Колико је тачно АИ препознавање хране? Шта очекивати

Објављено априла 2026.

Бележење оброка путем фотографије уз помоћ ИИ-ја знатно је брже од ручне претраге базе намирница. Али често питање пре преласка је: колико је то заиста тачно? Искрен одговор је да зависи од тога шта једеш и како то фотографишеш. Ево шта та технологија може, а шта не може да уради.

АИ за препознавање хране: како технологија функционише

AI за препознавање хране је рачунарски вид примењен на тањир: модел обучен на означеним сликама хране који препознаје шта се налази на фотографији и процењује колико тога има. Иста класа модела покреће апликације за калорије намењене потрошачима и комерцијалне API-је за препознавање хране на којима граде ресторани, болнице и здравствене платформе. Свака имплементација пролази кроз исте пет фаза.

• Детекција. Модел проналази делове слике који уопште садрже храну, одвајајући их од тањира, стола и позадине.
• Сегментација. Свако подручје хране се дели на посебне ставке, тако да пржена мешавина поврћа постаје протеин, поврће, пиринач и сос, уместо једног објекта.
• Класификација. Сваки сегмент се упоређује са категоријама хране на којима је модел обучен. Ово је фаза која је сада поуздана: савремени модели препознају хиљаде јела.
• Процена запремине и порције. Модел процењује колико сваке ставке има на основу њене привидне величине у односу на тањир, прибор за јело или друге референтне објекте. Управо из ове фазе, а не из класификације, долази скоро сва грешка.
• Нутритивна претрага. Свака препозната намирница се сразмерава процењеној порцији и повезује са вредностима калорија и макронутријената.

Када сликаш оброк, модел ИИ вида анализира слику да идентификује појединачне намирнице. Посматра облике, боје, текстуре и контекст да одреди шта се налази на тањиру. Када су намирнице идентификоване, систем процењује величину порција на основу визуелних знакова, укључујући видљиву величину сваке ставке у односу на тањир, прибор за јело или друге референтне тачке у кадру.

Из тих процена, апликација израчунава калорије и макронутријенте користећи нутритивне вредности за препознате намирнице. Цео процес обично траје свега неколико секунди.

Колико је прецизно?

За уобичајене, јасно видљиве оброке, АИ препознавање хране је разумно тачно. Тањир са пилећим прсима, пиринчем и куваним поврћем је врста оброка код које АИ добро функционише. Појединачни састојци су видљиви, величине порција се могу проценити, а храна је нешто што је модел већ много пута видео. Колико је процена тачна није нешто што ико поштено може свести на један проценат. Систематски преглед из 2023. у часопису Annals of Medicine прегледао је 14.059 публикација, задржао 52 објављене између 2010. и 2023. и утврдио просечне релативне грешке за калорије у распону од 0,1% до 38,3%. Аутори нису могли да обједине те студије у једну бројку, јер су се базе слика хране и пријављени резултати превише разликовали за мета-анализу. Оно што преглед утврђује јесте смер: грешке су биле мање код слика појединачне или једноставне хране.

Тачност опада код мешовитих јела. Чорба, запечено јело или кари садрже састојке који су делимично или потпуно скривени. ИИ може да препозна о ком је јелу реч, али не може да види шта се тачно налази у њему, па се процене више ослањају на типичне рецепте него на оно што је заиста у твом лонцу. Распон грешке се шири.

Сосови, уља и преливи су доследно тешки за процену. Салата зачињена маслиновим уљем и салата зачињена лаким преливом на бази сирћета изгледају готово идентично на фотографији. Разлика у калоријама међу њима може бити значајна. Уље за кување додато у тигањ пре пржења потпуно је невидљиво на коначној фотографији.

Паковану храну са декларацијом о нутритивној вредности боље је уносити ручно или скенирати бар код. Порција јогурта од 200 g познатог бренда има познат, тачан нутритивни профил. ИИ процена уводи непотребну несигурност када је стварна вредност одштампана на паковању.

