Kısaca
Fotoğraftan kalori hesaplama üç adımdan oluşur: besin tanıma, porsiyon tahmini ve veritabanı eşleştirmesi. Net görünen, ayrı duran yemeklerde tahmin genelde işe yarar; sos içinde kaybolan, üst üste yığılmış veya kapalı kaptaki yemeklerde sapma büyür. Bu yüzden ciddi uygulamalar sonucu doğrudan kaydetmez, önce düzeltme ekranı açar.
Üç adımlı bir işlem
Bir yemek fotoğrafı kaloriye çevrilirken üç ayrı problem çözülür ve her birinin kendi hata payı vardır. Bu üç adımı ayrı ayrı düşünmek, sonuca ne kadar güvenmeniz gerektiğini anlamanın en pratik yolu.
Adımlar sırayla çalışır; ilkinde yapılan hata sonrakilere taşınır. Yani model tabaktaki bulguru pilav sanırsa, porsiyon tahmini doğru olsa bile kalori yanlış çıkar.
- Besin tanıma: Tabakta ne olduğunun belirlenmesi. Karışık tabaklarda her bileşen ayrı ayrı bulunmalı.
- Porsiyon tahmini: Görüntüdeki alandan gerçek ağırlığa geçiş. Tabak çapı, çatal-bıçak ve kap derinliği referans alınır.
- Veritabanı eşleştirmesi: Tanınan besin ve tahmini ağırlık, besin bileşimi tablosundaki değerlerle çarpılır.
En zor kısım porsiyon, tanıma değil
Görüntü modelleri bugün yemek türünü şaşırtıcı ölçüde iyi tanıyor. Asıl zorluk, iki boyutlu bir fotoğraftan üç boyutlu bir hacme geçmek: aynı açıdan çekilmiş iki tabak çorbadan biri 200 ml, diğeri 350 ml olabilir ve fotoğrafta neredeyse aynı görünürler.
Bu yüzden porsiyon tahmini referans nesnelere dayanır. Standart bir yemek tabağı yaklaşık 26-28 cm, bir çay kaşığı 5 ml, bir yemek kaşığı 15 ml. Model bu bilinen ölçüleri görüntüde bulup ölçek kurar. Referans yoksa — örneğin yemek yakın plandaysa ve tabak kadraja girmiyorsa — tahmin belirgin şekilde bozulur.
- Tabağın tamamı kadraja girsin; yakın plan yerine yukarıdan çekin.
- Karışık tabaklarda bileşenleri mümkünse birbirine karıştırmayın.
- Sos ve yağı ayrıca belirtin; görünmeyen zeytinyağı bir salatanın kalorisini iki katına çıkarabilir.
Yağ, görünmeyen kalori
Kalori tahmininde en büyük tek sapma kaynağı eklenen yağdır. Bir yemek kaşığı zeytinyağı yaklaşık 120 kaloridir ve fotoğrafta çoğu zaman hiç görünmez. Aynı ızgara tavuk, tavada iki kaşık yağla pişirildiğinde 240 kalori fazla taşır.
Bu, yöntemin bir kusuru değil, fiziğin sınırı: kameranın görmediğini hiçbir model bilemez. Dışarıda yediğiniz öğünlerde bu belirsizlik daha da büyür, çünkü mutfakta ne kadar yağ kullanıldığını siz de bilmezsiniz.
Hata payı gerçekte ne anlama gelir?
Beslenme takibinde amaç mükemmel doğruluk değil, tutarlı bir ölçüdür. Günlük 2.000 kalorilik bir hedefte tek bir öğünde yapılan 100 kalorilik hata, günün toplamında %5’lik bir sapmadır ve haftalık eğilimi bozmaz. Sistematik hata ise bozar: her gün yağı eksik saymak, ayda binlerce kalorilik bir farka dönüşür.
Pratik sonuç şu: rakamın kendisine değil, aynı yöntemle ölçülen haftalık ortalamaya bakın. Kilonuz düşmüyorsa, hedefi değil ölçüm alışkanlığınızı gözden geçirin — büyük ihtimalle eksik saydığınız bir kalem vardır.
Nerede işe yarar, nerede yaramaz
Yöntemin değeri doğruluğundan çok sürdürülebilirliğinden gelir. Klasik kalori uygulamalarında bir öğünü kaydetmek dakikalar sürer ve çoğu kişi iki hafta içinde bırakır. Üç saniyede kaydedilen ve %10 hata payı olan bir kayıt, hiç tutulmayan kusursuz bir kayıttan daha faydalıdır.
| Durum | Tahmin kalitesi |
|---|---|
| Tek tabakta, ayrı duran, net görünen yemek | İyi |
| Karışık tabak, bileşenler ayırt edilebiliyor | Orta-iyi |
| Sos veya kremayla kaplı yemek | Zayıf |
| Kapalı kap, poşet, sarma içindeki yemek | Çok zayıf |
| Paketli ürün (barkod okunabiliyor) | Kesin |
Sık sorulan sorular
Fotoğraf yerine gramla girmek daha mı doğru?
Evet, tartıyla girilen değer her zaman daha doğrudur. Ancak tartı kullanmak günde birkaç dakika ek iş demek ve çoğu kişi bunu birkaç hafta sonra bırakıyor. En doğru yöntem, uzun vadede uygulayabildiğiniz yöntemdir; ikisini birleştirip evde tartı, dışarıda fotoğraf kullanmak çoğu insan için iyi bir denge.
Aynı yemeği iki kez çekince neden farklı sonuç çıkıyor?
Açı, ışık ve kadrajdaki referans nesneler değiştiği için porsiyon tahmini de değişir. Tutarlılığı artırmak istiyorsanız her zaman tabağın tamamını yukarıdan çekin ve benzer mesafeyi koruyun.
İnternet olmadan çalışır mı?
Analiz için bağlantı gerekir, çünkü görüntü işlemesi sunucuda yapılır. Daha önce kaydettiğiniz öğünleri ve geçmiş verilerinizi çevrimdışıyken de görüntüleyebilirsiniz.
Kaynaklar
- 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.
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.
Vasiloglou MF, Mougiakakou S, Aubry E, et al. A Comparative Study on Carbohydrate Estimation: GoCARB vs. Dietitians. Nutrients, 10(6):741, 2018.