拍三张照片，让 AI 算出这顿饭到底吃了多少卡

做好饭、坐下来之前那半分钟，我会先给这一餐拍三张照片。不是为了发出去，是想知道自己这一顿大概吃了多少。

试过几次才发现：AI 认得出一盘是什么菜，认不出里面放了多少油，也看不出这碗饭压得有多实。所以拍的时候要帮它一把——菜分开摆、俯拍；最容易说不清的那盘凑近再来一张；喝的单独一张。

关键是中间那半句：看不见的东西要你自己说。照片把它送到了模型面前，但油、糖、做法这些看不见的量，只有做饭的人知道。

一张表，一行一样东西：这盘菜的份量与能量区间、主食、喝的，最下面是一餐合计的区间，再加一句这个估算靠不靠谱。它说不清的（比如油和糖到底放了多少），会按你告诉它的算，而不是自己猜。

一是油。 一克脂肪 9 千卡，一汤匙油就是一百来千卡 1，而照片里油只是一层反光。在一项针对图像营养估算的研究里，一道加了很多油的菜，单张图的热量估计误差达到 52.5%、脂肪误差 68.3% 2。不说放了多少油，这一餐能被少算一大截。顺便有个参照：膳食指南给成年人的烹调油额度是每天 25–30 克 3，一餐用掉一汤匙，这个额度就去掉一大块。

二是份量。 同样一碗饭，压得实和盛得松能差小半碗，而图像估算的精度瓶颈也正在份量上——有研究团队专门加上深度预测模块，就是为了把份量估准一点 2。旁边放个参照物（筷子、一枚硬币都行），或者干脆称一次，比让模型看三遍都管用。

三是那个看起来精确的数字。 在公开的餐盘图像数据集上，最好的模型只看一张图估总热量，平均绝对误差也在 26% 左右，差一些的模型在 46%–56% 4。所以它给的那几百几十几千卡，是估算出来的，不是称出来的——要它给区间，别拿那个个数当刻度。

拍这一组加起来半分钟，比吃完饭再凭感觉猜自己吃了多少实在。