AI ovqatni aniqlash qanchalik aniq? Nimani kutish kerak

Chop etilgan: 2026-yil aprel

AI asosidagi taom fotosurati orqali qayd qilish oziq-ovqat maʼlumotlar bazasini qoʻlda qidirishdan sezilarli darajada tezroq. Biroq oʻtishdan oldin koʻp beriladigan savol: bu aslida qanchalik aniq? Xolis javob shuki, bu nima yeyayotganing va qanday fotosurat olganingga bogʻliq. Mana texnologiya nimani qila oladi va nimani qila olmaydi.

Ovqatni aniqlovchi AI: texnologiya qanday ishlaydi

Ovqatni taniydigan sunʼiy intellekt -- bu tovoqqa qoʻllaniladigan kompyuter koʻrish texnologiyasi: belgilangan ovqat rasmlari asosida oʻqitilgan model rasmda nima borligini aniqlaydi va uning miqdorini baholaydi. Xuddi shu turdagi modellar isteʼmolchi kaloriya ilovalarini va restoranlar, kasalxonalar hamda salomatlik platformalari qurayotgan tijorat ovqat-tanish API'larini quvvatlaydi. Har bir amalga oshirish bir xil beshta bosqichdan oʻtadi.

• Aniqlash. Model suratdagi ovqat boʻlgan hududlarni topadi, ularni likobcha, stol va fondan ajratadi.
• Segmentatsiya. Har bir oziq-ovqat hududi alohida elementlarga boʻlinadi, shuning uchun qovurilgan taom bitta obyekt emas, balki oqsil, sabzavotlar, guruch va sous boʻlib chiqadi.
• Tasniflash. Har bir segment model oʻqitilgan oziq-ovqat toifalari bilan solishtiriladi. Bu endi ishonchli bosqich: zamonaviy modellar minglab taomlarni taniydi.
• Hajm va porsiyani baholash. Model har bir elementning qancha miqdorda mavjudligini uning likopcha, pichoq-vilka yoki boshqa mos obyektlarga nisbatan koʻrinadigan oʻlchamidan xulosa qiladi. Deyarli barcha xatolar tasniflashdan emas, aynan shu bosqichdan kelib chiqadi.
• Ozuqa qidiruvi. Aniqlangan har bir ovqat uning taxminiy porsiyasiga moslashtiriladi va kaloriya hamda makronutrient qiymatlariga bogʻlanadi.

Taomning fotosuratini olganingda, AI koʻrish modeli alohida oziq-ovqatlarni aniqlash uchun tasvirni tahlil qiladi. U likopchada nima borligini aniqlash uchun shakllar, ranglar, teksturalar va kontekstga qaraydi. Oziq-ovqatlar aniqlangandan soʻng, tizim har bir taomning likopcha, pichoq-vilka yoki kadrdagi boshqa moʻljal nuqtalariga nisbatan koʻrinadigan hajmi kabi vizual belgilar asosida porsiya oʻlchamlarini hisoblaydi.

Ushbu baholardan foydalanib, u aniqlangan ovqatlarning ozuqaviy qiymatlaridan kelib chiqib kaloriya va makronutrientlarni hisoblaydi. Butun jarayon odatda bir necha soniya vaqt oladi.

U qanchalik aniq?

Odatiy, aniq koʻrinadigan taomlar uchun sunʼiy intellekt bilan ovqatni aniqlash yetarlicha aniq ishlaydi. Tovuq koʻkragi, guruch va bugʻda pishirilgan sabzavotlardan iborat likopcha -- sunʼiy intellekt yaxshi natija koʻrsatadigan taom turi. Alohida komponentlar koʻrinib turadi, porsiya hajmini baholash mumkin va bu taomlar model koʻp marta koʻrgan turdagi taomlardir. Baho qanchalik aniq chiqishini hech kim halol tarzda bitta foizga qisqartira olmaydi. Annals of Medicine jurnalidagi 2023-yilgi sistematik sharh 14 059 nashrni koʻrib chiqdi, 2010-2023-yillar oraligʻida chop etilgan 52 tasini saqlab qoldi va ular boʻyicha kaloriyalar uchun oʻrtacha nisbiy xatolik 0,1% dan 38,3% gacha oʻzgarishini aniqladi. Mualliflar bu tadqiqotlarni bitta koʻrsatkichga birlashtira olmadi, chunki taom rasmlari bazalari va bildirilgan natijalar meta-tahlil uchun juda xilma-xil edi. Sharh aniqlagan narsa -- yoʻnalish: xatoliklar yagona yoki oddiy taomlar rasmlarida pastroq boʻldi.

