Mennyire pontos az AI-alapú ételfelismerés? Mire számíthatsz

Közzétéve: 2026 áprilisában

Az AI-alapú étkezésfotó-naplózás jelentősen gyorsabb, mint egy ételadatbázis kézi böngészése. De egy gyakori kérdés a váltás előtt: mennyire pontos ez valójában? Az őszinte válasz az, hogy attól függ, mit eszel, és hogyan fotózod le. Íme, mire képes és mire nem a technológia.

Ételfelismerő AI: hogyan működik a technológia

Az ételfelismerő AI a gépi látás alkalmazása egy tányérra: egy olyan modell, amelyet címkézett élelmiszerképeken tanítottak be, hogy felismerje, mi látható egy fotón, és megbecsülje, mennyi van belőle. Ugyanez a modellosztály hajtja a fogyasztói kalóriaalkalmazásokat és a kereskedelmi ételfelismerő API-kat is, amelyekre éttermek, kórházak és egészségügyi platformok építenek. Minden megvalósítás ugyanazt az öt lépést futtatja.

• Felismerés. A modell megkeresi a kép azon területeit, ahol egyáltalán étel található, és elkülöníti azokat a tányértól, az asztaltól és a háttértől.
• Szegmentálás. Az egyes ételrégiók külön elemekre bomlanak, így egy wokban sült étel fehérjére, zöldségekre, rizsre és szószra válik szét, nem pedig egyetlen objektumként jelenik meg.
• Osztályozás. Minden szegmenst összevetnek azokkal az ételkategóriákkal, amelyekre a modellt betanították. Ez az a szakasz, amely ma már megbízható: a modern modellek több ezer ételt ismernek fel.
• Térfogat- és adagbecslés. A modell a tányérhoz, evőeszközökhöz vagy más viszonyítási tárgyakhoz képest látszó mérete alapján következtet arra, mennyi van jelen az egyes összetevőkből. Nem a felismerés, hanem ez a szakasz felelős szinte az összes hibáért.
• Tápanyag-keresés. Minden felismert ételt a becsült adagjára méreteznek, és hozzárendelik a kalória- és makrotápanyag-értékeket.

Amikor lefotózod az étkezésedet, egy AI géplátás-modell elemzi a képet, hogy azonosítsa az egyes ételeket. Formákat, színeket, textúrákat és kontextust vizsgál, hogy megállapítsa, mi van a tányéron. Az ételek azonosítása után a rendszer vizuális jelek alapján becsüli meg az adagméreteket, beleértve az egyes tételek látszólagos méretét a tányérhoz, az evőeszközökhöz vagy más, a képen látható referenciapontokhoz képest.

Ezekből a becslésekből kalóriákat és makrotápanyagokat számol az azonosított ételek tápértékei alapján. A teljes folyamat általában néhány másodpercet vesz igénybe.

Mennyire pontos?

A gyakori, jól látható ételeknél az AI-alapú ételfelismerés ésszerűen pontos. Egy csirkemellből, rizsből és párolt zöldségből álló tányér olyan étel, amelynél az AI jól teljesít. Az egyes összetevők láthatók, az adagméretek becsülhetők, és a modell sokszor találkozott már ezekkel az ételekkel. Hogy a becslés mennyire pontos, azt senki nem tudja őszintén egyetlen százalékra leegyszerűsíteni. A 2023-as, az Annals of Medicine folyóiratban megjelent szisztematikus áttekintés 14 059 publikációt szűrt át, ebből 52-t tartott meg a 2010 és 2023 között megjelentek közül, és a kalóriák átlagos relatív hibáját 0,1% és 38,3% között találta. A szerzők nem tudták ezeket a vizsgálatokat egyetlen számba összesíteni, mert az ételfotó-adatbázisok és a közölt eredmények túlságosan eltértek egymástól a metaanalízishez. Amit az áttekintés megállapít, az az irány: az egyszerű, egyetlen ételt ábrázoló fotóknál kisebbek voltak a hibák.

