Насколько точно ИИ распознаёт еду? Чего ожидать

Опубликовано в апреле 2026 г.

Запись блюд по фото с ИИ заметно быстрее, чем ручной поиск по базе продуктов. Но перед переходом часто возникает вопрос: насколько это на самом деле точно? Честный ответ: зависит от того, что ты ешь и как фотографируешь. Вот что технология может и чего не может.

ИИ для распознавания еды: как работает технология

ИИ для распознавания еды — это компьютерное зрение, применённое к тарелке: модель, обученная на размеченных изображениях еды, которая определяет, что на фото, и оценивает, сколько этого там. Модели того же класса работают в потребительских приложениях для подсчёта калорий и в коммерческих API распознавания еды, на которых строят свои решения рестораны, больницы и платформы здоровья. Любая реализация проходит одни и те же пять этапов.

• Обнаружение. Модель находит области изображения, где вообще есть еда, и отделяет их от тарелки, стола и фона.
• Сегментация. Каждая область с едой делится на отдельные продукты, так что стир-фрай становится белком, овощами, рисом и соусом, а не одним объектом.
• Классификация. Каждый фрагмент сопоставляется с категориями продуктов, на которых обучалась модель. Этот этап теперь надёжен: современные модели распознают тысячи блюд.
• Оценка объёма и порции. Модель определяет, сколько каждого продукта присутствует, по его видимому размеру относительно тарелки, столовых приборов или других ориентиров. Почти вся ошибка возникает именно на этом этапе, а не при классификации.
• Поиск пищевой ценности. Каждый распознанный продукт пересчитывается на оценённую порцию и сопоставляется со значениями калорий и макронутриентов.

Когда ты фотографируешь блюдо, ИИ-модель компьютерного зрения анализирует изображение и определяет отдельные продукты. Она смотрит на формы, цвета, текстуры и контекст, чтобы понять, что на тарелке. Определив продукты, система оценивает размер порций по визуальным признакам, включая видимый размер каждого продукта относительно тарелки, столовых приборов или других ориентиров в кадре.

По этим оценкам оно рассчитывает калории и макронутриенты, используя пищевую ценность распознанных продуктов. Весь процесс обычно занимает несколько секунд.

Насколько это точно?

Для обычных, хорошо видимых блюд распознавание еды с помощью ИИ достаточно точное. Тарелка с куриной грудкой, рисом и овощами на пару — как раз то блюдо, с которым ИИ справляется хорошо. Отдельные компоненты видны, размер порций можно оценить, а такие продукты модель видела много раз. Насколько близкой окажется оценка, честно свести к одному проценту никто не может. Систематический обзор 2023 года в Annals of Medicine проверил 14 059 публикаций, отобрал 52, вышедшие с 2010 по 2023 год, и нашёл в них средние относительные ошибки по калориям от 0,1% до 38,3%. Авторы не смогли объединить эти исследования в одну цифру, потому что базы изображений еды и представленные результаты слишком различались для метаанализа. Но направление обзор устанавливает: ошибки были ниже для изображений одного или простых продуктов.

Для смешанных блюд точность падает. В тушёном мясе, запеканке или карри есть ингредиенты, частично или полностью скрытые. ИИ может определить, что это за блюдо, но не видит, что внутри, поэтому оценка больше опирается на типичные рецепты, чем на то, что на самом деле в твоей кастрюле. Диапазон ошибки растёт.

Соусы, масла и заправки -- неизменно трудный случай. Салат с оливковым маслом и салат с лёгким винегретом на фото выглядят почти одинаково. А разница в калориях между ними может быть значительной. Масло, налитое на сковороду перед обжаркой, на итоговом фото вообще не видно.

Упакованные продукты с этикеткой пищевой ценности лучше вносить вручную или сканировать штрихкод. У 200-граммовой порции конкретного брендового йогурта известный точный состав. ИИ-оценка добавляет ненужную неопределённость, когда точные данные напечатаны на упаковке.

