Nhận diện thực phẩm bằng AI chính xác đến mức nào? Điều nên kỳ vọng

Đăng tháng 4 năm 2026

Ghi bữa ăn bằng ảnh chạy bằng AI nhanh hơn đáng kể so với tìm thủ công trong cơ sở dữ liệu thực phẩm. Nhưng trước khi chuyển đổi, câu hỏi thường gặp là: thực sự chính xác đến đâu? Câu trả lời thành thật là còn tùy vào bạn ăn gì và chụp ảnh ra sao. Dưới đây là những gì công nghệ này làm được và không làm được.

AI nhận diện thực phẩm: Công nghệ hoạt động như thế nào

AI nhận diện thực phẩm là thị giác máy tính áp dụng cho một đĩa ăn: một mô hình được huấn luyện trên ảnh thực phẩm đã gắn nhãn, xác định thứ có trong bức ảnh và ước tính lượng của nó. Cùng loại mô hình này vận hành các ứng dụng calo dành cho người dùng và các API nhận diện thực phẩm thương mại mà nhà hàng, bệnh viện và nền tảng sức khỏe xây dựng trên đó. Mọi cách triển khai đều chạy qua cùng năm giai đoạn.

Khi bạn chụp ảnh một bữa ăn, một mô hình thị giác AI phân tích hình ảnh để nhận diện từng món. Nó xem hình dạng, màu sắc, kết cấu và ngữ cảnh để xác định có gì trên đĩa. Sau khi nhận diện món, hệ thống ước tính khẩu phần dựa trên các dấu hiệu thị giác, gồm kích thước tương đối của từng món so với đĩa, dao nĩa hoặc các điểm tham chiếu khác trong khung hình.

Từ các ước lượng đó, ứng dụng tính calo và chất dinh dưỡng đa lượng dựa trên giá trị dinh dưỡng của các thực phẩm đã nhận diện. Toàn bộ quy trình thường mất vài giây.

Độ chính xác ra sao?

Với những bữa ăn phổ biến, nhìn rõ, nhận diện thực phẩm bằng AI khá chính xác. Một đĩa có ức gà, cơm và rau hấp là loại bữa ăn mà AI làm tốt. Từng thành phần đều nhìn thấy, khẩu phần có thể ước lượng, và các món này là những thứ mô hình đã gặp nhiều lần. Ước tính sát đến mức nào thì không ai có thể quy một cách trung thực thành một tỷ lệ phần trăm duy nhất. Tổng quan hệ thống năm 2023 trên Annals of Medicine đã sàng lọc 14.059 ấn phẩm, giữ lại 52 nghiên cứu xuất bản từ năm 2010 đến 2023, và thấy sai số tương đối trung bình về calo dao động từ 0,1% đến 38,3% giữa các nghiên cứu đó. Các tác giả không thể gộp chúng thành một con số, vì các cơ sở dữ liệu ảnh thực phẩm và kết quả báo cáo quá khác nhau để phân tích gộp. Điều tổng quan này xác lập được là xu hướng: sai số thấp hơn với ảnh thực phẩm đơn lẻ hoặc đơn giản.

Độ chính xác giảm với món hỗn hợp. Một bát món hầm, món nướng trong khay hay món cà ri chứa các nguyên liệu bị che một phần hoặc hoàn toàn. AI có thể nhận ra đó là món gì, nhưng không thấy được bên trong có gì, nên ước tính dựa nhiều hơn vào công thức điển hình thay vì những gì thực sự có trong nồi của bạn. Biên độ sai số rộng ra.

Nước sốt, dầu và sốt trộn salad luôn khó nhận diện. Một món salad trộn dầu ô liu và một món salad trộn dấm vinaigrette nhẹ trông gần như giống hệt nhau trong ảnh. Chênh lệch calo giữa chúng có thể đáng kể. Dầu ăn cho vào chảo trước khi xào hoàn toàn không thấy được trong ảnh cuối cùng.

Thực phẩm đóng gói có nhãn dinh dưỡng nên xử lý bằng nhập thủ công hoặc quét mã vạch. Một khẩu phần sữa chua 200g của một thương hiệu cụ thể có thông tin dinh dưỡng chính xác đã biết. Ước tính bằng AI chỉ thêm sự không chắc chắn không cần thiết khi số liệu thật đã in sẵn trên bao bì.

Những yếu tố ảnh hưởng đến độ chính xác

Một số yếu tố thực tế ảnh hưởng đến hiệu quả của AI trên mỗi bức ảnh:

Bữa ăn hỗn hợp khó hơn món đơn

Một miếng ức gà nướng cạnh cơm và bông cải xanh là ba hình khối riêng biệt với đường viền rõ. Một món cà ri, món hầm, món nướng trong khay hay salad đã trộn sốt là một khối thị giác trong đó các thành phần chồng lên nhau, che nhau và có mật độ khác nhau. AI ước tính loại thứ hai kém chính xác hơn đáng kể, và đây là yếu tố dự báo lớn nhất cho việc ước tính từ ảnh có sát hay không.

