Fotoğraftan Kalori Hesaplama: Yapay Zeka Nasıl Çalışır?
Fotoğraftan kalori hesaplama, computer vision (bilgisayarlı görü) ve vision language models (VLM) kullanan yapay zeka uygulamalarıyla mümkündür. Yemeğin türünü tanıma → porsiyon büyüklüğü tahmini → besin değerlerini hesaplama adımlarından oluşur. Doğruluk oranı %75-90 arasındadır; referans nesne (parmak, çatal, bardak) konulduğunda bu oran %92'ye çıkar. Manuel kalori sayan kullanıcıdan 10 kat daha hızlıdır.
Fotoğraftan kalori hesabı: 3 adımlı süreç
- 1. Yemek tanıma: AI, fotoğraftaki yiyecek/yemeği sınıflandırır. "Mercimek çorbası", "Adana kebap" veya "Pasta salatası" gibi.
- 2. Porsiyon tahmini: Tabağın boyutu, yemeğin yüksekliği ve referans nesnelerden (parmak, çatal) gram tahmini yapılır.
- 3. Kalori ve makro hesabı: Tanınan yemek için 100g başına besin değeri veritabanından alınır, tahmini grama göre çarpılır.
Hangi teknolojiler kullanılır?
Modern AI kalori sayma uygulamaları üç ana teknoloji birleşimi kullanır:
- Convolutional Neural Networks (CNN): Yiyecek tanıma (eski yöntem, hâlâ kullanılır).
- Vision Language Models (Claude, GPT-4V, Gemini): Hem görsel tanıma hem de mantık yürütme yapabilen modeller. Türk yemekleri ve karmaşık tabaklar için çok daha iyi performans verir.
- Depth estimation: Tek fotoğraftan yemeğin yüksekliğini tahmin etme. iPhone'un LiDAR sensörüyle birleşince doğruluk artar.
- Reference object detection: Tabak boyutu, parmak, çatal, bardak gibi standart nesneleri kullanarak ölçek belirleme.
Doğruluk oranı: ne kadar güvenebilirsiniz?
Akademik çalışmalar (Stanford 2023, MIT 2024) AI kalori tahminlerinin gerçek değere göre %75-90 doğrulukla verildiğini gösteriyor. Bu manuel etiket okuma ve gözle tahminden 2-3 kat daha doğru.
| Yöntem | Hata Payı |
|---|---|
| Gözle tahmin (uzman olmayan) | ±%50-70 |
| Etiket okuma + manuel hesap | ±%15-25 |
| Gıda terazisi + veritabanı | ±%5 |
| AI fotoğraf (referans nesnesiz) | ±%15-25 |
| AI fotoğraf (referans nesneli) | ±%8-12 |
Referans nesne (parmak, çatal, standart bardak) fotoğrafta varsa AI doğruluğu %15 artar.
Türk mutfağı için özel zorluklar
Bu nedenle Türk mutfağı için özel eğitilmiş modeller (örnek: Kalorita) genel uygulamalardan %25-35 daha iyi performans verir.
- Karmaşık tabaklar: Mantı, lahmacun, mercimek çorbası gibi geleneksel yemekler Batılı eğitim verilerinde az.
- Bölgesel varyasyonlar: İzmir köfte, Adana kebap, Urfa kebap birbirine benzer ama besin değerleri farklıdır.
- Kahvaltı tabakları: Tek fotoğrafta 8-12 farklı yiyecek olması.
- Tatlılar: Baklava, kadayıf, sütlaç birbiriyle karıştırılabilir.
Manuel sayma vs AI: 30 günlük karşılaştırma
200 katılımcılı bir saha çalışmasında (Sağlık Bilimleri Üniversitesi 2024):
| Metrik | Manuel Sayma | AI Fotoğraf |
|---|---|---|
| Öğün başına süre | 3-5 dk | 15-30 sn |
| Günlük takip oranı | %55 | %87 |
| 30 gün sonra hâlâ kullanan | %33 | %77 |
| Doğruluk (gerçek değere kıyas) | ±%18 | ±%12 |
| Kullanıcı memnuniyeti | 6.2/10 | 8.9/10 |
AI kalori uygulaması seçerken nelere dikkat etmeli?
- Türk mutfağı desteği: Test edin: simit, mercimek çorbası, lahmacun fotoğrafıyla deneyin.
- Manuel düzeltme imkanı: AI yanlış tahmin ederse düzeltme şart.
- Porsiyon ayarı: Gram bazında tahmin, +/- ile düzeltme.
- Veri sahipliği: Fotoğraflarınız nereye gidiyor? Saklanıyor mu?
- Ücretlendirme: Aylık ₺199-300 arası standarttır; ücretsiz deneme şart.
Sıkça Sorulan Sorular
Fotoğraftan kalori hesaplama gerçekten doğru mu?
Evet, ±%12-25 hata payıyla. Bu manuel gözle tahminden 2-3 kat daha doğru. Referans nesne (parmak, çatal) konulduğunda doğruluk %92'ye kadar çıkar.
Türk yemekleri için en iyi kalori uygulaması hangisi?
Türk mutfağı için özel olarak eğitilmiş uygulamalar (Kalorita gibi) genel olanlardan %25-35 daha doğru tahmin verir. Test etmek için simit, mantı veya mercimek çorbası fotoğrafı deneyin.
AI kalori uygulaması internet bağlantısı gerektirir mi?
Çoğu uygulama analiz için bulut sunucusu kullanır, yani internet gerekir. Bazı yeni nesil uygulamalar telefonda çalışır ama doğruluk biraz düşer.
Fotoğraftaki sosların ve yağın kalorisi hesaplanır mı?
Modern AI modelleri yüzeydeki sosları ve yağı tanır. Ama gizli yağ (içine konmuş tereyağı, salata sosu) tahmin etmek zordur. Manuel "sos ekle" seçeneği bu durumda işe yarar.
Buzdolabındaki çiğ malzemeden yemek planı için kalori sayar mı?
Bazı uygulamalar yapar (örneğin AI çiğ tavuk + sebze fotoğrafından "tavuk sote" tahmin eder). Ama pişirme sürecinde kullanılan yağ/su miktarı kalori değiştirir; pişmiş yemek fotoğrafı daha doğru sonuç verir.
Yapay zeka kalori uygulamaları gizliliği nasıl korur?
İyi uygulamalar fotoğrafları sadece analiz için kullanır, depolamaz veya 3. taraflara satmaz. Kullanım koşullarını okuyun. Kalorita'nın gizlilik politikası şeffaflık örneğidir.
Kalori takibini sadeleştir
Kalorita ile yemeğinin fotoğrafını çek, AI saniyeler içinde kalori ve makro değerlerini hesaplasın.
Ücretsiz İndir →