SeterusnyaPanduan seterusnya
Cara Mendiagnosis Masalah Pembaikan Rumah Daripada Foto Dengan AI
AI Visual
PANDUAN AI Visual
Apl pengekodan makanan foto AI mengenal pasti makanan dalam foto hidangan, menganggar saiz bahagian, dan mencari kalori serta makronutrien (protein, karbohidrat dan lemak) dalam pangkalan data pemakanan.
Dengar panduan iniAI-diceritakan · ~3 min
Ia menjadikan proses rekod jauh lebih pantas berbanding menaip setiap item. Walau bagaimanapun, anggarannya mungkin jauh lari, terutamanya untuk saiz bahagian, hidangan campuran dan minyak tersembunyi, jadi menyemak dan membetulkan entri adalah perkara yang menjadikan nombor tersebut berguna.
Photo-based logging, offered in apps such as MyFitnessPal, Lose It! and Cal AI, works in three steps. First, a vision model identifies which foods are in the image, often outlining each item separately. Second, it estimates how much of each food is there. Third, it looks up each food's nutrients in a database, often built on sources such as the USDA's FoodData Central, and adds them up. Some newer apps use a general vision-language model that estimates the whole meal in one step, without separate stages. Each step can introduce errors, and the errors add up. Identifying a single, distinct food like a banana or a slice of pizza usually works well. Portion estimation is the hardest step. A photo cannot easily show how deep a bowl is or how tightly food is packed. Mixed dishes like curries, casseroles and burritos hide what is inside. Cooking oil, butter, dressings and sauces are often invisible but can add large numbers of calories. One tablespoon of oil is roughly 120 calories. Even the database contributes error: brands and recipes vary, and packaged-food labels are themselves allowed some margin of error. The biggest misconception is that a precise-looking number, such as 612 calories, means a precise estimate. It does not. How confident the app looks tells you nothing about how accurate it is. A more useful approach is to treat photo logging as a quick first draft. Correct any misidentified foods. Adjust portions using the app's gram or cup options. Log oils and sauces separately. Every so often, weigh a typical meal to calibrate your eye. For many goals, consistent logging with the same method reveals trends even when each entry has some error. For anyone with a history of disordered eating, detailed calorie tracking can be harmful. Talking to a doctor or registered dietitian is a better starting point than an app.
Seseorang mengambil gambar ayam panggang, nasi dan brokoli, dan apl tersebut mengenal pasti kesemua ketiga-tiga item tersebut. Pengguna menimbang nasi pada penimbang dapur dan mendapati anggaran bahagian apl terlalu rendah, jadi mereka membetulkannya.
Seorang pengguna merakam gambar hidangan goreng-goreng yang dimasak di rumah. Apl merekodkan sayur-sayuran dan ayam tetapi tiada minyak masak, jadi mereka menambah sendiri sesudu besar minyak, yang bersamaan dengan kira-kira 120 kalori.
Seseorang menguji apl dengan menimbang hidangan, merekodkannya berserta foto, dan membandingkan kedua-duanya. Mereka mendapati bahawa apl tersebut berfungsi dengan baik pada snek bungkusan tetapi kurang pasti untuk kaserol.
Pengguna yang merekodkan hidangan restoran memilih entri pangkalan data apl untuk item menu jika ada, dan bukannya menerima anggaran foto.
Perekodan foto mungkin akan menjadi lebih pantas dan lebih baik dalam mengenal pasti makanan. Penderiaan kedalaman dan tangkapan berbilang foto boleh mengurangkan ralat bahagian pada peranti yang menyokongnya. Bahan tersembunyi akan kekal sebagai masalah paling sukar, kerana kamera tidak dapat melihat minyak yang meresap ke dalam makanan atau gula yang larut dalam sos. Ujian bebas terhadap apl ini merentasi pelbagai jenis hidangan adalah terhad, jadi pengguna tidak seharusnya bergantung pada dakwaan ketepatan daripada syarikat itu sendiri. Pendekatan yang paling boleh diharapkan mungkin kekal sebagai gabungan: foto untuk kepantasan, penimbang makanan untuk makanan yang paling kerap anda makan, dan pakar klinikal untuk kebimbangan perubatan atau yang berkaitan dengan pemakanan.
Newsletter percuma
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Apl pengekodan makanan foto AI mengenal pasti makanan dalam foto hidangan, menganggar saiz bahagian, dan mencari kalori serta makronutrien (protein, karbohidrat dan lemak) dalam pangkalan data pemakanan. Ia menjadikan proses rekod jauh lebih pantas berbanding menaip setiap item. Walau bagaimanapun, anggarannya mungkin jauh lari, terutamanya untuk saiz bahagian, hidangan campuran dan minyak tersembunyi, jadi menyemak dan membetulkan entri adalah perkara yang menjadikan nombor tersebut berguna.
Apl mengenal pasti makanan, menganggar jumlah setiap satu, kemudian mencari dan menjumlahkan nutrien daripada pangkalan data.
Foto tidak dapat menunjukkan kedalaman atau cara makanan dimampatkan dengan mudah, jadi menganggarkan jumlah ialah langkah yang paling kurang boleh dipercayai.
Lemak tersembunyi seperti minyak dan mentega menambah banyak kalori (kira-kira 120 setiap sudu besar minyak) tetapi sukar dilihat oleh kamera.
Nombor tertentu boleh menyembunyikan ketidakpastian yang besar akibat ralat kenal pasti, bahagian dan pangkalan data.
Tanpa maklumat kedalaman, pinggan kecil yang dekat boleh kelihatan seperti pinggan besar yang lebih jauh.
Teruskan belajar
Lebih banyak panduan dipilih untuk topik ini
SeterusnyaPanduan seterusnya
Cara Mendiagnosis Masalah Pembaikan Rumah Daripada Foto Dengan AI
AI Visual