Tổng quan hệ thống năm 2023 trên Annals of Medicine, bao gồm 52 nghiên cứu công bố từ năm 2010 đến 2023, cho thấy sai số tương đối trung bình về calo dao động từ 0,10% đến 38,3%, và báo cáo rằng sai số “có xu hướng nhỏ hơn với ảnh một món so với ảnh nhiều món”. Nó chỉ thẳng vào trường hợp khó: “ảnh có món trộn (như cà ri) hoặc đĩa có nhiều món chồng lên nhau với độ cao khác nhau hoặc ranh giới không rõ có nguy cơ sai sót phân loại hoặc phân đoạn cao hơn”. Trong 22 sai số ước tính thể tích thấp nhất qua các nghiên cứu được xem xét, 68% đến từ ảnh một món.

Một phân tích GPT-4V so với các bữa ăn tham chiếu được cân đo, công bố trên IEEE Journal of Biomedical and Health Informatics năm 2024, đã cho con số cụ thể về khoảng chênh này. Ước lượng từng món một, trên 32 món, cho sai số calo tuyệt đối trung bình là 69,2 kcal. Ước lượng cả bữa ăn, trên 10 bữa, cho 151,2 kcal, gần gấp đôi. Nguyên nhân là sai số cộng dồn: kích thước khẩu phần là nguồn sai số chính, và một món hỗn hợp cần đánh giá khẩu phần riêng cho từng thành phần, mỗi thành phần mang sai số riêng.

Điều này chưa hoàn toàn ngã ngũ. Một nghiên cứu năm 2025 trên Nutrients phân tích 195 món ăn chỉ thấy tương quan yếu giữa số thành phần và sai số (r không quá 0,37) và kết luận số lượng thành phần không phải yếu tố quyết định quan trọng. Tóm tắt trung thực là khả năng tách biệt bằng mắt quan trọng hơn số thành phần: một đĩa có sáu món tách biệt rõ dễ hơn một tô có ba món trộn lẫn.

Điều đó có nghĩa gì trong thực tế

So với cái gì?

Phép so sánh hữu ích không phải là AI với một con số hoàn hảo, mà là AI với cách bạn vẫn ghi bữa ăn đó, vốn cũng không chính xác.

Một nghiên cứu năm 2018 trên Nutrients yêu cầu 38 chuyên gia dinh dưỡng ước tính khẩu phần từ ảnh thực phẩm. Chỉ 23,7% ước tính về đĩa ăn của họ nằm trong khoảng 10% so với lượng cân thực tế, với chênh lệch phần trăm tuyệt đối trung bình là 47,6%. Nghiên cứu Nutrition5k trình bày tại CVPR 2021 thực hiện một phép kiểm tra nhỏ hơn với người thật bên cạnh bộ dữ liệu khoảng 5.000 món: 4 chuyên gia dinh dưỡng và 16 người nghiệp dư đánh giá 10 món được chọn đơn giản hơn mức trung bình của bộ dữ liệu. Các chuyên gia dinh dưỡng có sai số trung bình 41% và người nghiệp dư 53%. Hãy hiểu đó là thứ bậc độ lớn trên một mẫu thuận lợi, không phải ước tính cho toàn bộ dân số.

Ghi nhật ký thủ công trong ứng dụng cũng có sai lệch riêng, dù nhỏ hơn con số nổi bật cho thấy. Một phân tích tổng hợp năm 2021 trên Advances in Nutrition gộp 11 nghiên cứu về ứng dụng ghi chép ăn uống cho thấy các ứng dụng này ước lượng thấp năng lượng nạp vào trung bình 202 kcal mỗi ngày (KTC 95%: 319 đến 85 kcal). Phần lớn khoảng chênh này đến từ bảng thành phần thực phẩm chứ không phải từ việc ghi nhật ký: khi ứng dụng và phương pháp tham chiếu dùng cùng một bảng, mức thiếu hụt gộp giảm xuống 57 kcal mỗi ngày (KTC 95%: thiếu hụt 116 kcal đến dư 2 kcal) và độ không đồng nhất giữa các nghiên cứu giảm về không. Với một ngày 2.000 calo, đó là dưới 3%, nên nhập thủ công cẩn thận theo một cơ sở dữ liệu tương thích thực sự là phương pháp chính xác hơn.

