Оглавление
Так насколько это точно
Нейросеть хорошо понимает, что лежит на тарелке, и заметно хуже - сколько там граммов. В исследовании на 114 фотографиях обычных блюд ChatGPT правильно назвал продукты в 93% случаев, но вес средних и больших порций оценивал плохо. В другом исследовании средняя ошибка по калориям у лучших моделей составила около 36%, а на стандартных больничных обедах, снятых строго сверху, лучшие модели часто укладывались в ±10%.
Много это или мало, зависит от того, с чем сравнивать. В 1992 году Стивен Лихтман из Колумбийского университета проверил людей, которые «не могли похудеть» на низкокалорийной диете, и оказалось, что они занижали съеденное в среднем на 47%. А в «облегчённых» ресторанных блюдах, которые проверяли в Университете Тафтса, калорий в среднем было на 18% больше заявленного. Кухонные весы фото не заменит, но для повседневного учёта оно сопоставимо с привычными способами, а сил требует в разы меньше, и точность заметно растёт, если правильно снять тарелку и добавить одно уточнение словами.
Как нейросеть считает калории по фото
У разбора фотографии три шага. Сначала модель ищет на снимке отдельные компоненты, гречку, котлету, огурец, соус, и с этим нейросети справляются хорошо. Затем по площади каждого компонента в кадре и по размеру тарелки, вилки или ладони она прикидывает вес, и это самое слабое место, ведь на плоской картинке не видно, насколько высокая горка риса. В конце граммы умножаются на справочную калорийность, и если продукт узнан верно, ошибка здесь маленькая, так что почти вся погрешность приходится на граммы, а не на название блюда.
Что показали исследования
В 2025-2026 годах группы из Дублина, Стокгольма и нескольких японских университетов сфотографировали взвешенные заранее блюда и сравнили, что насчитали чат-боты, с настоящими цифрами:
| Исследование | Что проверяли | Главный результат |
|---|---|---|
| O'Hara и соавт., Nutrients, 2025 | ChatGPT-4, 114 фото блюд из данных национального исследования питания | Продукты распознаны с точностью 93%. Вес маленьких порций оценён хорошо, средних и больших - плохо. По 13 из 16 нутриентов расхождение больше 10%, чаще в сторону занижения |
| Fridolfsson и соавт., Current Developments in Nutrition, 2025 | ChatGPT-4o, Claude 3.5 Sonnet и Gemini 1.5 Pro на 52 стандартных фото, эталон - взвешивание | Средняя ошибка по калориям 35,8% у ChatGPT и Claude, у Gemini ошибки заметно больше: от 64 до 110% по разным показателям. Все модели занижали большие порции, и чем больше порция, тем сильнее |
| Isobe и соавт., Nutrients, 2026 | 15 больничных обедов, снятых сверху при ровном свете; 10 диетологов и 10 ИИ-моделей | По калориям и углеводам лучшие модели, как и диетологи, часто укладывались в ±10%. Жиры все модели завышали больше чем на 20% |
| Nakagawa и Yamamoto, Nutrients, 2026 | Три модели Claude на японских и американских фото блюд и на упаковках | Точность сильно зависит от модели и от того, как сформулирован запрос. На американских фото средняя ошибка Claude Sonnet - около 117 ккал на блюдо |
Разброс результатов большой, и у него понятные причины. Где блюда простые и сняты строго сверху при хорошем свете, ошибка небольшая. Где на фото смешанные блюда, большие порции и случайный ракурс, она растёт в разы.
С чем сравнивать: как ошибаются люди и этикетки
Идеального способа посчитать калории без лаборатории нет. У каждого своя погрешность.
- Записи по памяти. В исследовании, опубликованном в New England Journal of Medicine, люди, которые не могли похудеть на «диете меньше 1200 ккал», на деле съедали почти вдвое больше: они занижали еду в среднем на 47% и завышали физическую активность на 51%. Выборка там небольшая, но механизм знаком многим: перекусы и масло просто не попадают в дневник.
- Цифры в меню и на упаковке. В исследовании Университета Тафтса блюда из «облегчённого» меню ресторанов в среднем оказались на 18% калорийнее заявленного, замороженные готовые обеды из супермаркетов - на 8%. Отдельные позиции содержали вдвое больше калорий, чем было указано.
- Кухонные весы. Самый точный домашний способ, но он требует времени на каждый приём пищи и почти не работает в кафе и в гостях.
Авторы шведского исследования пришли к выводу, что лучшие модели по точности сопоставимы с традиционными самоотчётами о питании, но не требуют от человека почти никаких усилий. Там же они предупреждают: для задач, где нужна точность до грамма, такие оценки пока не годятся.