Aralash taomlar uchun aniqlik pasayadi. Dimlama, duxovkada pishirilgan taom yoki karri idishi qisman yoki toʻliq yashiringan tarkibiy qismlarni oʻz ichiga oladi. AI taomning nima ekanini aniqlay oladi, lekin uning ichida nima borligini koʻra olmaydi, shuning uchun hisoblar sening qozoningdagi haqiqiy tarkibdan koʻra odatiy retseptlarga koʻproq tayanadi. Xato diapazoni kengayadi.

Souslar, yogʻlar va zapravkalar doimo qiyin boʻladi. Zaytun moyi bilan tayyorlangan salat va yengil vinegret bilan tayyorlangan salat suratda deyarli bir xil koʻrinadi. Ular orasidagi kaloriya farqi sezilarli boʻlishi mumkin. Qovurishdan oldin tovaga qoʻshilgan pishirish yogʻi esa yakuniy suratda umuman koʻrinmaydi.

Ovqatlanish yorligʻi boʻlgan qadoqlangan oziq-ovqatlar qoʻlda kiritish yoki shtrix-kod skanerlash orqali yaxshiroq boshqariladi. Muayyan brend yogurtining 200 gramlik porsiyasi maʼlum, aniq ovqatlanish profiliga ega. Haqiqat qadoq ustida chop etilgan boʻlsa, AI hisoblashi keraksiz noaniqlikni keltirib chiqaradi.

Aniqlikka Nima Taʼsir Qiladi

Har qanday suratda AI qanchalik yaxshi ishlashiga bir necha amaliy omil taʼsir qiladi:

• Yorugʻlik. Yaxshi yoritilgan fotosuratlar modelga ishlash uchun koʻproq vizual maʼlumot beradi. Yomon yorugʻlik teksturalarni tekislaydi va rang aniqligini kamaytiradi, bu esa oziq-ovqatni toʻgʻri aniqlashni qiyinlashtiradi.
• Burchak. Yuqoridan pastga tushirilgan suratlar (likopcha tepasidan toʻgʻridan-toʻgʻri) odatda eng yaxshi natija beradi. Yon burchaklar oziq-ovqat elementlarini boshqa elementlar orqasida yashirishi va porsiya baholashni kamroq ishonchli qilishi mumkin.
• Taomning joylashuvi. Likopchada alohida-alohida qismlarga boʻlib yoyilgan taomlarni ustma-ust yoki aralashtirilgan holatdagilarga qaraganda tahlil qilish osonroq. Agar bir nechta taom boʻlsa, suratga olishdan oldin ularni yoyib qoʻyish yordam beradi.
• Mos yozuv obyektlari. Kadrga likopcha chetini, vilkani yoki boshqa tanish obyektni kiritish modelga porsiya hajmini kalibrlashda yordam beradi. Bir boʻlak tovuq goʻshti vilka yonida hech narsa yoʻqligiga nisbatan miqyosda juda boshqacha koʻrinadi.

Aralash taomlar bitta oziq-ovqatga qaraganda qiyinroq

Guruch va brokkoli yonidagi grilda pishirilgan tovuq koʻkragi -- bu aniq chetlarga ega uchta alohida shakl. Karri, dimlama, kastryulkada pishirilgan taom yoki soslangan salat esa komponentlari bir-birini qoplaydigan, yashiradigan va zichligi har xil boʻlgan bitta vizual massa. AI ikkinchi turini sezilarli darajada kamroq aniqlik bilan baholaydi, va bu fotosurat bahosi aniq chiqish-chiqmasligining yagona eng katta koʻrsatkichidir.