Что влияет на точность

На то, насколько хорошо ИИ справляется с конкретным фото, влияют несколько практических факторов:

• Освещение. Хорошо освещённые фото дают модели больше визуальной информации. Плохой свет сглаживает текстуры и искажает цвета, из-за чего еду сложнее правильно распознать.
• Ракурс. Фото сверху (прямо над тарелкой) обычно дают лучший результат. При съёмке сбоку одни продукты могут закрывать другие, и оценка порции становится менее надёжной.
• Раскладка еды. Продукты, разложенные по тарелке отдельными порциями, анализировать проще, чем сложенные друг на друга или перемешанные. Если у тебя несколько блюд, разложи их перед съёмкой.
• Предметы для масштаба. Край тарелки, вилка или другой знакомый предмет в кадре помогают модели откалибровать размер порции. Кусок курицы рядом с вилкой и сам по себе выглядит совсем по-разному по масштабу.

Смешанные блюда сложнее отдельных продуктов

Куриная грудка на гриле рядом с рисом и брокколи — это три отдельные формы с чёткими краями. Карри, рагу, запеканка или заправленный салат — одна визуальная масса, где компоненты перекрываются, скрывают друг друга и различаются по плотности. Для второго типа ИИ даёт заметно менее точные оценки, и это самый сильный признак того, окажется ли оценка по фото близкой.

Систематический обзор 2023 года в Annals of Medicine, охвативший 52 исследования, опубликованные с 2010 по 2023 год, нашёл средние относительные ошибки по калориям от 0,10% до 38,3% и сообщил, что ошибки «как правило, были меньше для изображений одного продукта по сравнению с изображениями нескольких продуктов». Он прямо выделяет сложный случай: «изображения со смешанными блюдами (например, карри) или тарелки с множеством перекрывающихся продуктов разной высоты или с нечёткими границами несут более высокий риск ошибок классификации или сегментации». Из 22 наименьших ошибок оценки объёма во всех рассмотренных исследованиях 68% пришлись на изображения одного продукта.

Анализ GPT-4V в сравнении со взвешенными эталонными блюдами, опубликованный в IEEE Journal of Biomedical and Health Informatics в 2024 году, выразил этот разрыв в цифрах. Оценка по одному продукту за раз, на 32 продуктах, дала среднюю абсолютную ошибку по калориям 69,2 ккал. Оценка всего приёма пищи целиком, на 10 приёмах, дала 151,2 ккал -- примерно вдвое больше. Причина в накоплении: размер порции -- главный источник ошибок, а смешанное блюдо требует отдельной оценки порции для каждого компонента, и у каждой своя ошибка.

Это не до конца выяснено. Исследование 2025 года в Nutrients, проанализировавшее 195 блюд, нашло лишь слабую корреляцию между числом ингредиентов и ошибкой (r не выше 0,37) и пришло к выводу, что число компонентов не является определяющим фактором. Честный итог: визуальная различимость важнее числа ингредиентов — тарелку с шестью чётко разделёнными продуктами оценить проще, чем миску с тремя перемешанными.

Что это значит на практике

• Фотографируй до того, как перемешать. Снимай компоненты, пока они ещё раздельно, а не перемешанную миску.
• Раздели смешанное блюдо на два фото, где это разумно возможно. Две отдельные оценки лучше одной составной.
• Поправляй оценку для всего смешанного, с соусом или слоями. Жир -- нутриент, который во всех исследованиях недооценивают чаще всего, а масло в соусе на фото не видно.
• Считай домашние рагу и карри худшим случаем и записывай их по ингредиентам, а не по фото, когда это блюдо важно.

По сравнению с чем?

Полезно сравнивать не ИИ с идеальной цифрой, а ИИ с тем, как иначе пришлось бы записывать это блюдо, — а это тоже неточно.

В исследовании 2018 года в журнале Nutrients 38 специалистов по питанию попросили оценить порции по фотографиям еды. Лишь 23,7% их оценок тарелок укладывались в 10% от фактического взвешенного количества, а средняя абсолютная процентная разница составила 47,6%. В работе Nutrition5k, представленной на CVPR 2021, наряду с набором данных примерно из 5 000 блюд провели небольшую проверку на людях: 4 нутрициолога и 16 любителей оценили 10 блюд, выбранных проще среднего по набору. Средняя ошибка нутрициологов составила 41%, любителей -- 53%. Воспринимай это как порядок величины на благоприятной выборке, а не как оценку для всей популяции.