A pontosság csökken vegyes fogásoknál. Egy tál pörkölt, egy rakott étel vagy egy curry olyan összetevőket tartalmaz, amelyek részben vagy teljesen rejtve vannak. Az AI fel tudja ismerni, milyen ételről van szó, de nem látja, mi van benne, így a becslések jobban a tipikus receptekre támaszkodnak, mint arra, ami valójában a fazekadban van. A hibahatár szélesebb lesz.

A szószok, olajok és öntetek folyamatosan nehézséget okoznak. Egy olívaolajjal ízesített saláta és egy könnyű vinaigrette-tel ízesített saláta szinte egyformán néz ki egy fotón. A köztük lévő kalóriakülönbség jelentős lehet. A wokolás előtt a serpenyőbe adott olaj a végső fotón teljesen láthatatlan.

A tápértékjelölővel ellátott csomagolt élelmiszereket jobb kézi bevitellel vagy vonalkód-szkenneléssel kezelni. Egy konkrét márkájú joghurt 200 g-os adagjának ismert, pontos tápértékprofilja van. Az AI-becslés felesleges bizonytalanságot visz be, amikor a valós adat rá van nyomtatva a csomagolásra.

Mi befolyásolja a pontosságot

Több gyakorlati tényező is befolyásolja, mennyire teljesít jól az AI egy adott fotón:

• Megvilágítás. A jól megvilágított fotók több vizuális információt adnak a modellnek. A gyenge megvilágítás ellaposítja a textúrákat és csökkenti a színpontosságot, ami megnehezíti az ételek helyes azonosítását.
• Szög. A felülről (közvetlenül a tányér fölül) készült fotók adják általában a legjobb eredményt. Oldalról fotózva egyes ételeket eltakarhatnak a többiek, és az adagbecslés kevésbé megbízható.
• Az étel elrendezése. A tányéron elkülönített adagokban elhelyezett ételeket könnyebb elemezni, mint az egymásra rakott vagy összekevert tálalást. Ha több tételed van, segít, ha szétteríted őket fotózás előtt.
• Referenciatárgyak. Ha a képen szerepel egy tányérszél, egy villa vagy más ismerős tárgy, az segít a modellnek kalibrálni az adagméretet. Egy darab csirke egészen más méretűnek tűnik egy villa mellett, mint semmi mellett.

A vegyes ételek nehezebbek, mint az egyszerű élelmiszerek

Egy grillezett csirkemell rizs és brokkoli mellett három különálló, tiszta körvonalú forma. Egy curry, egy pörkölt, egy rakott étel vagy egy öntetes saláta egyetlen vizuális tömeg, amelyben az összetevők átfedik, elrejtik egymást, és eltérő sűrűségűek. Az AI a második típusnál jelentősen kevésbé pontosan becsül, és ez az egyetlen legerősebb előrejelzője annak, hogy egy fotó alapú becslés mennyire lesz közel a valósághoz.

A 2023-as, az Annals of Medicineben megjelent szisztematikus áttekintés, amely a 2010 és 2023 között publikált 52 tanulmányt fogta át, a kalóriák esetében 0,10% és 38,3% közötti átlagos relatív hibákat talált, és arról számolt be, hogy a hibák „jellemzően kisebbek voltak az egyetlen ételt ábrázoló képeknél a több ételt ábrázoló képekhez képest”. Külön kiemeli a nehéz esetet: „a vegyes fogásokat (például curryket) tartalmazó képek, vagy a különböző magasságú, egymást átfedő, illetve elmosódott határú ételeket tartalmazó tányérok nagyobb kockázatot jelentenek az osztályozási vagy szegmentálási hibákra”. Az áttekintett tanulmányokban talált 22 legalacsonyabb térfogatbecslési hiba közül 68% egyetlen ételt ábrázoló képekből származott.

Egy GPT-4V-elemzés mért referenciaétkezésekkel szemben, amelyet 2024-ben publikáltak az IEEE Journal of Biomedical and Health Informatics folyóiratban, számokat rendelt a különbséghez. Egyetlen ételtétel becslésénél, 32 tételen keresztül, az átlagos abszolút kalóriahiba 69,2 kcal volt. A teljes étkezési epizód becslésénél, 10 epizódon keresztül, 151,2 kcal volt, körülbelül a duplája. Az ok halmozódó: az adagméret a hiba domináns forrása, és egy vegyes étel minden összetevőjéhez külön adagbecslés szükséges, amelyek mindegyike a saját hibáját hordozza.

