צילום ארוחה קלוריות: כמה באמת מדויק זיהוי מזון עם AI — ואיך לצלם נכון

שנייה אחת במקום שתי דקות של הקלדה

לפני שלוש שנים, לתעד ארוחה באפליקציה היה תהליך של דקה וחצי: לחפש "חזה עוף צלוי", לבחור מתוך אחת-עשרה תוצאות כמעט זהות, להעריך גרמים, לחזור על זה לאורז, לסלט, לרוטב. רוב האנשים ויתרו אחרי שבועיים.

היום צילום ארוחה קלוריות הוא הצורה הדיפולטיבית לתעד אוכל. מצלמים את הצלחת, וה-AI מחזיר פירוט של קלוריות, חלבון, פחמימות ושומן. זה מהיר, זה מרגיש כמו קסם — ובאמת מוריד את מחסום הכניסה שהפיל את רוב המשתמשים בעבר.

אבל בקיץ 2026 התפרסם מחקר שחייב אותנו, כמי שבונים אפליקציה כזו, להיות כנים איתכם: התמונה לבדה לא מספיקה. הפוסט הזה מסביר איך הטכנולוגיה עובדת מבפנים, איפה בדיוק היא נשברת, ומה אתם יכולים לעשות — בשלוש שניות נוספות — כדי לקבל מספר שאפשר לסמוך עליו.

איך זיהוי מזון עם AI עובד באמת

כשאתם מצלמים צלחת, המודל לא "רואה קלוריות". הוא מריץ שלושה שלבים נפרדים, וכל אחד מהם יכול להצליח או להיכשל בפני עצמו:

1. זיהוי (Classification). המודל מסווג מה נמצא בפריים: עוף, אורז, חומוס, סלט. זה השלב החזק ביותר — מודלים מודרניים מגיעים כאן ל-68%-86% דיוק במציאות, ולמעלה מזה כשהמנה פשוטה וברורה.

2. הפרדה והערכת נפח (Segmentation). כאן המודל מנסה להבין כמה יש מכל דבר. הוא מזהה גבולות בין המרכיבים, מעריך שטח, ומתרגם אותו לנפח לפי הפרספקטיבה ולפי גודל הצלחת. זה השלב הקשה — ובו נמצאת רוב הטעות.

3. תרגום למספרים (Database lookup). הנפח המשוער נפגש עם מאגר תזונתי. וכאן קריטי אם המאגר מכיר את המטבח שלכם: "סלט" של מסעדה אמריקאית ו"סלט ישראלי" עם טחינה הם שני דברים שונים לגמרי מבחינה קלורית.

צילום ארוחה קלוריות: כמה זה באמת מדויק?

בכנס NUTRITION 2026 הוצג מחקר של אהרון הנגיסט ואוליביה צ'רלס מ-NIDDK, חלק ממכוני הבריאות הלאומיים בארה"ב. הם לקחו 102 ארוחות סטנדרטיות שנשקלו במעבדה, צילמו אותן, והעבירו את התמונות דרך ארבע אפליקציות פופולריות לספירת קלוריות מבוססות תמונה.

התוצאה: האפליקציות הפחיתו בהערכה של 250 עד 345 קלוריות לארוחה בממוצע. השומן הוערך בחסר של כ-30 גרם.

ההערכה שהתמונה החזירה655 קק״ל

המשקל האמיתי במעבדה1000 קק״ל

שימו לב לכיוון של הטעות. היא לא אקראית — היא שיטתית, ותמיד כלפי מטה. אם אתם עוקבים אחרי גירעון קלורי ומסתמכים על התמונה בלבד, אתם עלולים לחשוב שאתם בגירעון של 300 קלוריות כשלמעשה אתם באיזון. זה בדיוק ההסבר למקרים של "אני עוקב בדיוק והמשקל לא זז".

למה דווקא השומן?

הפחמימות נמדדו בעקביות הרבה יותר טובה. ההיגיון פשוט: פחמימות הן בדרך כלל גוף פיזי שרואים — פרוסת לחם, מנת אורז, תפוח אדמה. יש להן נפח שאפשר להעריך מהתמונה.

שומן, לעומת זאת, לרוב בלתי נראה. שתי כפות שמן זית שנספגו בירקות הקלויים הן 240 קלוריות שלא משנות את המראה של המנה כמעט בכלל. חזה עוף שנצלה במחבת יבשה וחזה עוף שנצלה בחמאה נראים כמעט זהים בתמונה, ומפרידים ביניהם 150 קלוריות.