Шта утиче на тачност

Неколико практичних фактора утиче на то колико добро AI функционише на датој фотографији:

• Осветљење. Добро осветљене фотографије дају моделу више визуелних информација за рад. Лоше осветљење заравнава текстуре и смањује тачност боја, што отежава правилну идентификацију хране.
• Угао. Фотографије одозго (директно изнад тањира) обично дају најбоље резултате. Бочни углови могу да сакрију намирнице иза других и учине процену порције мање поузданом.
• Распоред хране. Намирнице распоређене по тањиру у одвојеним порцијама лакше је анализирати него сложене или помешане презентације. Ако имаш више ставки, њихово раздвајање пре сликања помаже.
• Референтни објекти. Укључивање ивице тањира, виљушке или другог познатог предмета у кадар помаже моделу да калибрише величину порције. Комад пилетине изгледа веома другачије по размери поред виљушке него поред ничега.

Мешовити оброци су тежи од појединачних намирница

Пилеће прса на жару поред пиринча и броколија су три јасно одвојена облика са оштрим ивицама. Кари, гулаш, запечено јело или салата са преливом су једна визуелна маса у којој се састојци преклапају, скривају једни друге и разликују по густини. АИ значајно мање тачно процењује ову другу врсту, а то је најснажнији предиктор тога да ли ће процена са фотографије бити близу тачне.

Систематски преглед из 2023. у часопису Annals of Medicine, који обухвата 52 студије објављене између 2010. и 2023, пронашао је просечне релативне грешке за калорије у распону од 0,10% до 38,3%, и навео да су грешке „биле мање код слика са једном врстом хране у поређењу са сликама са више врста хране”. Директно издваја тежак случај: „слике са мешовитим јелима (попут карија) или тањири са више намирница различитих висина које се преклапају или имају нејасне границе представљају већи ризик од грешака у класификацији или сегментацији”. Од 22 најниже грешке процене запремине у прегледаним студијама, 68% потиче са слика са само једном врстом хране.

Анализа GPT-4V у поређењу са измереним референтним оброцима, објављена у часопису IEEE Journal of Biomedical and Health Informatics 2024. године, дала је бројке том јазу. Процена по једној намирници, кроз 32 ставке, дала је средњу апсолутну грешку калорија од 69,2 kcal. Процена целе епизоде оброка, кроз 10 епизода, дала је 151,2 kcal, отприлике дупло. Узрок је кумулативан: величина порције је доминантан извор грешке, а мешовит оброк захтева одвојену процену порције за сваку компоненту, при чему свака носи сопствену грешку.

Ово питање није у потпуности разрешено. Студија из 2025. у часопису Nutrients, која је анализирала 195 јела, пронашла је само слабу корелацију између броја састојака и грешке (r не веће од 0,37) и закључила да број компоненти није критичан фактор. Поштен закључак је да визуелна одвојивост има већи значај од броја састојака: тањир са шест јасно одвојених намирница лакши је за препознавање од чиније са три измешане.

Шта то значи у пракси

• Сликај пре мешања. Фотографиши састојке док су још увек одвојени, а не измешану чинију.
• Подели мешовити оброк на две фотографије кад год је то разумно могуће. Две појединачне процене боље су од једне сложене.
• Кориговати процену за све што је измешано, у сосу или слојевито. Маст је нутријент који се најдоследније потцењује у свим студијама, а уље у сосу је невидљиво на фотографији.
• Третирај домаће чорбе и кари јела као најгори случај, и бележи их на основу састојака уместо фотографије када оброк заиста важи.

У поређењу са чим?

Корисно поређење није АИ наспрам савршеног броја, него АИ наспрам начина на који би се оброк иначе бележио, а тај начин је такође нетачан.

Студија из 2018. објављена у часопису Nutrients тражила је од 38 стручњака за исхрану да процене порције на основу фотографија хране. Само 23,7% њихових процена тањира било је у оквиру 10% стварне измерене количине, уз средњу апсолутну процентуалну разлику од 47,6%. Рад Nutrition5k представљен на CVPR 2021 спровео је мању проверу са људима уз свој скуп података од отприлике 5.000 јела: 4 нутриционисте и 16 аматера оценили су 10 јела изабраних да буду једноставнија од просека скупа података. Нутриционисти су у просеку грешили 41%, а аматери 53%. Ово схвати као ред величине на повољном узорку, а не као процену за целу популацију.

