Sådan håndterer fotoregistrering de måltider, en stregkode aldrig vil kunne

Åbn næsten hvilken som helst ernæringsdatabase, og du vil opdage, at det i virkeligheden er en database over færdigpakket mad. Morgenmadspakker, proteinbarer, frostretter, varer fra restaurantkæder med en stregkode — alt sammen registreret én gang af nogen og scannet af alle andre bagefter. Det fungerer fint, lige indtil du laver mad selv.

En wokret med tre slags grøntsager, en marinade du blandede på skøn, og hvor meget olie der nu end endte i panden, har ingen stregkode. Det har en salat, du satte sammen af det, der var i køleskabet, heller ikke, og det har en gryde chili, der bliver en smule anderledes, hver gang du laver den, heller ikke. Disse måltider udgør en stor del af det, folk rent faktisk spiser, og det er præcis de måltider, der får søgebaseret registrering til at bryde sammen.

Den sædvanlige løsning er at tilnærme sig: søge efter noget lignende, vælge det tætteste match og håbe, at gættet på portionsstørrelsen ikke er alt for skævt. Gør det tre gange om dagen, og fejlene lægger sig hurtigt oven i hinanden — ikke fordi et enkelt gæt er helt galt, men fordi der ikke er noget anker til det måltid, der rent faktisk ligger foran dig.

Fotobaseret estimering vender udgangspunktet om. I stedet for at søge efter en erstatning fotograferer du den faktiske tallerken, og modellen ræsonnerer ud fra det, den ser: de synlige ingredienser, deres omtrentlige mængde i forhold til tallerkenen, og hvordan det stemmer overens med typiske makronæringsstof-forhold for den slags ret. Den læser ikke en etiket, fordi der ikke findes nogen — den estimerer ud fra den samme information, en person ville bruge, hvis du bad dem gætte.

Den forskel betyder mere, end det måske lyder til. En person, der kiggede på din wokret, kunne fortælle dig, at det nok er en kylling- og grøntsagsret med en let sauce, cirka halvanden tallerken mad, formentlig 500-650 kalorier. De ville ikke have brug for en stregkode for at komme frem til det, og de ville sandsynligvis ramme tættere end en grov databasesøgning på "kylling i wok", der antager et helt andet forhold mellem protein, grøntsager og olie.

Intet af dette gør fotoestimering perfekt. Den vil ikke vide præcis, hvor meget smør der kom i din kartoffelmos, eller om saucen blev lavet med fløde eller fond. Det, den derimod gør, er at bringe dig inden for et fornuftigt interval på de måltider, der tidligere slet ikke havde nogen god registreringsmulighed — måltider, der før enten blev sprunget over, gættet vildt på, eller registreret som noget helt andet, fordi det var det eneste match i databasen.

De to systemer er tænkt til at arbejde sammen, ikke konkurrere. En stregkodescanning giver dig præcise tal for færdigpakket mad, fordi præcise tal findes. Et foto giver dig et brugbart estimat til alt andet, fordi et hurtigt og rimeligt præcist tal for hjemmelavet mad er bedre end et langsomt og falsk nøjagtigt et. De fleste dage ender med at bruge begge dele — yoghurten bliver scannet, aftensmaden bliver fotograferet — og tilsammen afspejler dagens registrering faktisk det, der blev spist, i stedet for det nærmeste i en database.

Den større pointe handler om, hvad registrering egentlig er til for. Hvis målet er en tendens over uger og måneder, slår et lidt ufuldkomment estimat i dag, som du rent faktisk registrerer igen i morgen, et teknisk præcist tal, der tog fem minutter at finde, og som du springer over næste gang, fordi det ikke var besværet værd. Fotoregistrering findes, fordi hjemmelavet mad er almindeligt, fordi registrering baseret alene på en database håndterer det dårligt, og løsningen er ikke en større database — det er en anden måde at se på tallerkenen.