Ez nem teljesen eldöntött kérdés. Egy 2025-ös, a Nutrientsben megjelent, 195 ételt elemző tanulmány csak gyenge összefüggést talált az összetevők száma és a hiba mértéke között (r nem haladta meg a 0,37-et), és arra a következtetésre jutott, hogy az összetevők száma nem meghatározó tényező. Az őszinte összegzés az, hogy a vizuális elkülöníthetőség fontosabb, mint az összetevők száma: egy hat, jól elkülönített ételt tartalmazó tányér könnyebb, mint egy három összekevert ételt tartalmazó tál.

Mit jelent ez a gyakorlatban

• Fényképezz keverés előtt. Kapd le az összetevőket, amíg még jól elkülönülnek, ne az összekevert tálat.
• Ha ésszerűen megoldható, oszd két fotóra a vegyes étkezést. Két egyszerű becslés jobb, mint egy összetett.
• Korrigáld a becslést minden összekevert, szószos vagy réteges ételnél. A zsír az a tápanyag, amelyet a legkövetkezetesebben alábecsülnek minden vizsgálatban, és az olaj egy szószban láthatatlan a fotón.
• A házi pörkölteket és currykat kezeld legrosszabb esetként, és ha az étkezés pontossága számít, inkább az összetevőkből naplózd őket, ne fotóból.

Mihez képest?

A hasznos összehasonlítás nem az AI és egy tökéletes szám szembeállítása, hanem az AI és aközött, ahogyan az ételt egyébként naplóznád, ami szintén pontatlan.

Egy 2018-as, a Nutrients-ben megjelent tanulmány 38 táplálkozási szakembert kért meg, hogy ételfotók alapján becsüljék meg az adagokat. A tányérbecsléseiknek mindössze 23,7%-a esett a ténylegesen lemért mennyiség 10%-án belülre, az átlagos abszolút százalékos eltérés pedig 47,6% volt. A CVPR 2021-en bemutatott Nutrition5k munka a nagyjából 5000 ételből álló adathalmaza mellett egy kisebb emberi ellenőrzést is végzett: 4 dietetikus és 16 amatőr értékelt 10, az adathalmaz átlagánál egyszerűbbnek választott ételt. A dietetikusok átlagosan 41%-os, az amatőrök 53%-os hibával becsültek. Ezt inkább nagyságrendként érdemes kezelni egy kedvező mintán, nem pedig populációs becslésként.

A kézi appos naplózásnak megvan a saját torzítása, bár kisebb, mint amit a főcímszerű szám sugall. Egy 2021-es, az Advances in Nutrition folyóiratban megjelent metaanalízis, amely 11 étkezésnapló-app vizsgálatát vonta össze, azt találta, hogy átlagosan napi 202 kcal-val alábecsülték az energiabevitelt (95%-os CI: 319-től 85 kcal-ig). Ennek a különbségnek a nagy része a tápanyagtáblázatból ered, nem a naplózásból: ahol az app és a referenciamódszer ugyanazt a táblázatot használta, az összesített hiány napi 57 kcal-ra csökkent (95%-os CI: 116 kcal-os hiánytól 2 kcal-os többletig), és a vizsgálatok közötti heterogenitás nullára esett. Egy 2000 kalóriás napon ez 3% alatt van, tehát a gondos kézi bevitel egy hozzáillő adatbázissal szemben valóban a pontosabb módszer.

Egy összetett étel fotós becslése tehát pontatlan, ahogy egy dietetikus is az lenne, ha ugyanazt a tányért nézné. A gondos kézi bevitel mindkettőnél pontosabb, és mindkettőnél alulmarad abban, hogy folytatod-e. A fotós naplózás nem a pontosságot változtatja meg, hanem azt, hogy egyáltalán naplózod-e az étkezést, és egy naplózott étkezés javítható becsléssel jobb, mint egy nem naplózott.

