概述
它们使记录速度比键入每个项目快得多。但估計值可能會很高,特別是對於份量、混合菜餚和隱藏的油,因此檢查和更正條目使得這些數字變得有用。
深入探討
基於照片的記錄,在 MyFitnessPal、Lose It! 等應用程式中提供和加州人工智慧,分三個步驟進行。首先,視覺模型識別圖像中的食物,通常會單獨概述每個項目。其次,它估计每种食物的含量。第三,它在資料庫中尋找每種食物的營養成分,並將它們相加,該資料庫通常建立在美國農業部食品資料中心等來源的基礎上。一些較新的應用程式使用通用視覺語言模型,可以一步估計整頓飯,而不需要單獨的階段。每個步驟都可能引入錯誤,並且錯誤會累積起來。識別一種獨特的食物,如香蕉或一片披薩,通常效果很好。份量估计是最难的一步。照片無法輕易顯示碗有多深或食物包裝得有多緊。咖哩、砂鍋菜和墨西哥捲餅等混合菜餚隱藏了裡面的東西。食用油、黄油、调味品和酱汁通常是看不见的,但会增加大量卡路里。一汤匙油大约含有 120 卡路里热量。甚至資料庫也會產生錯誤:品牌和配方各不相同,包裝食品標籤本身也允許有一定的誤差範圍。最大的誤解是,看起來精確的數字,例如 612 卡路里,意味著精確的估計。事實並非如此。該應用程式看起來有多自信並不能告訴你它有多準確。更有用的方法是將照片記錄視為快速初稿。纠正任何错误识别的食物。使用應用程式的克或杯選項調整份量。分别记录油和酱汁。每隔一段時間,稱一下一頓典型的飯菜的重量來校準你的眼睛。對於許多目標,即使每個條目存在一些錯誤,使用相同方法進行一致記錄也可以揭示趨勢。對於任何有飲食失調史的人來說,詳細的卡路里追蹤可能是有害的。與醫生或註冊營養師交談是比應用程式更好的起點。
現實世界的實施
有人拍攝烤雞肉、米飯和西蘭花,應用程式會識別這三者。用戶在廚房秤上稱量大米的重量,發現應用程式的份量估計值太低,因此他們進行了修正。
用户拍摄自己在家做的炒菜。該應用程式記錄了蔬菜和雞肉,但沒有記錄食用油,因此他們自己添加了一湯匙油,大約 120 卡路里。
人們透過稱量一頓飯、用照片記錄並比較兩者來測試應用程式。他們了解到該應用程式在包裝零食方面表現良好,但在砂鍋菜方面不太可靠。
記錄餐廳用餐的用戶會選擇應用程式的資料庫條目來尋找菜單項,而不是接受照片估計。
如何使用人工智慧照片應用程式追蹤卡路里和宏觀熱量的未來
照片記錄在識別食物方面可能會變得更快更好。深度感應和多張照片捕捉可以減少支援它們的裝置上的部分錯誤。隱藏的成分仍然是最困難的問題,因為相機無法看到浸入食物中的油或溶解在醬汁中的糖。對這些應用程式在多種膳食中的獨立測試是有限的,因此用戶不應依賴公司本身的準確性聲明。最可靠的方法可能是混合使用:用照片來衡量速度,用食物秤來衡量你吃得最多的食物,以及臨床醫生來解決醫療或飲食相關問題。
付諸實踐
為什麼這很重要
- 速度與規模. 視覺人工智慧可以大規模自動化檢查、檢測和標記任務。
- 配裝選擇. 創意團隊可以透過更少的手動修改來更快地建立概念原型。
- 團隊與工作流程. 操作可以使用以前難以處理的影像和視訊訊號。
留意
- 如果出處不明,肖像權和同意可能會成為法律風險。
- 模型表現可能因光照、人口統計和環境的不同而有所不同。
- 除非監控置信閾值,否則誤報可能會被忽略。
後續步驟
- 定義精確度、召回率和錯誤成本的接受標準。
- 使用符合實際生產條件的數據進行測試。
- 為低置信度或高影響力的預測添加人工審核。
- 追蹤模型漂移並在相機或資料集變更後重新驗證。
不斷探索
常見問題
什麼是如何使用 AI 照片應用程式追蹤卡路里和宏?
人工智慧照片食物記錄應用程式可以識別膳食照片中的食物,估計份量,並在營養資料庫中尋找卡路里和常量營養素(蛋白質、碳水化合物和脂肪)。它們使記錄速度比鍵入每個項目快得多。但估計值可能會很高,特別是對於份量、混合菜餚和隱藏的油,因此檢查和更正條目使得這些數字變得有用。
典型的照片食物記錄過程包括哪三個步驟?
應用程式識別食物,估計每種食物的含量,然後從資料庫中找到並添加營養成分。
指南认为哪一步最难?
照片無法輕易顯示食物的深度或包裝的緊密程度,因此估計數量是最不可靠的步驟。
为什么家常炒菜的热量往往太低?
油和黃油等隱藏脂肪會增加大量卡路里(每湯匙油約 120 卡路里),但相機很難看到。
對於 612 卡路里看起來精確的總熱量,指南是怎麼說的?
特定的數字可以隱藏來自識別、部分和資料庫錯誤的巨大不確定性。
為什麼相同尺寸的兩塊盤子在一張照片中看起來會有所不同?
如果没有深度信息,近距离的小盘子看起来就像远处的大盘子。