Annals of Medicine jurnalidagi 2023-yilgi sistematik sharh, 2010 va 2023-yillar oraligʻida chop etilgan 52 ta tadqiqotni qamrab olib, kaloriya boʻyicha oʻrtacha nisbiy xatolar 0,10% dan 38,3% gacha ekanligini aniqladi va xatolar "bitta ovqat rasmlarida bir nechta ovqat rasmlariga qaraganda kichikroq boʻlish moyilligini" qayd etdi. U qiyin holatni toʻgʻridan-toʻgʻri ajratib koʻrsatadi: "aralash taomlar (masalan, kari) yoki turli balandlikdagi yoki noaniq chegaralarga ega bir-birining ustiga chiqib ketgan turli xil ovqatlar joylashgan tovoqlar tasniflash yoki segmentatsiya xatolari uchun yuqoriroq xavfni keltirib chiqaradi". Koʻrib chiqilgan tadqiqotlar boʻyicha eng past 22 ta hajmni baholash xatosining 68% i bitta ovqat rasmlaridan kelib chiqqan.

2024-yilda IEEE Journal of Biomedical and Health Informatics jurnalida chop etilgan, tortilgan etalon taomlarga nisbatan GPT-4V tahlili bu tafovutga raqamlar qoʻydi. Bir vaqtning oʻzida bitta oziq-ovqat mahsulotini baholash, 32 ta mahsulot boʻyicha, oʻrtacha mutlaq kaloriya xatosi 69,2 kkalni tashkil etdi. Butun ovqatlanish epizodini baholash, 10 ta epizod boʻyicha, taxminan ikki barobar koʻp -- 151,2 kkalni berdi. Sababi toʻplanib borishda: portsiya hajmi xatoning asosiy manbai boʻlib, aralash taom har bir tarkibiy qism uchun alohida portsiya baholashni talab qiladi va ularning har biri oʻz xatosiga ega.

Bu masala hali toʻliq hal etilgan emas. Nutrients jurnalida 2025-yilda chop etilgan, 195 ta taomni tahlil qilgan tadqiqot tarkibiy qismlar soni va xato oʻrtasida faqat zaif bogʻliqlik topdi (r 0,37 dan oshmaydi) va tarkibiy qismlar sonini hal qiluvchi omil emas, degan xulosaga keldi. Halol xulosa shuki, vizual ajratilganlik tarkibiy qismlar sonidan koʻra muhimroq: oltita aniq ajratilgan ovqat turgan tovoq uchta aralashib ketgan ovqat turgan likopchadan osonroqdir.

Bu amalda nimani anglatadi

• Aralashtirishdan oldin rasmga ol. Tarkibiy qismlar hali aniq boʻlganida rasmga ol, aralashtirilgan idishni emas.
• Iloji boʻlsa, aralash ovqatni ikkita suratga boʻl. Ikkita alohida baho bitta qoʻshma bahodan yaxshiroq.
• Aralashtirilgan, souslangan yoki qatlamli taomlar uchun baholashni toʻgʻrila. Yogʻ har bir tadqiqotda eng koʻp kam baholanadigan ozuqa moddasi, va sousdagi yogʻ suratda koʻrinmaydi.
• Uy sharoitida tayyorlangan qaynatma va karri taomlarni eng yomon holat sifatida koʻr, va taom muhim boʻlganda ularni suratdan emas, ingredientlardan qayd qil.

Nimaga nisbatan?

Foydali taqqoslash -- AI'ni mukammal raqam bilan emas, balki AI'ni sen aks holda taomni qanday qayd qilishing bilan solishtirishdir, bu ham noaniq.

