Hoe fototracking omgaat met de maaltijden die een barcode nooit zal kennen

Open bijna elke voedingsdatabase en je ontdekt dat het eigenlijk een database van verpakte voeding is. Ontbijtgranendozen, eiwitrepen, kant-en-klaarmaaltijden, producten van restaurantketens met een streepjescode — allemaal ooit door iemand geregistreerd, daarna door iedereen gescand. Dat werkt prima, totdat je zelf iets kookt.

Een wokschotel met drie groenten, een marinade die je op het oog hebt samengesteld, en hoeveel olie er daadwerkelijk in de pan terechtkwam, heeft geen barcode. Een salade die je maakte van wat er in de koelkast lag ook niet, en een pan chili die elke keer een beetje anders uitpakt evenmin. Deze maaltijden maken een groot deel uit van wat mensen daadwerkelijk eten, en het zijn precies de maaltijden die zoekgebaseerd registreren breken.

De gebruikelijke oplossing is benaderen: iets vergelijkbaars opzoeken, de dichtstbijzijnde match kiezen, en hopen dat de geschatte portiegrootte niet te ver ernaast zit. Doe dat drie keer per dag en de fouten stapelen zich snel op — niet omdat één gok wild verkeerd is, maar omdat er geen anker is met de maaltijd die daadwerkelijk voor je staat.

Foto-gebaseerde inschatting draait het startpunt om. In plaats van naar een vervanger te zoeken, fotografeer je het echte bord, en redeneert het model over wat het ziet: de zichtbare ingrediënten, hun geschatte volume ten opzichte van het bord, en hoe dat zich verhoudt tot typische macronutriëntverhoudingen voor dat soort gerecht. Het leest geen etiket, want dat bestaat niet — het schat op basis van dezelfde informatie die iemand zou gebruiken als je hem zou vragen te gokken.

Dat onderscheid doet er meer toe dan het misschien klinkt. Iemand die naar je wokschotel kijkt, zou je kunnen vertellen dat het waarschijnlijk een gerecht van kip en groenten met een lichte saus is, ongeveer anderhalf bord eten, waarschijnlijk 500-650 calorieën. Diegene zou geen streepjescode nodig hebben om daar te komen, en zou waarschijnlijk dichter bij de waarheid zitten dan een ruwe databasezoekopdracht naar "kip-wokschotel" die een compleet andere verhouding tussen eiwit, groenten en olie aanneemt.

Niets van dit alles maakt foto-inschatting perfect. Het weet niet precies hoeveel boter er in je aardappelpuree ging, of die saus met room of met bouillon is gemaakt. Wat het wel doet, is je binnen een redelijke marge brengen bij maaltijden die vroeger helemaal geen goede tracking-optie hadden — maaltijden die eerder werden overgeslagen, wild geraden, of geregistreerd als iets compleet anders omdat dat de enige match in de database was.

De twee systemen zijn bedoeld om samen te werken, niet om te concurreren. Een barcodescan geeft je exacte cijfers voor verpakte voeding omdat exacte cijfers bestaan. Een foto geeft je een bruikbare schatting voor al het andere, omdat voor zelfgemaakt eten een snel en redelijk nauwkeurig cijfer beter is dan een langzaam en vals precies cijfer. De meeste dagen gebruiken uiteindelijk beide — de yoghurt wordt gescand, het avondeten wordt gefotografeerd — en samen weerspiegelt het dagregister daadwerkelijk wat er is gegeten in plaats van het dichtstbijzijnde alternatief in een database.

Het grotere punt gaat over waar bijhouden eigenlijk voor dient. Als het doel een trend over weken en maanden is, wint een licht onvolmaakte schatting van vandaag die je morgen daadwerkelijk weer registreert, van een technisch precies cijfer dat vijf minuten kostte om te vinden en dat je de volgende keer overslaat omdat het de moeite niet waard was. Fototracking bestaat omdat zelfgemaakt eten gangbaar is, tracking die alleen op databases leunt dat slecht aankan, en de oplossing is geen grotere database — het is een andere manier om naar het bord te kijken.