# شمارش کالری از روی عکس غذا؛ گام به گام

> شمارش کالری از روی عکس غذا با یک ردیاب هوش مصنوعی، گام به گام؛ به همراه پنج نکته و یک جدول کاربردی که ثبت کالری از روی عکس را بسیار دقیق‌تر و ساده‌تر می‌کند.

_2026-06-24 · 2026-07-09 · LensNutra Team · LensNutra_
_Canonical: https://lensnutra.com/fa/blog/how-to-count-calories-from-a-photo_
_Language: fa_

می‌توانید کالری را از روی عکس بشمارید: یک ردیاب کالری با هوش مصنوعی را باز کنید، از وعده‌ی غذایی‌تان عکس بگیرید و بگذارید مدل بینایی آن، غذاها را تشخیص دهد، اندازه‌ی وعده‌ها را تخمین بزند و کالری و درشت‌مغذی‌ها را — معمولاً در چند ثانیه — به شما برگرداند. سپس اندازه‌ی وعده را تأیید یا اصلاح می‌کنید و وعده ثبت می‌شود. نه ترازوی آشپزخانه لازم است، نه جست‌وجو در پایگاه داده.

در ادامه دقیقاً توضیح می‌دهیم که این کار چطور انجام می‌شود و چطور دقیق‌ترین نتیجه را بگیرید.

## نکته‌های کلیدی

- برای شمارش کالری از روی عکس، یک عکس واضح و از بالای بشقاب بگیرید و بگذارید [اسکنر غذا با هوش مصنوعی](/features/ai-food-scanner) غذاها را تشخیص دهد و اندازه‌ی وعده را تخمین بزند؛ شما در چند ثانیه بازبینی و ثبت می‌کنید.
- تخمین کالری از روی عکس معمولاً برای غذاهای ساده ۸۵ تا ۹۵ درصد و برای غذاهای مخلوط ۶۵ تا ۸۰ درصد دقیق است، که برای کاهش وزن مداوم به‌اندازه‌ی کافی نزدیک است.
- مهم‌ترین گام، بررسی تخمین اندازه‌ی وعده است، چون هوش مصنوعی حجم را از روی تصویر می‌خواند اما وزن یا روغن پنهان را تشخیص نمی‌دهد.
- غذاهای کامل که جدا از هم روی بشقاب چیده شده‌اند، خیلی دقیق‌تر از غذاهای مخلوط، لایه‌لایه یا سس‌دار اسکن می‌شوند.
- خورشت، پلوی مخلوط و آش برای هوش مصنوعی سخت‌ترند؛ در این موارد اجزای غذا را جدا کنید و بعد از اسکن، اندازه‌ی وعده را دستی تنظیم کنید.
- برای هر چیزی که بارکد یا جدول ارزش غذایی دارد، اسکن برچسب از عکس بهتر است، چون اعداد چاپ شده‌اند نه تخمینی.

## چرا به‌جای تایپ، کالری را از روی عکس بشماریم؟

شمارش دستی کالری کسل‌کننده است. وعده را تمام می‌کنید، برنامه را باز می‌کنید و شروع می‌کنید به تایپ «سینه‌ی مرغ گریل‌شده»، بعد میان ۴۰ ورودی تقریباً یکسان در پایگاه داده بالا و پایین می‌روید، بعد همین کار را برای برنج، سبزیجات و سس تکرار می‌کنید. بیشتر آدم‌ها ظرف یک هفته این کار را رها می‌کنند.

همین اصطکاک دلیل آن است که این‌قدر کم آدم به ثبت غذا پایبند می‌ماند. یک مطالعه‌ی پرارجاع در سال ۲۰۰۸ از مؤسسه‌ی Kaiser Permanente که در نشریه‌ی *American Journal of Preventive Medicine* منتشر شد، نشان داد که رژیم‌گیرندگانی که سابقه‌ی غذایی خود را به‌طور مداوم ثبت می‌کردند، حدود دو برابر بیشتر از کسانی که کم یا اصلاً ثبت نمی‌کردند وزن کم کردند. مشکل هیچ‌وقت این نبود که ثبت غذا کار نمی‌کند؛ مشکل این است که ثبت دستی آن‌قدر کند است که نمی‌شود ادامه‌اش داد. عکس‌گرفتن از بشقاب کل این فرایند را در یک لمس خلاصه می‌کند، و به همین دلیل اسکن غذا با هوش مصنوعی به سریع‌ترین راه ثبت کالری تبدیل شده است.

