير القريب.
  • في الأطباق المختلطة، اترك المكوّنات منفصلة قدر الإمكان.
  • سجّل الصلصات والزيت على حدة؛ فزيت الزيتون غير المرئي قد يضاعف سعرات السلطة.

الدهن هو السعرة التي لا تُرى

أكبر مصدر منفرد للخطأ في التقدير من الصورة هو الدهن المضاف. ملعقة طعام من زيت الزيتون تساوي نحو 120 سعرة، ونادرًا ما تظهر في الصورة. صدر الدجاج نفسه يحمل 240 سعرة إضافية بمجرد قليه بملعقتين من الزيت.

وهذا ليس عيبًا في الطريقة بقدر ما هو حدّ فيزيائي: لا يمكن لأي نموذج أن يعرف ما لم تره الكاميرا. ويزداد الغموض عند الأكل خارج البيت، لأنك أنت أيضًا لا تعرف كم زيتًا دخل المقلاة.

ما الذي يعنيه هامش الخطأ فعليًا؟

هدف تتبّع الطعام ليس الدقة المطلقة بل قياسًا ثابتًا. مع هدف يومي قدره 2000 سعرة، يمثّل خطأ 100 سعرة في وجبة واحدة انحرافًا بنسبة 5٪ ولا يشوّه اتجاه الأسبوع. أما الخطأ المنهجي فيشوّهه: احتساب الدهن أقل من حقيقته كل يوم يتراكم إلى آلاف السعرات شهريًا.

والنتيجة العملية أن تنظر إلى المتوسط الأسبوعي الناتج عن طريقة واحدة ثابتة، لا إلى الرقم المفرد. وإذا لم يتحرك الميزان، فراجع عادة التسجيل قبل أن تراجع الهدف — فغالبًا هناك بند لا تحتسبه.

أين تنفع وأين لا تنفع

قيمة الطريقة تأتي من إمكان الاستمرار عليها أكثر مما تأتي من دقتها. في التطبيقات التقليدية يستغرق تسجيل وجبة دقائق، ويتوقف معظم الناس خلال أسبوعين. وتسجيل يستغرق ثلاث ثوانٍ بهامش 10٪ أفضل من تسجيل مثالي لا يلتزم به أحد.

الحالةجودة التقدير
طبق واحد منفصل وواضح الرؤيةجيدة
طبق مختلط والمكوّنات قابلة للتمييزمتوسطة إلى جيدة
طبق مغطّى بالصلصة أو الكريمةضعيفة
وعاء مغلق أو لفافة أو معجّنات محشوةضعيفة جدًا
منتج معبّأ بباركود مقروءدقيقة

الأسئلة الشائعة

هل وزن الطعام أدقّ من تصويره؟

نعم، المُدخَل الموزون أدقّ دائمًا. لكن الوزن يضيف دقائق كل يوم، ويتخلّى عنه معظم الناس بعد أسابيع قليلة. أدقّ طريقة هي التي تستمر عليها؛ والوزن في البيت والتصوير خارجه توازن معقول لأغلب الناس.

لماذا تعطي صورتان للطبق نفسه رقمين مختلفين؟

لأن الزاوية والإضاءة والأجسام المرجعية داخل الإطار تغيّرت، فتغيّر معها تقدير الحصة. للحصول على نتائج أكثر ثباتًا، صوّر الطبق كاملًا من الأعلى ومن مسافة متقاربة في كل مرة.

هل يعمل بدون إنترنت؟

يحتاج التحليل إلى اتصال لأن الصورة تُعالَج على خادم. أما الوجبات المسجّلة سابقًا وسجلّك القديم فتبقى قابلة للعرض دون اتصال.

المصادر

  1. 1.

    Thames Q, Karpur A, Norris W, Xia F, Panait L, Weyand T, Sim J Nutrition5k: Towards Automatic Nutritional Understanding of Generic Food. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021.

  2. 2.

    Lu Y, Stathopoulou T, Vasiloglou MF, Pinault LF, Kiley C, Spanakis EK, Mougiakakou S goFOODTM: An Artificial Intelligence System for Dietary Assessment of Food Images. Sensors, 20(15):4283, 2020.

  3. 3.

    Vasiloglou MF, Mougiakakou S, Aubry E, et al. A Comparative Study on Carbohydrate Estimation: GoCARB vs. Dietitians. Nutrients, 10(6):741, 2018.

اللغة