Если коротко: нейросеть не «угадывает» калории магией. Она сопоставляет состав блюда, вес ингредиентов и кулинарную обработку с большими базами пищевой ценности, а затем рассчитывает белки, жиры и углеводы. 🤖
Вот как это работает на практике:
- • Шаг 1. Определение блюда
Если пользователь загружает фото или пишет название, модель сначала распознаёт, что именно перед ней: борщ, паста карбонара, сырники, поке или сложное ресторанное блюдо.
- • Шаг 2. Разбор на ингредиенты
Нейросеть пытается понять состав: мясо, крупа, овощи, масло, соус, сыр, сахар и другие компоненты.
Чем подробнее описание, тем точнее результат. Например, «овсянка на воде» и «овсянка на молоке с бананом и мёдом» — это уже разные БЖУ. - • Шаг 3. Оценка порции
Одна из самых сложных задач — определить вес. Если это фото, модель ориентируется на размер тарелки, форму продукта, тип блюда и визуальный объём. Если пользователь сам указывает граммовку, точность резко растёт. ⚖️
- • Шаг 4. Поиск по пищевым базам
После распознавания ингредиентов ИИ сверяет их с таблицами пищевой ценности: сколько белков, жиров, углеводов и калорий содержится в 100 г каждого продукта.
- • Шаг 5. Поправка на приготовление
Варка, жарка, запекание, тушение меняют итоговые значения. Например:
- — мясо теряет воду и становится «плотнее» по калориям на 100 г;
- — крупы и макароны, наоборот, набирают воду;
- — жарка добавляет жир за счёт масла. 🍳
- • Шаг 6. Финальный расчёт БЖУ
Когда состав и вес определены, система суммирует показатели по всем ингредиентам и выдаёт итог:
белки — X г, жиры — Y г, углеводы — Z г, калории — N ккал.
Почему бывают ошибки?
- • блюдо может выглядеть похоже, но иметь разный состав;
- • соусы, масло и сахар часто «прячутся»;
- • по фото трудно точно понять массу;
- • домашние рецепты почти всегда отличаются от стандартных. 📸
Что важно знать пользователю:
- • ИИ лучше всего считает типовые блюда;
- • максимальная точность достигается, если указаны ингредиенты и вес;
- • фото-анализ удобен, но это скорее оценка, а не лабораторный замер.
Главный вывод:
нейросеть считает БЖУ не интуитивно, а через комбинацию компьютерного зрения, NLP и пищевых справочников. Это уже полезный инструмент для контроля питания, фитнеса и foodtech-сервисов. 🚀
Если вам интересны такие разборы про ИИ и нейросети, загляните в нашу подборку каналов про ИИ — там много полезного без лишнего шума.