Hvordan bildesporing takler måltidene en strekkode aldri kan

Åpne nesten hvilken som helst ernæringsdatabase, og du vil oppdage at det egentlig er en database for ferdigpakket mat. Frokostblandingsesker, proteinbarer, frysemiddager, varer fra restaurantkjeder med UPC-kode — alt sammen registrert én gang av noen, skannet av alle etterpå. Det fungerer bra, helt til du lager noe selv.

En wok med tre grønnsaker, en marinade du anslo på øyemål, og den mengden olje som faktisk endte i pannen, har ingen strekkode. Det har heller ikke en salat du satte sammen av det som fantes i kjøleskapet, eller en gryte med chili som blir litt annerledes hver gang du lager den. Disse måltidene utgjør en stor andel av det folk faktisk spiser, og det er nettopp disse måltidene som får søkebasert registrering til å bryte sammen.

Den vanlige løsningen er å tilnærme: søke etter noe lignende, velge det nærmeste treffet, og håpe at porsjonsgjetningen ikke bommer for mye. Gjør det tre ganger om dagen, og feilene legger seg raskt oppå hverandre — ikke fordi en enkelt gjetning er veldig feil, men fordi det ikke finnes noe anker til måltidet som faktisk står foran deg.

Bildebasert estimering snur utgangspunktet på hodet. I stedet for å søke etter en erstatning, fotograferer du den faktiske tallerkenen, og modellen resonnerer rundt det den ser: de synlige ingrediensene, deres omtrentlige volum i forhold til tallerkenen, og hvordan det samsvarer med typiske makronæringsforhold for den type rett. Den leser ikke en etikett fordi det ikke finnes noen — den anslår ut fra den samme informasjonen en person ville brukt hvis du ba dem gjette.

Den forskjellen betyr mer enn det kanskje høres ut som. En person som ser på woken din, kunne fortalt deg at det sannsynligvis er en kylling- og grønnsaksrett med en lett saus, omtrent en og en halv tallerken mat, trolig 500–650 kalorier. De ville ikke trengt en UPC-kode for å komme dit, og de ville trolig vært nærmere enn et grovt databasesøk på «kyllingwok» som forutsetter et helt annet forhold mellom protein, grønnsaker og olje.

Ingenting av dette gjør bildeestimering perfekt. Den vil ikke vite nøyaktig hvor mye smør som gikk i potetmosen din, eller om sausen ble laget med fløte eller kraft. Det den derimot vil gjøre, er å plassere deg innenfor et rimelig område for måltider som tidligere ikke hadde noe godt sporingsalternativ i det hele tatt — måltider som før enten ble hoppet over, grovt anslått, eller registrert som noe helt annet fordi det var det eneste treffet i databasen.

De to systemene er ment å jobbe sammen, ikke konkurrere. En strekkodeskanning gir deg eksakte tall for ferdigpakket mat fordi eksakte tall finnes. Et bilde gir deg et brukbart anslag for alt annet, fordi for hjemmelaget mat slår et raskt og rimelig nøyaktig tall et tregt og falskt presist ett. De fleste dager ender opp med å bruke begge — yoghurten skannes, middagen fotograferes — og til sammen gjenspeiler dagens register faktisk det som ble spist, i stedet for det nærmeste i en database.

Det viktigere poenget handler om hva sporing egentlig er til for. Hvis målet er en trend over uker og måneder, slår et litt ufullkomment anslag i dag — som du faktisk registrerer igjen i morgen — et teknisk presist tall som tok fem minutter å finne, og som du hopper over neste gang fordi det ikke var verdt innsatsen. Bildesporing finnes fordi hjemmelaget mat er vanlig, databasebasert sporing alene håndterer det dårlig, og løsningen er ikke en større database — det er en annen måte å se på tallerkenen.