לכן, כפי שהמחקר מצא, תפריטים דלי-פחמימה ועתירי-שומן — קטו למשל — הם בדיוק המקרה שבו הטעות הכי גדולה.

6 טיפים לצילום ארוחה שיחזיר מספר אמין

הנתונים למעלה לא אומרים "אל תצלמו". הם אומרים "צלמו נכון". ההבדל בין צילום מרושל לצילום טוב הוא עשרות אחוזי דיוק, והוא עולה לכם שלוש שניות:

1. צלמו מלמעלה, בזווית של 45 מעלות. צילום ישר מלמעלה מאבד גובה — המודל לא יכול להבחין בין צלחת אורז שטוחה לערימה. צילום מהצד מאבד שטח. 45 מעלות נותנות למודל את שני ממדי המידע.

2. תנו לו סקאלה. מזלג, כף, כוס או יד בפריים הם עוגן גודל. בלעדיהם, המודל צריך לנחש אם הצלחת היא 22 ס"מ או 30 — וזה לבדו הפרש של 60% בנפח.

3. אור טבעי, בלי פלאש. פלאש ישיר משטח את התמונה ומוחק את הצללים שמהם המודל מסיק עומק. אור מהצד או מאחורי המנה עדיף בהרבה.

4. פרקו מנות מורכבות. קדירה, שקשוקה או צלחת עם רוטב שמכסה הכל — צלמו, ואז הוסיפו במילים מה יש בפנים. גם משפט קצר כמו "עם שתי כפות טחינה" מקפיץ את הדיוק דרמטית, כי הוא נותן ל-AI בדיוק את המידע שהעין לא רואה.

5. תעדו בזמן אמת. אל תחכו לערב. שחזור מהזיכרון פוגע בדיוק ב-10%-30% — לא בגלל חוסר יושר, אלא כי מנות פשוט מתכווצות בזיכרון.

6. כשאתם בספק, הוסיפו 15%-25%. במיוחד באוכל מסעדות ובכל דבר מטוגן. שמן בישול הוא הקלוריה הכי חמקמקה שיש.

לפני

חיפוש והקלדה ידנית של ארוחה שלמה

90

שניות

אחרי

צילום + תיקון מנה מהיר

15

שניות

המאגר חשוב לא פחות מהמודל

יש כאן נקודה ישראלית שקל לפספס. רוב המודלים לזיהוי מזון אומנו על דאטהסטים מערביים. הם מזהים בורגר, פסטה וסלט קיסר מצוין. הם פחות טובים בסביח, במלוואח, בקובה סלק ובקוסקוס של יום שישי.

זו הסיבה שאפליקציה לספירת קלוריות בעברית היא לא רק עניין של תרגום ממשק. מאגר שמכיר מנות ישראליות, מוצרי סופר מקומיים וגדלי מנה שנהוגים כאן — הוא ההבדל בין "סלט, 120 קלוריות" לבין הבנה שהטחינה בתוכו מוסיפה עוד 180.

בסיס: פיתה + חומוס420 קק״ל

+ כף שמן זית מעל540 קק״ל

+ שתי כפות טחינה720 קק״ל

איך אנחנו בקאליל ניגשים לזה

קאליל בנויה על ההנחה שהתמונה היא ההתחלה של השיחה, לא הסוף שלה. אחרי הצילום אתם מקבלים פירוט — ואפשר לתקן אותו בשנייה: להגדיל מנה, להוסיף "טוגן בשמן", לפצל רכיב. התיקון הזה הוא מה שסוגר את הפער של 300 הקלוריות מהמחקר.

מעבר לזה, אפשר פשוט לשאול. תזונאי ה-AI מכיר את מה שצילמתם היום ואת המטרה שלכם, ויכול להסביר למה ארוחה מסוימת השאירה אתכם רעבים אחרי שעה — במקום להחזיר תשובה גנרית.

שורה תחתונה

צילום ארוחה הוא הדבר הכי טוב שקרה למעקב תזונתי בעשור האחרון — הוא הפך משימה שרוב האנשים נטשו למשהו שאפשר לעשות בלי לחשוב. אבל טכנולוגיה טובה לא מתיימרת להיות מושלמת.

תסתכלו על המספר שהתמונה מחזירה כעל הערכה טובה שמחכה לתיקון קטן שלכם. תוסיפו את השמן שהאפליקציה לא ראתה, תתקנו את גודל המנה כשהיא פספסה — ותקבלו מעקב שהוא גם מהיר וגם אמין.