Bagaimana Pelacakan Foto Menangani Makanan yang Tak Akan Pernah Tersentuh Barcode

Buka hampir semua database nutrisi dan Anda akan mendapati bahwa itu sebenarnya adalah database makanan kemasan. Kotak sereal, protein bar, makanan beku, menu restoran waralaba dengan kode UPC — semuanya dicatat sekali oleh seseorang, lalu dipindai oleh semua orang setelahnya. Cara ini bekerja dengan baik, sampai Anda memasak sesuatu sendiri.

Tumisan dengan tiga jenis sayur, bumbu rendaman yang Anda perkirakan sendiri, dan entah berapa banyak minyak yang benar-benar masuk ke wajan tidak memiliki barcode. Begitu pula salad yang Anda buat dari apa pun yang ada di kulkas, atau semangkuk chili yang selalu sedikit berbeda setiap kali Anda memasaknya. Makanan-makanan ini menyusun sebagian besar dari apa yang sebenarnya dimakan orang, dan justru makanan-makanan inilah yang membuat pencatatan berbasis pencarian gagal.

Solusi yang biasa dilakukan adalah dengan mendekati: mencari sesuatu yang mirip, memilih hasil yang paling dekat, dan berharap tebakan ukuran porsinya tidak terlalu meleset. Lakukan itu tiga kali sehari dan kesalahannya cepat menumpuk — bukan karena satu tebakan sangat salah, melainkan karena tidak ada patokan terhadap makanan yang sebenarnya ada di depan Anda.

Estimasi berbasis foto membalikkan titik awalnya. Alih-alih mencari pengganti, Anda memotret piring yang sebenarnya, dan model menalar dari apa yang dilihatnya: bahan-bahan yang terlihat, perkiraan volumenya relatif terhadap piring, dan bagaimana itu berkaitan dengan rasio makronutrien khas untuk jenis hidangan tersebut. Ini bukan membaca label karena memang tidak ada labelnya — ini memperkirakan dari informasi yang sama yang akan digunakan seseorang jika Anda memintanya menebak.

Perbedaan itu lebih penting dari yang terdengar. Seseorang yang melihat tumisan Anda bisa mengatakan bahwa itu mungkin hidangan ayam dan sayur dengan saus ringan, kira-kira satu setengah piring, kemungkinan 500-650 kalori. Mereka tidak memerlukan kode UPC untuk sampai ke sana, dan kemungkinan besar hasilnya lebih dekat dibanding pencarian database yang kasar untuk "tumis ayam" yang mengasumsikan rasio protein, sayur, dan minyak yang sama sekali berbeda.

Semua ini tidak membuat estimasi foto sempurna. Ia tidak akan tahu persis berapa banyak mentega yang masuk ke kentang tumbuk Anda, atau apakah saus itu dibuat dengan krim atau kaldu. Yang akan dilakukannya adalah membawa Anda ke rentang yang masuk akal untuk makanan-makanan yang dulunya sama sekali tidak punya opsi pencatatan yang baik — makanan yang sebelumnya dilewatkan, ditebak asal-asalan, atau dicatat sebagai sesuatu yang sama sekali berbeda karena itulah satu-satunya hasil yang cocok di database.

Kedua sistem ini dirancang untuk bekerja sama, bukan bersaing. Pemindaian barcode memberi Anda angka yang tepat untuk makanan kemasan karena angka tepat itu memang ada. Foto memberi Anda perkiraan yang bisa dipakai untuk segala hal lainnya, karena untuk makanan buatan rumah, angka yang cepat dan cukup akurat lebih baik daripada angka yang lambat namun palsu ketepatannya. Kebanyakan hari berakhir menggunakan keduanya — yogurt dipindai, makan malam difoto — dan dari keduanya, catatan hari itu benar-benar mencerminkan apa yang dimakan, bukan sekadar hal terdekat yang ada di database.

Inti yang lebih besar adalah tentang untuk apa sebenarnya pencatatan ini. Jika tujuannya adalah tren selama berminggu-minggu dan berbulan-bulan, perkiraan yang sedikit tidak sempurna hari ini namun benar-benar akan Anda catat lagi besok lebih baik daripada angka yang secara teknis tepat tapi butuh lima menit untuk ditemukan dan akan Anda lewatkan lain kali karena tidak sepadan dengan usahanya. Pelacakan lewat foto ada karena makanan buatan rumah itu umum, pelacakan yang hanya mengandalkan database menanganinya dengan buruk, dan solusinya bukan database yang lebih besar — melainkan cara yang berbeda dalam memandang piring.