Ручно бележење у апликацији носи сопствену пристрасност, мада мању него што наслов сугерише. Мета-анализа из 2021. у часопису Advances in Nutrition, која је обухватила 11 студија о апликацијама за дневник исхране, утврдила је да оне у просеку потцењују унос енергије за 202 kcal дневно (95% интервал поузданости: 319 до 85 kcal). Већи део тог јаза потиче од табеле састава хране, а не од самог бележења: тамо где су апликација и референтна метода користиле исту табелу, збирни мањак је пао на 57 kcal дневно (95% интервал поузданости: мањак од 116 kcal до вишак од 2 kcal), а разлике међу студијама су спале на нулу. У дану од 2.000 калорија то је испод 3%, тако да пажљив ручни унос против усклађене базе података заиста јесте прецизнија метода.

Дакле, процена мешовитог јела на основу фотографије је непрецизна, а исто важи и за нутриционисту који гледа исти тањир. Пажљив ручни унос надмашује обоје по прецизности, а губи у односу на обоје по томе да ли ћеш то наставити да радиш. Оно што бележење фотографијом мења није прецизност, већ то да ли ћеш уопште забележити оброк, а забележен оброк са процена која се може кориговати надмашује незабележени.

Буди скептична према тврдњама о тачности

Неколико сајтова објављује бројке о тачности апликација за калорије које звуче прецизно, неки цитирају студије и DOI бројеве који не постоје. Ниједна апликација нема објављену, рецензирану валидацију свог производа у продаји. Где иза броја не стоји именован часопис, величина узорка и методологија, третирај то као маркетинг. То важи и за нас: бројке на овој страници цитиране су из независних истраживања, а не из нашег сопственог тестирања.

Да ли је „довољно близу" — довољно добро?

За већину људи, да. Двоцифрена маргина грешке звучи значајно сама по себи, али контекст је важан.

Ни ручни уноси из базе нису потпуно тачни. Базе које пуне корисници садрже грешке, дефиниције величине порције варирају од извора до извора, а домаћи оброци ретко одговарају тачном начину припреме претпостављеном у уносу базе. Практична тачност ручног уноса за домаћу храну нижа је него што већина људи претпоставља.

Још важније, доследност је важнија од прецизности када је сврха праћење. Ако упоређујеш АИ трекере са традиционалним апликацијама са базама података, поређење VitaCal и MyFitnessPal обрађује практичне разлике у приступу уносу. Ако је АИ систематски погрешан за 15% код одређеног оброка који редовно једеш, твој забележени унос и даље релативно одражава твој стварни унос. Твоји недељни трендови, твоје реакције на промене у исхрани и твој напредак током времена и даље су значајни. Циљ праћења је изградња свести и препознавање образаца, а не постизање лабораторијске прецизности за сваки оброк.

Праћење не прекида грешка у процени. Праћење прекида одустајање од навике зато што је уношење сувише споро или захтева превише труда. ВИ уношење преко фотографије директно решава тај проблем.

Како постићи боље резултате

Неколико једноставних навика ће побољшати квалитет твојих процена вештачке интелигенције:

• Прегледај шта је АИ препознао пре него што потврдиш унос. Ако је изоставио неки састојак или нешто погрешно препознао, можеш то да исправиш пре чувања.
• Фотографиши директно одозго, при добром осветљењу. То траје секунду дуже и прави мерљиву разлику.
• За оброке где је тачност важна, бележи појединачне компоненте одвојено уместо као један тањир. Ово даје моделу чистији задатак за сваку ставку.
• Користи ручни унос за паковане намирнице. Ако постоји нутритивна декларација, искористи је. Уношење уз помоћ вештачке интелигенције остави за оброке где има стварну предност: кувану храну, оброке из ресторана и све оно што би иначе морала да претражујеш.

Приступ VitaCal-а

За поређење бележења путем фотографије у апликацијама које то нуде, погледај водич за апликације са препознавањем хране путем фотографије уз вештачку интелигенцију.

VitaCal ти показује тачно шта је препознато на твојој фотографији пре него што било шта буде забележено. Можеш да видиш појединачне намирнице, њихове процењене порције и резултујуће калорије и макронутријенте. Ако нешто изгледа погрешно, можеш да прилагодиш порције или уклониш ставке пре потврде. Ништа се не бележи без твог прегледа.

Ако желиш да видиш како АИ унос функционише у пракси, пробај VitaCal бесплатно. Бесплатни план укључује пет АИ анализа недељно без реклама.