Vì vậy ước tính bằng ảnh với món hỗn hợp là không chính xác, và một chuyên gia dinh dưỡng nhìn cùng một đĩa cũng vậy. Nhập thủ công cẩn thận thắng cả hai về độ chính xác, và thua cả hai về việc bạn có tiếp tục làm hay không. Ghi nhận bằng ảnh thay đổi không phải độ chính xác mà là việc bạn có ghi bữa ăn hay không, và một bữa ăn được ghi với ước tính có thể chỉnh vẫn hơn một bữa không được ghi.

Hãy hoài nghi các tuyên bố về độ chính xác

Nhiều trang web đăng những số liệu độ chính xác nghe rất chính xác cho các ứng dụng calo, một số trích dẫn nghiên cứu và DOI không tồn tại. Không ứng dụng nào có xác nhận được công bố, qua bình duyệt, cho sản phẩm đang phát hành. Khi một con số không có tên tạp chí, cỡ mẫu và phương pháp đứng sau, hãy coi đó là tiếp thị. Điều đó bao gồm cả chúng tôi: các số liệu trên trang này được trích dẫn từ nghiên cứu độc lập, không phải từ thử nghiệm của chúng tôi.

“Gần đúng” có đủ tốt không?

Với hầu hết mọi người, có. Biên sai số hai chữ số nghe có vẻ lớn khi xét riêng, nhưng bối cảnh quan trọng.

Các mục nhập thủ công từ cơ sở dữ liệu cũng không hoàn toàn chính xác. Cơ sở dữ liệu do người dùng đóng góp có lỗi, định nghĩa khẩu phần khác nhau giữa các nguồn, và món tự nấu hiếm khi khớp đúng cách chế biến mà mục trong cơ sở dữ liệu giả định. Độ chính xác thực tế của việc ghi thủ công với đồ ăn tự nấu thấp hơn hầu hết mọi người nghĩ.

Quan trọng hơn, với mục đích theo dõi thì sự đều đặn quan trọng hơn độ chính xác tuyệt đối. Nếu bạn đang so sánh các ứng dụng dùng AI với các ứng dụng cơ sở dữ liệu truyền thống, so sánh VitaCal vs MyFitnessPal nêu những khác biệt thực tế về cách ghi. Nếu AI lệch có hệ thống 15% với một bữa ăn bạn ăn thường xuyên, lượng ăn vào bạn ghi vẫn phản ánh lượng ăn thực của bạn theo tương quan. Xu hướng theo tuần, phản ứng của bạn với các thay đổi ăn uống và tiến trình theo thời gian vẫn có ý nghĩa. Mục tiêu của việc theo dõi là xây dựng nhận thức và nhận ra quy luật, không phải đo đạc chuẩn phòng thí nghiệm cho từng bữa ăn.

Điều làm hỏng việc theo dõi không phải là biên độ sai số. Điều làm hỏng việc theo dõi là bỏ thói quen vì ghi nhật ký quá chậm hoặc quá tốn công. Ghi nhật ký bằng ảnh AI giải quyết trực tiếp vấn đề đó.

Cách đạt kết quả tốt hơn

Một vài thói quen đơn giản sẽ cải thiện chất lượng ước tính AI của bạn:

Cách tiếp cận của VitaCal

Để biết việc ghi nhật ký bằng ảnh so sánh thế nào giữa các ứng dụng có tính năng này, xem hướng dẫn ứng dụng nhận diện ảnh theo dõi calo bằng AI.

VitaCal cho bạn thấy chính xác AI đã nhận diện gì trong ảnh trước khi bất cứ thứ gì được ghi. Bạn có thể xem từng món, khẩu phần ước lượng và lượng calo và macro kết quả. Nếu có gì chưa đúng, bạn có thể điều chỉnh khẩu phần hoặc xóa món trước khi xác nhận. Không có gì được ghi mà bạn chưa xem lại.

Nếu bạn muốn xem việc ghi nhật ký bằng AI hoạt động thực tế ra sao, hãy dùng thử VitaCal miễn phí. Gói miễn phí gồm năm lượt phân tích AI mỗi tuần và không có quảng cáo.

Bài viết liên quan

Vì sao hầu hết ứng dụng theo dõi calo không hiệu quả với phụ nữ

Vì sao các ứng dụng calo đại trà không hiệu quả với phụ nữ, và những tính năng thực sự quan trọng trong một ứng dụng theo dõi.

Theo dõi macro cho người mới bắt đầu: Hướng dẫn dành cho phụ nữ

Tìm hiểu cách theo dõi protein, chất béo và carb cùng với calo để nhận thức tốt hơn về dinh dưỡng.

Phụ nữ nên ăn bao nhiêu calo để giảm cân?

Hiểu cách đặt mục tiêu calo được cá nhân hóa theo số liệu và mức độ hoạt động của bạn.