کالریشمار با عکس یک ابزار ثبت غذایی است: از تصویر وعده برای پیشنهاد مواد غذایی و برآورد مقدار، انرژی و درشتمغذیها استفاده میکند. هدف اصلی کوتاهکردن شروع ثبت است، نه تبدیل دوربین به ترازو یا آزمایشگاه.
سیستم تصویری چطور به عدد میرسد؟
یک سامانه معمولاً غذاهای تصویر را جدا میکند، دسته احتمالی هر غذا را تشخیص میدهد، حجم یا سهم را برآورد و سپس نتیجه را به داده تغذیهای متصل میکند. مرور نظاممند سامانههای تشخیص غذای تصویری نشان میدهد هر مرحله منبع خطای جداگانه دارد و عملکرد مدلها به نوع داده و روش ارزیابی وابسته است.
در آووکادو نتیجه یک پیشنهاد قابل ویرایش است: کاربر باید نام غذا، مقدار و اجزای پنهان را بررسی کند و سپس وعده را ثبت کند. صفحه کالریشمار با عکس آووکادو روند خود محصول را نشان میدهد.
دقت کالری از روی عکس چقدر است؟
یک عدد ثابت برای «دقت همه اپها» وجود ندارد. غذاهای ساده و جدا از هم معمولاً از خورشت، آش، تهچین، سالاد مخلوط و غذاهای دارای روغن یا سس پنهان آسانترند. زاویه دوربین و نبود مرجع اندازه نیز تخمین حجم را دشوار میکند.
فراتحلیل اعتبار روشهای ارزیابی غذایی مبتنی بر تصویر نشان داد این روشها، مانند ثبتهای سنتی، خطای اندازهگیری دارند و در مقایسه با بعضی معیارهای مرجع ممکن است انرژی دریافتی را کمتر برآورد کنند. پس خروجی برای خودپایش و مشاهده روند مناسبتر از تصمیم درمانی حساس است.
مهمترین منابع خطا
مواد پنهان
روغن جذبشده، سس، شکر، مغزها یا مواد داخل غذا ممکن است در عکس دیده نشوند. اگر ترکیب را میدانید، آن را دستی اضافه کنید.
اندازه سهم
بشقاب و زاویه عکس میتوانند غذا را بزرگتر یا کوچکتر نشان دهند. استفاده از واحدی که واقعاً میشناسید—مثلاً یک کفگیر، نصف پرس یا یک لیوان—از پذیرفتن مقدار پیشنهادی بدون بررسی بهتر است.
غذای ترکیبی و دستور پخت
دو خورشت با ظاهر مشابه میتوانند مقدار روغن، گوشت یا حبوبات متفاوتی داشته باشند. در غذای خانگی، ثبت دستور یا اصلاح اجزای اصلی معمولاً از نام عمومی غذا مفیدتر است.
داده تغذیهای
پس از تشخیص تصویر نیز عدد نهایی به رکورد غذایی انتخابشده وابسته است. نسخه خانگی، رستورانی و صنعتی یک غذا لزوماً ترکیب یکسان ندارند.
چکلیست یک ثبت بهتر
- کل بشقاب را در نور کافی و بدون فیلتر ثبت کنید.
- برای غذاهای چندجزئی زاویهای انتخاب کنید که اجزا دیده شوند.
- نام هر ماده و مقدار پیشنهادی را مرور کنید.
- روغن، سس، نوشیدنی و مخلفات خارج از کادر را فراموش نکنید.
- اگر نتیجه نامطمئن است، مقدار را بهصورت بازه یا برآورد ثبت کنید و روی روند چندروزه تمرکز کنید.
- فقط کالری را نبینید؛ کیفیت غذا، پروتئین و فیبر نیز برای سیری و سلامت مهماند.
چه زمانی تحلیل عکس کافی نیست؟
برای تشخیص آلرژن، محاسبه دوز انسولین، محدودیت پتاسیم یا فسفر در بیماری کلیه، تغذیه در بارداری، اختلال خوردن یا رژیم درمانی، تصویر بهتنهایی مبنای امنی نیست. برچسب محصول، دستور واقعی، اندازهگیری لازم و راهنمایی متخصص در اولویتاند.
اگر ثبت دقیق اعداد باعث اضطراب، حذف وعده یا رفتار جبرانی میشود، استفاده را متوقف و از متخصص آشنا با اختلالات خوردن کمک بگیرید. برای برآورد نیاز روزانه میتوانید محاسبهگر TDEE را ببینید؛ آن عدد نیز تخمینی است.
مثال واقعیِ روش محاسبه: برنج و مرغ در عکس
فرض کنید تصویر شامل برنج و سینه مرغ ساده است. اگر وزن برنج پخته ۱۵۰ گرم و مرغ پخته بدون پوست ۱۲۰ گرم باشد، بر اساس داده مرجع صفحات برنج و مرغ، انرژی آنها بهترتیب ۱۹۵ و ۱۹۸ کیلوکالری است: مجموع ۳۹۳ کیلوکالری، پیش از افزودنیها.
حالا اگر ۱۰ گرم روغن هم در همین سهم باشد، حدود ۸۸٫۴ کیلوکالری دیگر اضافه میشود. رنگ و زاویه عکس لزوماً این روغن را نشان نمیدهد. این مثال خروجی اندازهگیریشده آووکادو یا آزمون دقت آن نیست؛ نشان میدهد چرا بررسی مواد و مقدارها مهم است. اگر رکورد غذای ترکیبی از قبل روغن دارد، دوباره آن را اضافه نکنید.
برای خورش، کتلت یا سوپ چه کار کنیم؟
نام غذا نقطه شروع است. جدول مواد کتلت یا سوپ جو با شیر را با ترکیب غذای خود مقایسه کنید. اگر دستور را میدانید، محاسبه بر اساس مواد و وزن نهایی اطلاعات بیشتری از ظاهر غذا به شما میدهد. در غذای رستورانی که ترکیب روشن نیست، نتیجه همچنان برآورد است.
استفاده رایگان است یا اشتراکی؟
کالریشمار هوشمند آووکادو در سطح پایه در دسترس است؛ این به معنی تعداد نامحدود تحلیل عکس نیست. محدودیت فعلی حساب و قابلیتهای Plus را در برنامه و صفحه امکانات بررسی کنید. برای استفاده در اندروید یا مرورگر، از صفحه کالریشمار با عکس وارد شوید.
نکات کلیدی
- یک عکس دوبعدی معمولاً روغن، سس، مواد داخل غذا و وزن دقیق سهم را نشان نمیدهد.
- نور مناسب و دیدهشدن کل بشقاب کمک میکند، اما خطای تخمین را حذف نمیکند.
- برای آلرژی، دوز انسولین، بیماری کلیه یا رژیم درمانی فقط به خروجی تصویر تکیه نکنید.
منابع این مطلب
- Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review — Advances in Nutrition / PubMed (2022) · PMID: 35803496 · DOI: 10.1093/advances/nmac078
- Validity of image-based dietary assessment methods: A systematic review and meta-analysis — Clinical Nutrition / PubMed (2020) · PMID: 32839035 · DOI: 10.1016/j.clnu.2020.08.002
- AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review — Annals of Medicine / PubMed (2024) · PMID: 38060823 · DOI: 10.1080/07853890.2023.2273497
- FoodData Central: data documentation — USDA (دسترسی ۲۰۲۶)