این نکته برای آشپزی ایرانی اهمیت دوچندانی دارد. وقتی وعده‌تان قورمه‌سبزی با پلو، یک بشقاب سالاد و ماست است، تایپ تک‌تک این اجزا و حدس‌زدن مقدارشان کاری طاقت‌فرساست. یک عکس، همه را یک‌جا می‌بیند و کار را از دقایق به ثانیه‌ها کاهش می‌دهد.

مزیت دیگر عکس‌گرفتن این است که سوگیری ذهنی را کم می‌کند. وقتی خودتان مقدار را وارد می‌کنید، معمولاً ناخودآگاه آن را کمتر از واقعیت تخمین می‌زنید؛ پژوهش‌ها بارها نشان داده‌اند که آدم‌ها میزان غذایی را که می‌خورند دست‌کم می‌گیرند. یک عکس، آنچه واقعاً روی بشقاب بوده را ثبت می‌کند و همان لحظه‌ی «بعداً وارد می‌کنم» را که به فراموشی ختم می‌شود، حذف می‌کند. هدف این نیست که به یک ماشین‌حساب بی‌نقص برسید؛ هدف این است که یک عادت را آن‌قدر ساده کنید که واقعاً هر روز آن را انجام دهید.

## شمارش کالری از روی عکس، گام به گام

### ۱. گرفتن عکس واضح از کل بشقاب

کل بشقاب را با نور مناسب در کادر بگیرید. یک نمای کمی زاویه‌دار و تقریباً از بالا، بهترین دید را برای تشخیص اندازه‌ی وعده به هوش مصنوعی می‌دهد. از سایه‌های تیره، بخار بلندشونده یا نماهای بیش از حد نزدیک که بخشی از غذا را پنهان می‌کند بپرهیزید. اگر غذایی روی هم انباشته یا تلنبار شده، کمی پخشش کنید تا دوربین بتواند مقدار کامل آن را ببیند.

### ۲. تشخیص هر غذا توسط هوش مصنوعی

مدل بینایی هر غذای مجزا روی بشقاب را می‌شناسد؛ پروتئین، نشاسته، سبزیجات، و آن‌ها را به اجزای جداگانه تفکیک می‌کند. برنامه‌های خوب به‌جای یک عدد کلی، ریز اقلام را به شما نشان می‌دهند تا دقیقاً ببینید هوش مصنوعی فکر می‌کند به چه چیزی نگاه می‌کند و هر تشخیص اشتباه را اصلاح کنید.

### ۳. بررسی و اصلاح تخمین اندازه وعده

این گامی است که بیشتر مردم از آن می‌گذرند، و درست همان گامی است که بیشترین اهمیت را دارد. هوش مصنوعی حجم را از روی تصویر تخمین می‌زند، اما نمی‌تواند وزن سینه‌ی مرغ یا روغن جذب‌شده در ته‌دیگ و خوراک شما را حس کند. اگر اندازه‌ی وعده نادرست به نظر می‌رسد، آن را تنظیم کنید. بیشتر برنامه‌ها اجازه می‌دهند با یک لمس، تعداد وعده‌ها را کم یا زیاد کنید. ثبت یک وعده‌ی ۱۷۰ گرمی به‌عنوان ۱۱۵ گرم، خطای بزرگ‌تری از هر تشخیص اشتباهی است.

یک راه ساده برای درست‌کردن این گام، مقایسه‌ی ذهنی وعده با چیزهای آشنا است. یک مشت بسته تقریباً هم‌اندازه‌ی یک فنجان برنج پخته است، یک کف دست تقریباً به‌اندازه‌ی یک تکه گوشت یا مرغ، و یک بند انگشت شست تقریباً یک قاشق غذاخوری روغن یا کره. اگر عددی که هوش مصنوعی نشان می‌دهد با این تصویرهای ذهنی نمی‌خواند، همان‌جا اصلاحش کنید. همین چند ثانیه بازبینی، بیشترین سود را در دقت نهایی به شما می‌دهد.

### ۴. مرور درشت‌مغذی‌ها و ثبت وعده غذایی

وقتی اندازه‌ی وعده‌ها درست به نظر رسید، کالری به‌همراه پروتئین، کربوهیدرات، چربی و فیبر را دریافت می‌کنید. در LensNutra یک [امتیاز سلامت ۱ تا ۱۰ از ردیاب ماکرو](/features/macro-tracker) هم می‌گیرید تا بتوانید کیفیت وعده را بسنجید، نه فقط کمیت آن را. تأیید کنید تا در روزتان ذخیره شود. یک مثال عملی را در [صفحه‌ی کالری مرغ و برنج](/calories/chicken-and-rice) ببینید؛ وعده‌ای که اسکنرهای عکس به‌خوبی از پسش برمی‌آیند، چون اجزایش مجزا هستند.