Légy szkeptikus a pontossági állításokkal szemben

Több oldal is pontosnak tűnő pontossági számokat közöl a kalóriaalkalmazásokról, némelyik nem létező tanulmányokra és DOI-kra hivatkozva. Egyetlen alkalmazásnak sincs publikált, szakértők által lektorált validációja az éles termékéről. Ahol egy szám mögött nincs megnevezett folyóirat, mintaméret és módszertan, ott kezeld marketingként. Ez a miénkre is vonatkozik: az ezen az oldalon szereplő adatok független kutatásokra hivatkoznak, nem a saját tesztjeinkre.

Elég jó a "közel elég jó"?

A legtöbb ember számára igen. Egy kétjegyű hibahatár önmagában jelentősnek hangzik, de a kontextus számít.

A kézi adatbázis-bejegyzések sem tökéletesen pontosak. A felhasználók által feltöltött adatbázisok hibákat tartalmaznak, az adagméret-definíciók forrásonként eltérnek, és az otthon főzött ételek ritkán egyeznek pontosan az adatbázis-bejegyzésben feltételezett elkészítési móddal. Az otthon főzött ételek kézi naplózásának gyakorlati pontossága alacsonyabb, mint amit a legtöbben feltételeznek.

Ami még fontosabb: a nyomon követés szempontjából a következetesség többet számít, mint a pontosság. Ha AI-alapú alkalmazásokat hasonlítasz össze hagyományos adatbázis-alapú alkalmazásokkal, a VitaCal vs MyFitnessPal összehasonlítás bemutatja a naplózási megközelítés gyakorlati különbségeit. Ha az AI egy rendszeresen fogyasztott ételnél következetesen 15%-kal téved, a naplózott bevitel relatív értelemben még mindig tükrözi a tényleges bevitelt. A heti trendek, az étrendi változásokra adott reakcióid és az idővel elért fejlődésed így is jelentőségteljesek maradnak. A nyomon követés célja a tudatosság kialakítása és a minták felismerése, nem pedig laborpontosságú mérés minden egyes ételnél.

Nem a hibahatár töri meg a naplózást. A naplózást az töri meg, ha feladod a szokást, mert a naplózás túl lassú vagy túl fáradságos. Az AI fotós naplózás közvetlenül ezt a problémát oldja meg.

Hogyan érj el jobb eredményeket

Néhány egyszerű szokás javítja az AI-becslések minőségét:

• Naplózás előtt nézd át, mit azonosított az AI. Ha kihagyott egy hozzávalót, vagy tévesen azonosított valamit, mentés előtt javíthatod.
• Fotózz közvetlenül felülről, jó megvilágításban. Ez csak egy plusz másodpercet vesz igénybe, de mérhető különbséget jelent.
• Azoknál az étkezéseknél, ahol a pontosság számít, naplózd az összetevőket külön-külön, ne egy tányérként. Ez tisztább feladatot ad a modellnek minden egyes tételhez.
• Csomagolt élelmiszerekhez használj kézi bevitelt. Ha van tápértéktáblázat, használd azt. Az AI-naplózást azokra az étkezésekre tartsd fenn, ahol valódi előnye van: főtt ételek, éttermi ételek, és minden olyan, amit egyébként keresgélned kellene.

A VitaCal megközelítése

Ha azt szeretnéd tudni, hogyan viszonyul egymáshoz a fotós naplózás az azt kínáló appok között, nézd meg az AI kalóriaszámláló fotófelismerő app útmutatót.

A VitaCal pontosan megmutatja, mit azonosított az AI a fotódon, mielőtt bármi is naplózásra kerülne. Láthatod az egyes ételeket, a becsült adagjukat, valamint az ebből eredő kalóriákat és makrókat. Ha bármi furcsának tűnik, megerősítés előtt módosíthatod az adagokat vagy eltávolíthatsz tételeket. Semmi nem kerül naplózásra az ellenőrzésed nélkül.

Ha a gyakorlatban szeretnéd látni, hogyan működik az AI-alapú naplózás, próbáld ki a VitaCalt ingyen. Az ingyenes csomag heti öt AI-elemzést tartalmaz, reklámok nélkül.