Come l'IA riconosce il cibo: dalla foto alle calorie e ai macro
Risposta breve: quando fotografi un piatto, l'app esegue quattro fasi in sequenza: separa il cibo dallo sfondo, dà un nome a ogni elemento, stima quanto ce n'è e cerca i nutrienti per quella quantità. Le prime due sono ormai molto affidabili; la terza, stimare la porzione da un'immagine piatta, concentra quasi tutto l'errore; la quarta dipende interamente dalla qualità del database. Poche parole di contesto («petto di pollo, circa 150 g, con riso») dimezzano l'errore finale perché sistemano la seconda e la terza fase insieme.
Perché è più difficile di quanto sembri
Una persona che guarda un piatto fa le stesse quattro cose senza pensarci e sbaglia quasi sempre. In uno studio su 2.000 partecipanti, la persona media ha indovinato le calorie entro il 20 % solo 5 volte su 20. Gli annotatori addestrati non hanno fatto meglio. Il problema non è l'intelligenza: una singola immagine non contiene abbastanza informazioni. Profondità, densità, olio e salsa nascosti, la differenza tra intero e magro: tutto invisibile a una fotocamera.
Il riconoscimento con IA non risolve questo. Rende la stima più rapida, più costante e più facile da correggere.
Fase 1: segmentazione — trovare il cibo
Il modello divide l'immagine in aree: piatto, tavolo, mani e ogni singolo alimento. La segmentazione moderna gestisce bene i cibi sovrapposti, ma perde precisione quando i componenti sono mescolati anziché accostati: spezzatino, curry, un burrito con tutto dentro. Se non riesce a tracciare un contorno attorno al riso, non può misurarlo.
Fase 2: classificazione — dare un nome
Ogni area viene confrontata con un modello addestrato su milioni di immagini etichettate. Sui cibi comuni la precisione è alta. Gli errori si concentrano sui sosia: coscia e petto di pollo, riso e risotto, yogurt intero e magro, burro e margarina, bevande con e senza zucchero, e i piatti regionali che il modello ha visto meno.
La maggior parte delle app esegue questa fase su un grande modello multimodale invece che su un classificatore dedicato: è migliorata la copertura dei piatti regionali, ma il problema dei sosia resta, perché il contenuto di grassi non si vede.
Fase 3: stimare la porzione — quanto ce n'è
È la parte difficile e la principale fonte di errore. Il modello deve dedurre un volume tridimensionale da un'immagine bidimensionale senza scala di riferimento. Usa indizi — dimensione del piatto, forchetta, mano, forme abituali — ma una ciotola di riso vista dall'alto è identica con 150 g o con 300.
La ricerca mostra in modo costante che questa fase contribuisce di più all'errore. In uno studio partecipativo, aggiungere un oggetto di riferimento come una carta di credito ha peggiorato le stime umane.
Due cose aiutano: il video invece di una sola foto (due secondi di panoramica danno più angolazioni) e dichiarare la quantità («circa una tazza», «150 g»).
Fase 4: cercare i nutrienti
L'alimento identificato e il peso stimato vengono incrociati con un database e trasformati in calorie, proteine, carboidrati, grassi e, nelle app che li misurano, fibre, zucchero e sale.
Questa fase vale quanto vale il database. «Pollo al curry» finisce su voci molto diverse a seconda di panna, olio e zucchero. Un database partecipativo ha voci sbagliate; uno curato ha voci mancanti. Le app migliori partono da una base verificata e lasciano che il modello aggiusti in base a ciò che vede.
Come si sommano gli errori
Ogni fase passa il proprio errore alla successiva. Un 10 % di scarto sulla porzione, uno scambio di sosia che sposta i grassi del 30 % e una voce generica producono un risultato finale sbagliato del 30–40 %.
Cifre pubblicate per l'intera catena: circa 15–30 % di errore medio con la sola immagine su pasti reali, circa il 14 % con una breve descrizione.
Perché una frase di contesto conta tanto
Una nota breve sistema le due fasi più deboli in un colpo solo:
- «petto di pollo» risolve la classificazione
- «circa 150 g» risolve la porzione
- «con olio d'oliva» aggiunge il grasso invisibile
La foto continua a fare il lavoro di identificare tutto ciò che c'è nel piatto; la frase corregge le due cose che non può vedere. Per questo CalMePlease è costruita attorno alla foto più una nota vocale nella tua lingua.
Oltre il numero
Il riconoscimento finisce alla quarta fase. È lì che le app si separano.
La maggior parte somma le calorie a un totale giornaliero e si ferma. CalMePlease passa tutti e dieci i valori — comprese fibre, zucchero e sale, che quasi tutte le app fotografiche tralasciano — a un coach IA che legge l'intera giornata e dice cosa mangiare dopo. La catena di riconoscimento è l'ingresso; i consigli sono il prodotto.
Perché la cucina italiana è un caso difficile
I modelli di riconoscimento sono addestrati soprattutto su piatti anglosassoni e asiatici, dove i componenti stanno separati nel piatto. Una carbonara, un ragù, una parmigiana o un risotto sono l'esatto opposto: gli ingredienti sono mescolati, il grasso è dentro la salsa e la quantità di olio o di formaggio non si vede da nessuna angolazione.
In pratica significa due cose. La prima è che sulla cucina italiana conviene sempre aggiungere una frase: «con pancetta e pecorino», «condita con due cucchiai d'olio». La seconda è che il codice a barre resta il modo migliore per pasta, riso e conserve, mentre la fotocamera dà il meglio sui piatti in cui i componenti si distinguono ancora, come una grigliata o un'insalatona.
Il riconoscimento può avvenire sul dispositivo?
Alcune app eseguono parte della catena sul telefono, e in quel caso la foto non lo lascia. Nel 2026 il prezzo è la precisione: i modelli sul dispositivo sono più piccoli e gestiscono peggio i cibi insoliti. La maggior parte, CalMePlease compresa, elabora l'immagine su un server e conserva la cronologia in locale. Per la privacy conta cosa resta salvato: CalMePlease tiene cronologia, peso e statistiche sul dispositivo e non vende né condivide dati.
Domande frequenti
Come fa un'app a sapere le calorie da una foto? Identifica ogni alimento, stima il peso dall'immagine e cerca le calorie per grammo in un database. Tutte e tre sono stime; il peso è la meno affidabile.
Perché due app danno risultati diversi? Modelli di classificazione, criteri sulle porzioni e database diversi. Gli errori si sommano.
Funziona con i piatti fatti in casa? Sì, meglio di una ricerca: l'IA nomina i componenti che altrimenti andrebbero cercati uno a uno.
Può riconoscere il cibo da un video? Sì. Il video offre più angolazioni e migliora la stima della porzione.
Basta per dimagrire? Per una registrazione costante, sì. Gli errori casuali si compensano nell'arco della settimana. Vedi Quanto è precisa la conta delle calorie da foto?
Da leggere: Registrare i pasti con la voce · Scanner di codici a barre per le calorie
CalMePlease registra i pasti con foto, video, voce o codice a barre e misura dieci valori per pasto. Gratis sull'App Store.