## چه چیزی به دقت کمک می‌کند و چه چیزی به آن آسیب می‌زند؟

فاصله‌ی میان یک ثبت دقیق از روی عکس و یک ثبت بد، معمولاً به این برمی‌گردد که چه چیزی داخل کادر است، نه به خود برنامه. این‌ها عواملی هستند که عدد را در هر جهت جابه‌جا می‌کنند.

| به دقت کمک می‌کند | به دقت آسیب می‌زند |
| --- | --- |
| زاویه‌ی کمی از بالا که کل بشقاب را نشان می‌دهد | نماهای بیش از حد نزدیک یا زاویه‌های کناری که عمق را پنهان می‌کنند |
| نور یکنواخت و روشن | سایه‌های تند، اتاق‌های کم‌نور یا انعکاس نور |
| یک مرجع اندازه (چنگال، بشقاب استاندارد، دست) | یک توده‌ی تنهای غذا روی پس‌زمینه‌ی ساده |
| غذاهای کامل که جدا از هم چیده شده‌اند | غذاهای مخلوط، لایه‌لایه یا سس‌دار |
| عکس‌گرفتن از کل وعده پیش از خوردن | یک بشقاب نیمه‌خورده |
| تنظیم اندازه‌ی وعده بعد از اسکن | پذیرفتن اولین تخمین بدون بررسی |
| اسکن بارکد یا برچسب در صورت وجود | حدس‌زدن مقدار غذای بسته‌بندی‌شده از روی عکس |

## ۵ نکته برای دقیق‌تر شدن ثبت کالری از روی عکس

هیچ‌کدام از این نکته‌ها به تجهیزات اضافه یا وقت بیشتری نیاز ندارند؛ فقط عادت‌های کوچکی هنگام عکس‌گرفتن‌اند که در طول زمان، تفاوت میان یک ثبت تقریبی و یک ثبت قابل‌اعتماد را می‌سازند.

1. **یک مرجع اندازه در کادر بگذارید.** یک چنگال، یک بشقاب غذاخوری استاندارد یا دست شما در کادر، مقیاس را به هوش مصنوعی می‌دهد. یک توده‌ی تنهای برنج روی پس‌زمینه‌ی سفید، تخمین اندازه را بسیار سخت‌تر می‌کند.
2. **غذاهای مخلوط را تا جای ممکن جدا کنید.** یک خوراک، یک آش یا یک اسموتی، مواد تشکیل‌دهنده‌اش را پنهان می‌کند. غذاهای کامل که جدا از هم روی بشقاب چیده شده‌اند، برای تخمین بسیار آسان‌ترند.
3. **پیش از خوردن عکس بگیرید.** از کل وعده عکس بگیرید، نه از بشقاب نیمه‌خورده. هوش مصنوعی فقط می‌تواند چیزی را که می‌بیند اندازه بگیرد.
4. **اندازه‌ی وعده‌ها را ویرایش کنید.** هوش مصنوعی یک نقطه‌ی شروع هوشمند به شما می‌دهد. آن را مثل یک پیش‌نویس ببینید که اصلاحش می‌کنید، نه یک حکم قطعی، به‌ویژه برای غذاهای پرکالری که یک خطای کوچک در حجم، خطای بزرگی در کالری است.
5. **برای غذای بسته‌بندی‌شده از بارکد استفاده کنید.** اگر برچسب یا بارکد دارد، [اسکن بارکد](/features/barcode-scanner) اعداد دقیق چاپ‌شده را می‌آورد، که از هر تخمین از روی عکس بهتر است.

## واقعاً شمارش کالری از روی عکس چقدر دقیق است؟

پاسخ صادقانه: برای دنبال‌کردن روندها بسیار خوب است، اما تا آخرین کالری بی‌نقص نیست. تشخیص غذا با هوش مصنوعی معمولاً برای غذاهای ساده و به‌روشنی مجزا ۸۵ تا ۹۵ درصد و برای غذاهای مخلوط، جایی که مواد پشت هم پنهان می‌شوند، ۶۵ تا ۸۰ درصد دقیق است.

