Como funciona o reconhecimento de alimentos por IA: de uma foto às calorias e aos macros
Resposta rápida: quando fotografa um prato, a aplicação corre quatro etapas em sequência — separa a comida do fundo, identifica cada item, estima quanto há de cada um e procura a nutrição para essa quantidade. As duas primeiras etapas são hoje muito fiáveis; a terceira, a estimativa da dose a partir de uma imagem plana, é onde vive a maior parte do erro; e a quarta depende inteiramente da qualidade da base de dados por trás da aplicação. Acrescentar algumas palavras de contexto («peito de frango, uns 150 g, com arroz») reduz o erro final para cerca de metade, porque corrige as etapas dois e três de uma só vez.
Porque isto é mais difícil do que parece
Um humano a olhar para um prato faz as mesmas quatro coisas inconscientemente e erra na maior parte das vezes — num estudo com 2 000 pessoas, a pessoa média acertou as calorias dentro de 20 % apenas 5 vezes em 20. Anotadores treinados não fizeram melhor. O problema não é inteligência; é que uma única imagem não contém genuinamente informação suficiente. A profundidade, a densidade, o azeite e o molho escondidos, e a diferença entre a versão gorda e a magra de qualquer coisa são invisíveis para uma câmara.
O reconhecimento de alimentos por IA não resolve isso. Torna a estimativa mais rápida, mais consistente e mais fácil de corrigir.
Etapa 1: Segmentação — encontrar a comida
O modelo começa por dividir a imagem em regiões: prato, mesa, mãos e cada alimento distinto. Os modelos de segmentação modernos fazem isto bem mesmo com alimentos sobrepostos, mas perdem precisão quando os itens estão misturados em vez de lado a lado — um guisado, um caril, uma feijoada, um burrito com tudo lá dentro. Se o modelo não consegue desenhar uma fronteira à volta do arroz, não consegue medir o arroz.
O que o estraga: pouca luz, imagem tremida, comida fotografada de um ângulo muito inclinado e pratos em que os componentes estão misturados.
Etapa 2: Classificação — dar nome ao que encontrou
Cada região é comparada com um modelo treinado em milhões de imagens de comida etiquetadas. Para alimentos comuns — frango grelhado, arroz branco, brócolos, um ovo estrelado — a precisão é alta. Os erros concentram-se nos parecidos:
- coxa vs peito de frango (teor de gordura diferente)
- arroz branco vs risotto vs arroz de couve-flor
- iogurte gordo vs magro
- manteiga vs margarina vs creme de barrar com azeite
- bebidas com açúcar vs sem
- pratos regionais que o modelo viu menos vezes
A maioria das aplicações em 2026 corre esta etapa num grande modelo multimodal em vez de num classificador específico de comida, o que melhorou a cobertura de pratos invulgares e regionais mas não resolveu o problema dos parecidos — o modelo continua a não ver o teor de gordura.
O que o estraga: alimentos visualmente semelhantes, cozinhas pouco comuns, comida escondida debaixo de molho ou guarnição.
Etapa 3: Estimativa da dose — quanto é que há
Esta é a parte difícil e a principal fonte de erro. O modelo tem de inferir volume tridimensional a partir de uma imagem bidimensional sem escala de referência. Usa pistas — tamanho do prato, garfo, mão, formas típicas de dose — mas uma taça de arroz parece igual vista de cima quer tenha 150 g ou 300 g.
A investigação sobre estimativa de doses mostra consistentemente que esta etapa contribui com a maior fatia do erro. Num estudo de crowdsourcing, acrescentar um objeto de referência como um cartão de crédito tornou as estimativas humanas piores, o que diz muito sobre como o volume é contraintuitivo.
Duas coisas ajudam:
- Vídeo em vez de uma única foto. Uma passagem de dois segundos dá ao modelo vários ângulos e deixa-o raciocinar sobre profundidade. O CalMePlease suporta vídeo exatamente por isso.
- Uma quantidade dita. «Mais ou menos uma chávena» ou «150 g» elimina a adivinha por completo.
O que o estraga: taças fundas, comida empilhada, tudo o que é visto exatamente de cima, doses maiores do que o modelo espera.
Etapa 4: Consulta de nutrientes — transformar comida e quantidade em números
O alimento identificado e o peso estimado são cruzados com uma base de dados nutricional e multiplicados em calorias, proteína, hidratos, gordura e — nas aplicações que os medem — fibra, açúcar, sal e mais.
