P PastePlate-AI
Home Rapporter Health koppling Funktioner Setup Inställningar & Mätningar Så fungerar det Priser Integritetspolicy Hälsokällor Hälsoförklaring Blog FAQ
Svenska
  • Dansk
  • Deutsch
  • English
  • Español
  • Français
  • Italiano
  • Lietuvių
  • Nederlands
  • Norsk bokmål
  • Polski
  • Português
  • Suomi
  • Svenska
  • Русский
Ladda ner

20 okt 2026 · 4 min läsning

Bara foto, eller foto plus tre detaljer? Vad ett test med 195 rätter fann

Ett foto av din tallrik är ett snabbt sätt att logga ett måltid i din egen AI-chatt. Det är också lätt att missa vad kameran inte ser: stekolja, om mejeriet var fet eller lätt, eller vilken köttsort som ligger under såsen. En studie testade en AI-chatbot på 195 rätter och jämförde bara-foto-gissningar med extra detaljer skrivna in.

Kort svar

  • Kaloriuppskattningar bara från foto var fel med cirka 30,5 % i genomsnitt över 195 rätter.
  • Icke-visuella detaljer (olja, mjölkfett, köttsort) förde genomsnittsfelet ner till cirka 24,4 %.
  • Ingredienslista med mängder presterade bäst, med cirka 13,9 % genomsnittsfel.
  • Skålar och blandade rätter var svårare; uppskattningar förblir uppskattningar, inte mätningar.
En tecknad tallriksfigur med en pekpinne bredvid rubriken «Bara foto, eller foto plus detaljer?» och en gul etikett: Tre detaljer.

▶ Se videon på YouTube

Vad ett foto inte kan visa (olja, fett, djup)

Foton är bra på former och färger. De är svaga på dolt fett, såsens tjocklek och hur djup en skål är. En wok kan se modest ut medan det finns en stor skvätt olja. Potatismos kan likna en liten kula medan skålen är halvfull.

Därför lägger många till en kort textrad efter fotot: «stekt med cirka en matsked olivolja» eller «fet grekisk yoghurt». Du är inte petig; du namnger det bilden hoppade över.

Hur testet fungerade: fyra steg, 195 rätter

Rodríguez-Jiménez m.fl. publicerade en studie 2025 i Nutrients (open access). De använde en AI-chatbotmodell och 195 kuraterade rätter. Varje rätt gick genom fyra uppskattningssteg:

  1. Bara foto: modellen såg en bild av rätten.
  2. Foto plus icke-visuella detaljer: samma bild plus text om olja, mjölkfett och köttsort där det var relevant.
  3. Foto plus ingredienser med mängder: bilden plus en strukturerad ingredienslista.
  4. Bara ingredienser med mängder: inget foto.

De jämförde modellens kaloriuppskattningar med referensvärden för varje rätt och beräknade procentfel.

Stapeldiagram från Rodríguez-Jiménez 2025 med genomsnittlig kalorifel cirka 30,5 % bara foto, 24,4 % med icke-visuella detaljer och 13,9 % med ingredienser och mängder.

Vad varje detalj gjorde med felet

I genomsnitt över de 195 rätterna:

  • Bara foto: cirka 30,5 % fel i kalorier.
  • Foto plus icke-visuella detaljer: cirka 24,4 %.
  • Foto plus ingredienser med mängder: cirka 13,9 %.
  • Bara ingredienser (inget foto): sämre än foto plus ingredienser; fotot hjälpte fortfarande när mängder var kända.

Rätter serverade i skålar var bland de svårare fallen, vilket passar daglig loggning: djup och dolda ingredienser spelar roll.

Det är studiemedelvärden på en fast datasats och en modell. De är användbara för vanor, inte ett löfte om ditt nästa måltid.

Tre detaljer värt att skriva

Du behöver inte ett perfekt recept. Tre snabba rader täcker ofta luckorna:

  1. Fett du tillsatte: olja, smör, grädde, ostsort (fet vs lätt).
  2. Proteinet: kycklinglår vs bröst, färs vs magert, tofuportion.
  3. Portionshint: «stor skål», «halv tallrik», eller gram om du vägde en gång.

Be din AI visa antagandena i svaret. Då kan gissningen kontrolleras även när det fortfarande är en gissning.

Kort med rubriken «Tre rader värt att skriva» med tillsatt fett, köttskärning och portionshint, med gul etikett Visa antaganden.

Begränsningar: en modell, kuraterade dataset, uppskattningar förblir uppskattningar

Studien testade en chatbotuppsättning på 195 rätter valda för experimentet. Verkligheten har annat ljus, hemkok och blandade tallrikar. Etikettvärden har också lagliga toleranser i EU, så även «perfekt» matte på en etikett är ingen labbmätning.

Använd siffrorna som trend och vanekontroll, inte en dom över din kropp eller hälsa.

Prova själv

Nästa gång du skickar ett måltidsfoto till din AI, lägg till tre detaljer innan du accepterar summan. Vill du ha ett enkelt ställe att hålla rutinen? Prova gratis i 7 dagar.

PastePlate-AI är inte knutet till OpenAI, Anthropic eller Google.

Källor

  1. Rodríguez-Jiménez F. et al. (2025), "Assessing the Accuracy of AI-Driven Nutritional Analysis: A Comparative Study of Image-Based and Text-Based Inputs", Nutrients 17(22): 3613. mdpi.com

Videotranskript

Din AI gissade din middag från ett foto. Hur långt borta var det? Forskare hade en AI chatbot uppskattning 195 rätter. Från bilden ensam, var det av med cirka 30 procent i genomsnitt. Lägga till oljan, mejerifetten och typen av kött skär det felet. Ingredienser med mängder skär det mest. Skicka inte bara ett foto: lägg till tre detaljer. Källa: Rodríguez-Jiménez et al. 2025, näringsämnen.

Följ PastePlate-AI på Instagram TikTok YouTube X Facebook

PastePlate-AI i telefonen

Dagboken stannar på enheten. Du tar med chatt-AI:n du redan använder.

Ladda ner iApp StoreHÄMTA IGoogle Play

Öppna appen

Den här bloggen ger inte medicinska råd. Hälsoförklaring.

P PastePlate-AI ● BYOA · Bring Your Own AI
Din personliga Coach AI, driven av dina data, formad av dina ord.
Ladda ner iApp StoreHÄMTA IGoogle Play

Site

Home Inställningar & Mätningar Rapporter Health koppling Funktioner Setup Så fungerar det Priser Integritetspolicy Hälsokällor Hälsoförklaring Blog FAQ
Svenska
  • Dansk
  • Deutsch
  • English
  • Español
  • Français
  • Italiano
  • Lietuvių
  • Nederlands
  • Norsk bokmål
  • Polski
  • Português
  • Suomi
  • Svenska
  • Русский
© 2026 PastePlate-AI · Dina data, dina ord, din coach.
Android · iOS · Premium Dark
PastePlate-AI · Hellevoetsluis · KvK 95357211 · Momsnr NL005148362B66 · Villkor · Integritet · Kontakt · support@pasteplate-ai.com