У ручной записи в приложении тоже есть своё смещение, хотя меньше, чем говорит заголовочная цифра. Метаанализ 2021 года в Advances in Nutrition, объединивший 11 исследований приложений для дневника питания, показал, что они в среднем занижают потребление энергии на 202 ккал в день (95% ДИ: от 319 до 85 ккал). Большая часть этого разрыва связана с таблицей состава продуктов, а не с самой записью: там, где приложение и эталонный метод использовали одну и ту же таблицу, объединённое занижение упало до 57 ккал в день (95% ДИ: от занижения на 116 ккал до завышения на 2 ккал), а неоднородность между исследованиями снизилась до нуля. При 2 000 калорий в день это меньше 3%, так что тщательный ручной ввод по согласованной базе действительно точнее.

Итак, оценка смешанного блюда по фото неточна, и так же неточен диетолог, глядя на ту же тарелку. Тщательный ручной ввод точнее обоих, но проигрывает обоим в том, продолжаешь ли ты им пользоваться. Запись по фото меняет не точность, а то, запишешь ли ты блюдо вообще, а записанное блюдо с оценкой, которую можно поправить, лучше незаписанного.

Скептически относись к заявлениям о точности

Некоторые сайты публикуют точно звучащие показатели точности приложений для подсчёта калорий, иногда ссылаясь на несуществующие исследования и DOI. Ни у одного приложения нет опубликованной рецензируемой проверки выпускаемого продукта. Если за цифрой не стоят названный журнал, размер выборки и методология, считай её маркетингом. Это касается и нас: цифры на этой странице взяты из независимых исследований, а не из наших собственных тестов.

Достаточно ли «примерно»?

Для большинства людей -- да. Погрешность в десятки процентов сама по себе звучит внушительно, но важен контекст.

Записи из базы при ручном вводе тоже не идеально точны. В пользовательских базах есть ошибки, размеры порций в разных источниках определяются по-разному, а домашние блюда редко совпадают со способом приготовления, заложенным в запись базы. Реальная точность ручного ввода для домашней еды ниже, чем думает большинство.

Что ещё важнее, для отслеживания постоянство значит больше, чем точность. Если ты сравниваешь трекеры на базе ИИ с классическими приложениями с базой продуктов, сравнение VitaCal и MyFitnessPal описывает практические различия в способе записи. Если ИИ систематически ошибается на 15% для блюда, которое ты регулярно ешь, записанное потребление всё равно отражает реальное в относительном выражении. Недельные тренды, реакция на изменения в питании и прогресс со временем остаются значимыми. Цель отслеживания — развить осознанность и увидеть закономерности, а не добиться лабораторной точности для каждого блюда.

Подсчёт ломает не погрешность. Его ломает отказ от привычки, потому что запись слишком медленная или требует слишком много усилий. Запись по фото с ИИ решает именно эту проблему.

Как получить лучшие результаты

Несколько простых привычек улучшат качество оценок ИИ:

• Проверь, что определил ИИ, прежде чем подтвердить запись. Если он пропустил ингредиент или что-то распознал неверно, ты можешь исправить это до сохранения.
• Фотографируй строго сверху при хорошем освещении. Это занимает лишнюю секунду и даёт измеримую разницу.
• Для блюд, где важна точность, записывай компоненты по отдельности, а не всю тарелку целиком. Так у модели будет более чёткая задача для каждого продукта.
• Для упакованных продуктов используй ручной ввод. Если есть этикетка с пищевой ценностью, опирайся на неё. Запись с ИИ оставь для блюд, где у неё реальное преимущество: приготовленная еда, блюда в ресторане и всё, что иначе пришлось бы искать в базе.

Подход VitaCal

Как запись по фото выглядит в разных приложениях, где она есть, -- в руководстве по счётчикам калорий с распознаванием фото с ИИ.

VitaCal показывает, что именно ИИ распознал на твоём фото, до того как что-либо будет записано. Ты видишь отдельные продукты, оценённые порции и итоговые калории и макросы. Если что-то не так, можно поправить порции или удалить позиции перед подтверждением. Без твоей проверки ничего не записывается.

Если хочешь увидеть, как запись с ИИ работает на практике, попробуй VitaCal бесплатно. Бесплатный тариф включает пять ИИ-анализов в неделю без рекламы.