2018-yilda Nutrients jurnalida chop etilgan tadqiqotda 38 nafar ovqatlanish mutaxassisidan ovqat rasmlari asosida porsiyalarni baholash soʻralgan. Ularning tarelka baholarining atigi 23,7 foizi haqiqiy tortilgan miqdorning 10 foiz chegarasiga toʻgʻri kelgan, oʻrtacha mutlaq foiz farqi esa 47,6 foiz boʻlgan. CVPR 2021'da taqdim etilgan Nutrition5k ishida taxminan 5 000 taomlik maʼlumotlar toʻplami bilan birga kichikroq inson tekshiruvi ham oʻtkazilgan: 4 nafar dietolog va 16 nafar havaskor maʼlumotlar toʻplami oʻrtachasidan soddaroq tanlangan 10 ta taomni baholagan. Dietologlarning xatosi oʻrtacha 41 foiz, havaskorlarniki esa 53 foiz boʻlgan. Buni populyatsiya bahosi emas, balki qulay namunadagi taxminiy kattalik sifatida oʻqi.

Qoʻlda qayd qilishning ham oʻz xatoligi bor, biroq bosh raqam koʻrsatganidan kichikroq. Advances in Nutrition jurnalidagi 2021-yilgi meta-tahlil 11 ta ovqat qaydnomasi ilovasi boʻyicha tadqiqotni birlashtirib, ular energiya isteʼmolini oʻrtacha kuniga 202 kkal kam baholaganini aniqladi (95% CI: 319 dan 85 kkalgacha). Bu farqning aksariyat qismi qayd qilishning oʻzi emas, balki oziq-ovqat tarkibi jadvalidan kelib chiqadi: ilova va etalon metod bir xil jadvaldan foydalanganda, umumiy kamomad kuniga 57 kkalgacha tushdi (95% CI: 116 kkal kamomaddan 2 kkal ortiqchagacha) va tadqiqotlar orasidagi bir xillik farqi nolga tushdi. 2 000 kaloriyali kunda bu 3% dan kam, shuning uchun mos maʼlumotlar bazasiga nisbatan ehtiyotkorlik bilan qoʻlda kiritish haqiqatan ham aniqroq metoddir.

Demak, aralash taomni suratdan baholash aniq emas, xuddi shu likobchaga qarayotgan dietolog ham aniq emas. Puxta qoʻlda kiritish ikkalasidan ham aniqlikda ustun, ikkalasidan ham davomiylikda yutqazadi. Surat orqali qayd qilish oʻzgartiradigan narsa aniqlik emas, balki ovqatni umuman qayd qilib-qilmasligingdir, va toʻgʻrilanadigan baho bilan qayd qilingan ovqat qayd qilinmagan ovqatdan yaxshiroq.

Aniqlik haqidagi daʼvolarga shubha bilan qara

Bir qancha saytlar kaloriya ilovalari uchun aniq eshitiladigan raqamlarni eʼlon qiladi, baʼzilari esa mavjud boʻlmagan tadqiqotlar va DOI'larga havola qiladi. Hech qanday ilova oʻzining chiqarilgan mahsuloti boʻyicha nashr etilgan, ekspert tomonidan koʻrib chiqilgan tasdiqlashga ega emas. Agar raqam ortida nomlangan jurnal, namuna hajmi va metodologiya boʻlmasa, uni marketing deb hisobla. Bunga bizning maʼlumotlarimiz ham kiradi: ushbu sahifadagi raqamlar bizning oʻz sinovlarimizga emas, mustaqil tadqiqotlarga havola qilingan.

"Yetarlicha yaqin" yetarlimi?

Koʻpchilik uchun - ha. Ikki xonali xato chegarasi yolgʻiz holda muhim eshitiladi, ammo kontekst muhim ahamiyatga ega.

