Я две недели считал КБЖУ по фото в нескольких приложениях подряд на одной и той же еде, чтобы понять, где расхождение критичное, а где — в пределах разумной погрешности. Короткий вывод простой: разница есть. И сильно зависит от того, простое блюдо на тарелке или смешанное.
Как я тестировал
Схема простая: одно и то же блюдо взвешивалось на кухонных весах, считалась точная калорийность по составу, а потом то же блюдо фотографировалось в приложении — и сравнивался результат. Тестировал на 12 блюдах: от простых (яблоко, варёное яйцо, куриная грудка с рисом) до сложных (борщ, плов, салат с заправкой из нескольких компонентов).
Для сравнения своей нормы КБЖУ с тем, что показывает распознавание, полезно сначала знать точную цифру — её можно посчитать в калькуляторе на сайте, а дальше уже сверять с фото-подсчётом день за днём.
Простые блюда — расхождение минимальное
На однокомпонентных продуктах — яблоко, банан, варёное яйцо, кусок отварной куриной грудки без соуса — расхождение с точным взвешиванием получилось в пределах 5-8%. Это тот случай, когда фото-подсчёт справляется практически на уровне ручного взвешивания, просто заметно быстрее.
Главное условие точности здесь — оценка размера порции: если в кадре нет ничего для масштаба (тарелки стандартного размера, вилки), приложение угадывает объём чуть менее уверенно, и погрешность растёт до 10-12%.
Смешанные блюда — вот где начинаются проблемы
На борще, плове и салате со сложной заправкой расхождение выросло до 20-30% по калориям, а по жирам — иногда и больше, потому что скрытое масло в заправке или зажарке визуально не видно на фото. Приложение оценивает состав блюда по внешнему виду, а не взвешивает реальные ингредиенты — и не может «увидеть» столовую ложку масла, растворённого в супе. Скрытый жир остаётся скрытым.
Это не значит, что метод бесполезен для сложных блюд — просто для них стоит закладывать более широкий доверительный интервал, чем для простой еды.
Что реально влияет на точность распознавания
Три фактора дали больше всего разницы в моих тестах: качество освещения (при плохом свете распознавание блюда иногда промахивается мимо ингредиента целиком), угол съёмки сверху вместо сбоку (сверху объём оценивается точнее) и наличие в кадре предмета для масштаба — той же вилки или края тарелки известного размера.
Один и тот же борщ, сфотографированный при дневном свете сверху и при жёлтом вечернем свете сбоку, дал разницу в оценке калорийности почти в 15% — оба фото были одного и того же блюда.
Что происходит вечером при плохом освещении
Ужин чаще всего фотографируется при искусственном свете — тёплом жёлтом от лампы или холодном от кухонной подсветки. В моих тестах именно вечерние фото давали наибольший разброс — до 20% по калориям на одном и том же блюде по сравнению с дневной съёмкой при естественном свете из окна.
Простое решение — включать дополнительный источник света ближе к тарелке или на пару секунд выйти к окну, если оно есть, вместо того чтобы снимать при одной верхней лампе. Разница в итоговой цифре того стоит. Особенно если вечерний приём пищи — самый калорийный за день, что бывает часто.
Когда точность не самое главное
Для ежедневного контроля тренда — набираешь вес, теряешь или держишься на месте — абсолютная точность каждого отдельного замера не так критична, как последовательность метода. Если считать каждый день одним и тем же способом, даже с систематической погрешностью 10-15%, тренд по неделям всё равно виден верно.
Проблема возникает, только если метод подсчёта меняется день ото дня — тогда сравнивать цифры между собой уже некорректно.
Проверка стабильности одного и того же приложения
Отдельно проверял не точность против весов, а стабильность — фотографировал одну и ту же тарелку дважды подряд без изменений в композиции. Разброс между двумя одинаковыми фото одного и того же блюда составил около 3-5% — то есть само распознавание достаточно стабильно, и основной источник ошибки не в алгоритме, а именно в условиях съёмки, которые меняются от раза к разу.
Этот тест важен: если бы разброс на идентичных фото был большим, доверять тренду по дням не имело бы смысла в принципе — а раз алгоритм стабилен, накопленная за недели статистика остаётся осмысленной даже при разовых погрешностях в конкретных кадрах.
Один и тот же обед, разные ракурсы
Ещё один тест: одна тарелка, три снимка подряд — сверху, под углом 45 градусов и сбоку. Оценка калорийности разошлась между ракурсами на 8-12% — сильнее всего расходился именно боковой снимок, где часть еды перекрывается бортиком тарелки и не видна алгоритму целиком.
Практический вывод простой: снимать сверху или под небольшим углом, стараясь уместить в кадр всю тарелку целиком, без обрезанных краёв — это не мелочь, а фактор, который заметно двигает итоговую цифру.
Мой итог: как считать КБЖУ по фото и не разочароваться
Для простой домашней еды считать КБЖУ по фото — вполне рабочий вариант, точность сравнима с ручным взвешиванием — разница в пределах статистической погрешности. Для сложных блюд стоит либо снимать сверху при хорошем свете, либо относиться к цифре как к ориентиру, а не к точному измерению до грамма.
Из всего, что тестировал, самым удобным по балансу скорости и точности оказался подход, где приложение не просто оценивает калории, а сразу считает КБЖУ и держит историю — тогда систематическая погрешность одного метода компенсируется тем, что тренд по неделям остаётся честным.
Хочешь попробовать сам?
Нутритрэк считает КБЖУ по фото и держит историю по дням — удобно сверять свой тренд.
Частые вопросы
Насколько точно приложения считают калории по фото простой еды?
На однокомпонентных продуктах вроде яйца или куска мяса расхождение с точным взвешиванием обычно в пределах 5-8% — это близко к погрешности ручного метода.
Почему сложные блюда считаются менее точно?
Скрытые ингредиенты вроде масла в заправке или зажарке не видны на фото — распознавание оценивает состав по внешнему виду, а не по факту вложенных продуктов.
Что улучшает точность распознавания блюда на фото?
Хорошее освещение, съёмка сверху и наличие в кадре предмета известного размера (тарелки, вилки) для масштаба порции.
Стоит ли доверять фото-подсчёту, если он не идеально точен?
Для отслеживания тренда по неделям — да, если метод подсчёта не меняется изо дня в день. Систематическая погрешность одного и того же метода не мешает видеть верное направление.
Демьян Соколов
Пробует на себе разные способы считать калории — от бумажного дневника до нейросетей по фото. Пишет, что из этого реально прижилось в быту, а что оказалось бесполезным. Все статьи автора →