Где оценка по фото ошибается чаще всего
Если свести вместе ошибки, на которые жалуются авторы всех четырёх работ, получится короткий список ситуаций, в которых разбор по фото стоит сразу поправить:
| Ситуация | Почему ошибается | Что сделать |
|---|---|---|
| Большая порция | Модели систематически занижают вес больших порций | Уточнить вес словами: «было 350 грамм» |
| Жареное, заправки, соусы внутри | Масло впиталось и не видно на фото | Добавить масло или соус отдельно: «жарил на столовой ложке масла» |
| Смешанные блюда: плов, запеканка, салат с майонезом | Состав внутри не виден, модель берёт средний рецепт | Описать главное: «плов с курицей, без масла сверху» |
| Глубокая тарелка, острый угол | Видна только верхняя часть порции | Снимать сверху, а объём уточнить словами |
| Напитки | Сахар, сливки и сироп не видны | Написать, что добавлено: «кофе с двумя ложками сахара» |
Две из пяти ошибок в этой таблице связаны с жиром, и это совпадает с выводом японских авторов, у которых жир оказался «невидимым нутриентом» для всех без исключения моделей.
Как снимать тарелку, чтобы ошибка была меньше
- Сверху, под углом около 90°. Так видна площадь каждого компонента, а именно по ней оценивается вес. Снимок сбоку прячет половину порции.
- При обычном свете, без вспышки. Вспышка пересвечивает текстуру, и рис становится похож на булгур, а сметана - на майонез.
- Вся порция в кадре. Хлеб, соус в отдельной посуде и напиток тоже стоит захватить. То, что обрезано, не посчитается.
- С предметом для масштаба. Вилка, ложка или стандартная тарелка рядом помогают понять размер порции. В одном из исследований модели как раз ориентировались на тарелки и столовые приборы.
- До еды, а не после. Недоеденную порцию можно поправить словами, а восстановить съеденное по пустой тарелке нельзя.
Подробная памятка с примерами - в гайде «Как сделать удачное фото», а если блюдо не распозналось - в гайде «Что делать, если блюдо не распознано».
Уточнение словами: самый быстрый способ сократить ошибку
Разбор по фото - это черновик, а не окончательный ответ. В MyFoodMate AI его можно поправить голосом или текстом, и приложение пересчитает состав и КБЖУ:
- «двойная порция» - умножит граммовки всего блюда;
- «без масла» - уберёт компонент из состава;
- «было 200 грамм» - задаст вес конкретного компонента;
- «добавь кусок хлеба» - добавит компонент к приёму пищи.
Одно такое уточнение сужает диапазон погрешности примерно вдвое. Если вы часто едите одно и то же, поправьте граммы один раз - дальше это блюдо можно добавлять из «Моих блюд» или из избранного, и порция подставится та, что вы указали. Подробнее - в гайдах «Уточнение голосом и текстом» и «Повторяющиеся блюда».
Когда фото хватает, а когда нужны весы
Фото подходит, если вы:
- хотите понять свои привычки и увидеть, откуда приходят лишние калории;
- худеете с умеренным дефицитом и смотрите на результат за неделю, а не за день;
- часто едите вне дома, где взвесить еду всё равно нельзя.
Случайные ошибки в разные стороны за неделю частично гасят друг друга, поэтому на недельные средние стоит смотреть в первую очередь, о них - в гайде «Недельные средние». Систематические ошибки, например постоянно недосчитанное масло, сами не исчезнут: их стоит один раз поправить словами и сохранить блюдо в «Моих блюдах» или избранном.
Кухонные весы лучше, если:
- вы готовитесь к соревнованиям и считаете каждые 50 ккал;
- диету назначил врач и нужен точный расчёт, например хлебных единиц при диабете;
- вес стоит несколько недель и нужно проверить, сходится ли подсчёт с реальностью.
Как попробовать
На главной странице работает демо-разбор: можно загрузить фото своей тарелки и увидеть состав, КБЖУ и FoodMate Score без регистрации, до трёх фотографий в сутки. Полная версия с дневником, уточнением голосом и «Моими блюдами» работает в боте в Telegram и MAX.
Источники
- O'Hara C, Kent G, Flynn AC, Gibney ER, Timon CM. An Evaluation of ChatGPT for Nutrient Content Estimation from Meal Photographs. Nutrients, 2025.
- Fridolfsson J, Sjöberg E, Thiwång M, Pettersson S. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images. Current Developments in Nutrition, 2025.
- Isobe T и соавт. Accuracy of AI-Based Nutrient Estimation from Standardized Hospital Meal Images: A Comparison with Registered Dietitians. Nutrients, 2026.
- Nakagawa S, Yamamoto A. Prompt Engineering and Model Selection for LLM-Based Nutritional Estimation from Food Images. Nutrients, 2026.
- Lichtman SW и соавт. Discrepancy between self-reported and actual caloric intake and exercise in obese subjects. New England Journal of Medicine, 1992.
- Urban LE и соавт. The accuracy of stated energy contents of reduced-energy, commercially prepared foods. Journal of the American Dietetic Association, 2010.

Материалы блога проверяем по текущим рекомендациям ВОЗ и Роспотребнадзора.