Qoʻlda kiritilgan maʼlumotlar bazasi yozuvlari ham mutlaqo aniq emas. Foydalanuvchilar kiritgan maʼlumotlar bazalarida xatolar boʻladi, porsiya oʻlchamlari taʼriflari manbalar orasida farq qiladi, va uyda pishirilgan taomlar kamdan-kam hollarda maʼlumotlar bazasi yozuvida nazarda tutilgan aniq tayyorlash usuliga mos keladi. Uyda pishirilgan ovqat uchun qoʻlda qayd qilishning amaliy aniqligi koʻpchilik oʻylagandan pastroqdir.

Yanada muhimi, kuzatish maqsadida izchillik aniqlikdan koʻra muhimroq. Agar sunʼiy intellektga asoslangan kuzatuvchilarni anʼanaviy bazaviy ilovalar bilan solishtirayotgan boʻlsang, VitaCal va MyFitnessPal taqqoslashi qayd qilish yondashuvidagi amaliy farqlarni yoritadi. Agar sunʼiy intellekt muntazam yeydigan muayyan bir taomingda tizimli ravishda 15% xato qilsa ham, qayd etilgan isteʼmoling baribir haqiqiy isteʼmolingni nisbiy jihatdan aks ettiradi. Haftalik tendensiyalaring, ovqatlanish oʻzgarishlariga bergan javobing va vaqt oʻtishi bilan erishgan yutuqlaring baribir mazmunli boʻlib qoladi. Kuzatishning maqsadi ongni oshirish va naqshlarni aniqlash, har bir taomni laboratoriya darajasidagi aniqlik bilan oʻlchash emas.

Kuzatuvni buzadigan narsa xato chegarasi emas. Kuzatuvni buzadigan narsa — qayd qilish juda sekin yoki juda mashaqqatli boʻlgani uchun odatni tark etishdir. AI orqali fotosuratdan qayd qilish bu muammoni toʻgʻridan-toʻgʻri hal qiladi.

Yaxshiroq natijalarga erishish yoʻli

Bir nechta oddiy odat AI baholaringning sifatini oshiradi:

• Qaydni tasdiqlashdan oldin sunʼiy intellekt nimani aniqlaganini koʻrib chiq. Agar u biror ingredientni oʻtkazib yuborgan yoki notoʻgʻri aniqlagan boʻlsa, saqlashdan oldin tuzatishing mumkin.
• Yaxshi yorugʻlikda toʻgʻridan-toʻgʻri yuqoridan rasmga ol. Bu qoʻshimcha bir soniya oladi va sezilarli farq yaratadi.
• Aniqlik muhim boʻlgan taomlar uchun tarkibiy qismlarni bitta likopcha sifatida emas, alohida-alohida qayd qil. Bu modelga har bir mahsulot uchun tozaroq vazifa beradi.
• Qadoqlangan ovqatlar uchun qoʻlda kiritishdan foydalaning. Agar ozuqaviy yorliq boʻlsa, undan foydalaning. AI orqali qayd qilishni haqiqiy ustunlikka ega boʻlgan ovqatlar uchun saqla: pishirilgan ovqat, restoran taomlari va aks holda qidirishga toʻgʻri keladigan har qanday narsa.

VitaCal'ning yondashuvi

Surat orqali qayd qilishni taklif qiluvchi ilovalar orasida qanday solishtirilishini koʻrish uchun AI kaloriya trekeri surat aniqlash ilovalari qoʻllanmasiga qara.

VitaCal hech narsa qayd qilinmasdan oldin AI suratingda aniqlagan narsani senga aynan koʻrsatadi. Alohida taomlarni, ularning taxminiy portsiyalarini va natijaviy kaloriya hamda makrolarni koʻrishing mumkin. Agar biror narsa notoʻgʻri koʻrinsa, tasdiqlashdan oldin portsiyalarni sozlashing yoki taomlarni olib tashlashing mumkin. Sening koʻrib chiqishingsiz hech narsa qayd qilinmaydi.

Agar AI orqali qayd qilish amalda qanday ishlashini koʻrmoqchi boʻlsang, VitaCal'ni bepul sinab koʻr. Bepul reja haftasiga beshta AI tahlilini reklamasiz oʻz ichiga oladi.