دو چیز بیشترِ خطا را ایجاد می‌کنند. اولی اندازه‌ی وعده است، که دوربین آن را فقط از روی حجم تخمین می‌زند. دومی چربی پنهان است: یک قاشق غذاخوری روغن پخت‌وپز، طبق [پایگاه داده‌ی FoodData Central وزارت کشاورزی آمریکا](https://fdc.nal.usda.gov/)، حدود ۱۲۰ کالری و تقریباً ۱۴ گرم چربی دارد، و در عکس یک خوراک آماده کاملاً نامرئی است. به همین دلیل است که تنظیم اندازه‌ی وعده و افزودن روغن‌های پنهان، از هر برچسب تک‌غذا مهم‌تر است.

غذاهای مخلوط ایرانی درست همان جایی هستند که این خطا بیشتر خودش را نشان می‌دهد. یک بشقاب قیمه یا قورمه که مدت‌ها روی حرارت مانده، روغنی را در خود دارد که در تصویر دیده نمی‌شود، و برنج زیر خورش هم اغلب از بالا کوچک‌تر از مقدار واقعی به نظر می‌رسد. برای این وعده‌ها، بهترین کار این است که تخمین اولیه را بپذیرید اما بعد کمی روغن اضافه کنید و اندازه‌ی برنج را کمی بالا ببرید. حتی یک اصلاح تقریبی، شما را به عدد واقعی نزدیک‌تر می‌کند تا رهاکردن کامل ثبت.

خبر خوب این است که همین سطح از دقت کافی است. تغییر وزن با میانگین تراز کالری شما در طول هفته‌ها تعیین می‌شود، نه با شمارش دقیق هر وعده‌ی مشخص. [رهنمودهای غذایی برای آمریکایی‌ها](https://www.dietaryguidelines.gov/) نیز تغذیه‌ی سالم را حول الگوهای کلی و مداوم تعریف می‌کنند، نه حول ریاضیات بی‌نقص هر وعده. یک ثبت که هر روز ۹۰ درصد درست باشد، بهتر از یک ثبت بی‌نقص است که بعد از یک هفته رهایش می‌کنید. اعداد واقعی را در مقاله‌ی [دقت شمارش کالری با هوش مصنوعی چقدر است](/blog/how-accurate-are-ai-calorie-counters) به‌طور کامل بررسی کرده‌ایم.

## کِی از عکس، کِی از بارکد و کِی از ثبت دستی استفاده کنیم؟

اسکن با عکس سریع‌ترین گزینه است، اما همیشه دقیق‌ترین گزینه نیست. روش را با نوع غذا هماهنگ کنید.

- **از عکس استفاده کنید** برای بشقاب‌های غذای کامل، خانگی یا رستورانی که اجزایشان قابل‌دیدن و مجزا هستند.
- **از بارکد یا جدول ارزش غذایی استفاده کنید** برای هر چیز بسته‌بندی‌شده. اعداد چاپ‌شده همیشه از تخمین بهترند، پس [اسکن بارکد](/features/barcode-scanner) برای شکلات‌های پروتئینی، لیوان‌های ماست و غذاهای منجمد برنده است.
- **از ثبت دستی استفاده کنید** برای غذاهایی که مرتب درست می‌کنید. وقتی چند بار اوتمیل همیشگی یا کاسه‌ی جو دوسر شبانه‌تان را ثبت کردید، یک وعده‌ی ذخیره‌شده سریع‌تر و دقیق‌تر از اسکن دوباره است.

بیشتر مردم در نهایت هر سه روش را با هم ترکیب می‌کنند: عکس برای وعده‌های شلوغ و متغیر؛ بارکد برای چیزهای بسته‌بندی‌شده؛ وعده‌های ذخیره‌شده برای غذاهای تکراری‌شان. اگر تصویر کامل اهداف درشت‌مغذی را می‌خواهید، راهنمای ما درباره‌ی [ماکرو شماری](/blog/how-to-track-macros) را ببینید.

## جمع‌بندی

شمارش کالری از روی عکس، بزرگ‌ترین دلیل رهاکردن ثبت غذا را حذف می‌کند: اصطکاک. عکس بگیرید، به ریز اقلام یک نگاه بیندازید، اندازه‌ی وعده را تنظیم کنید، تمام. این کار را به‌طور مداوم انجام دهید و نتیجه هم می‌آید، چون آنچه عدد روی ترازو را تغییر می‌دهد، تداوم است، نه دقت تا اعشار.

می‌خواهید امتحانش کنید؟ [LensNutra را دانلود کنید](/download) و اولین وعده‌تان را در چند ثانیه از روی عکس ثبت کنید.