Esta etapa só é tão boa quanto a base de dados. «Caril de frango» corresponde a entradas muito diferentes consoante as natas, o azeite e o açúcar. Uma base alimentada pela comunidade tem entradas erradas; uma base curada tem entradas em falta. As melhores aplicações usam uma base verificada e deixam o modelo ajustar ao que vê (oleoso, cremoso, seco).
O que o estraga: entradas genéricas para pratos de grande variância, comida de restaurante com gordura e açúcar escondidos, produtos embalados que deviam ter sido lidos pelo código de barras.
Como os erros se acumulam
Cada etapa passa o seu erro à seguinte. Uma falha de 10 % na dose, uma troca de parecidos que muda a gordura em 30 % e uma entrada genérica na base podem produzir um número final 30–40 % ao lado — e é por isso que duas aplicações podem olhar para o mesmo prato e discordar num terço.
Valores publicados para o processo completo: cerca de 15–30 % de erro médio para a estimativa só por foto em refeições reais, a descer para cerca de 14 % quando o utilizador acrescenta uma descrição curta. Alimentos simples e únicos ficam no extremo baixo; pratos compostos no extremo alto.
Porque uma frase de contexto importa tanto
Uma nota curta por texto ou voz corrige as duas piores etapas de uma vez:
- «peito de frango» resolve a classificação (peito, não coxa)
- «uns 150 g» resolve a dose
- «com azeite» acrescenta a gordura invisível
A foto continua a fazer o trabalho de identificar tudo o que está no prato; a frase corrige as duas coisas que a foto não consegue ver. É por isso que o CalMePlease foi construído à volta de foto mais uma nota de voz na sua língua, em vez de foto sozinha. A investigação diz que essa combinação é o teto prático de precisão sem uma balança.
Para lá do número: o que a aplicação faz com ele
O reconhecimento termina na etapa quatro. O que acontece a seguir é onde as aplicações divergem.
A maioria dos contadores soma as calorias a um total diário e para. O CalMePlease alimenta as dez métricas — incluindo fibra, açúcar e sal, que a maioria das aplicações de foto salta — num coach de IA que lê o dia como um todo e lhe diz o que comer a seguir. O processo de reconhecimento é a entrada; o coaching é o produto. Uma estimativa 20 % ao lado que leva a «está com pouca proteína, acrescente ao jantar» é mais útil do que um número perfeito sobre o qual ninguém age.
O reconhecimento pode ser feito no aparelho?
Algumas aplicações correm agora partes do processo no próprio aparelho com os modelos locais da Apple, o que significa que a foto nunca sai do telemóvel. Em 2026 a troca é a precisão: os modelos locais são mais pequenos e lidam pior com alimentos invulgares. A maioria das aplicações, incluindo o CalMePlease, processa a imagem num servidor e guarda o histórico resultante localmente. O que importa para a privacidade é o que é retido: o CalMePlease mantém o histórico de refeições, o peso e as estatísticas no seu aparelho e não vende nem partilha dados.
FAQ
Como é que uma aplicação sabe quantas calorias tem a minha comida a partir de uma foto? Identifica cada alimento, estima o peso a partir da imagem e procura as calorias por grama numa base de dados. As três coisas são estimativas; o peso é a menos fiável.
Porque é que duas aplicações dão calorias diferentes para a mesma foto? Modelos de classificação diferentes, heurísticas de dose diferentes e bases de dados diferentes. Os erros de cada etapa somam-se.
O reconhecimento por IA funciona para refeições caseiras? Sim, melhor do que uma pesquisa numa base de dados — a IA nomeia componentes que de outro modo teria de encontrar um a um. Acrescente uma nota sobre azeite ou molho para um número mais próximo.
A IA consegue reconhecer comida a partir de um vídeo? Sim. O vídeo dá vários ângulos, o que melhora a estimativa da dose. O CalMePlease aceita clipes curtos como entrada.
O reconhecimento por IA é suficientemente preciso para perder peso? Para um registo consistente, sim. Os erros aleatórios anulam-se ao longo de uma semana; o que importa é registar todas as refeições e corrigir as falhas óbvias. Veja Qual a precisão da contagem de calorias por foto?
Relacionados: Registo alimentar por voz: como registar refeições sem escrever · Leitor de códigos de barras para calorias: o que o rótulo não diz
O CalMePlease regista refeições por foto, vídeo, voz ou código de barras e mede dez métricas por refeição. Grátis na App Store.
