要点
写真からのカロリー計算は、料理の認識・分量の推定・データベース照合という三段階で行われます。はっきり見えていて分かれている料理なら推定は実用的ですが、ソースに沈んだもの、積み重なったもの、蓋つき容器のものでは誤差が大きく膨らみます。だからこそまともなアプリは結果をそのまま保存せず、必ず修正画面を先に開きます。
解くべき問題は三つ
食事の写真をカロリーの数字に変えるということは、三つの別々の問題を解くということで、それぞれに固有の誤差があります。三つを分けて考えるのが、出てきた数字をどこまで信じるか判断する一番実際的な方法です。
手順は順番に走るため、最初の誤りは後ろへ伝わります。モデルがブルグルを米と読み違えれば、分量の推定が完璧でもカロリーは狂います。
- 料理の認識：皿の上に何があるかを判定する。混ぜ盛りの皿では一品ずつ切り分けて見つける必要があります。
- 分量の推定：画像上の面積から実際の重さへ変換する。皿の直径、カトラリー、器の深さを手がかりにします。
- データベース照合：認識した食品と推定重量を、食品成分表の値に掛け合わせます。
難しいのは分量であって認識ではない
今日の画像モデルは料理の種類を驚くほどよく当てます。本当に難しいのは、二次元の写真から三次元の体積へ移ることです。同じ角度から撮った二つのスープ皿が 200 ml と 350 ml でも、写真ではほぼ同じに見えます。
そのため分量の推定は参照物に頼ります。標準的な平皿は直径およそ 26〜28 cm、小さじは 5 ml、大さじは 15 ml。モデルはこうした既知の寸法を画面内に探し、そこから尺度を組み立てます。参照物が写っていない場合——皿の縁が切れた寄りの構図など——推定は目に見えて崩れます。
- 皿全体を画面に入れ、寄りではなく真上から撮る。
- 混ぜ盛りの皿では、できるだけ具材を分けておく。
- ソースや油は別に申告する。見えないオリーブオイルがサラダのカロリーを倍にすることもあります。
脂質は「見えないカロリー」
写真推定における最大の誤差要因は、追加された脂質です。オリーブオイル大さじ 1 杯はおよそ 120 kcal ですが、写真にはほとんど写りません。同じ鶏むね肉のグリルでも、油大さじ 2 で炒めれば 240 kcal 増えます。
これは方法の欠陥というより物理的な限界です。カメラが見なかったものを、どんなモデルも知ることはできません。外食ではこの不確かさはさらに大きくなります。フライパンに油がどれだけ入ったか、あなた自身も知らないからです。
誤差幅が実際に意味すること
食事記録の目的は完璧な正確さではなく、一貫した尺度です。1 日 2,000 kcal の目標なら、一食で 100 kcal 外しても全体の 5% のずれにすぎず、週の傾向を壊しません。壊すのは系統的な誤差のほうです。毎日脂質を少なく数えれば、月に数千 kcal の差になります。
実務的な結論はこうです。単発の数字ではなく、同じ方法で測った週平均を見ること。体重が動かないなら、目標より先に記録の習慣を疑ってください。数え落としている項目がほぼ必ずあります。
効く場面と効かない場面
この方法の価値は、正確さよりも続けられることから来ます。従来のカロリーアプリでは一食の記録に何分もかかり、たいていの人は 2 週間で止めます。3 秒で済んで誤差 10% の記録は、続かない完璧な記録に勝ります。
| 状況 | 推定の質 |
|---|---|
| 単品で分かれていて、はっきり見えている | 良好 |
| 混ぜ盛りだが具材を判別できる | やや良好 |
| ソースやクリームに覆われている | 低い |
| 密閉容器・ラップ・包み物の中 | 非常に低い |
| バーコードが読める包装食品 | 正確 |
よくある質問
写真より計量したほうが正確ですか。
はい、計量した記録のほうが常に正確です。ただし計量は毎日数分の手間が増え、多くの人は数週間でやめてしまいます。もっとも正確な方法は続けられる方法です。家では計量し、外食では写真、という併用が多くの人にとって現実的な落としどころです。
同じ料理を二度撮ると数字が違うのはなぜですか。
角度・光・画面内の参照物が変わることで、分量の推定も変わるからです。ばらつきを抑えたいなら、毎回皿全体を真上から、同じくらいの距離で撮ってください。
オフラインでも使えますか。
解析には接続が必要です。画像はサーバー側で処理されるためです。すでに記録した食事や過去のデータはオフラインでも閲覧できます。
参考文献
- 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.