Источники данных о пищевой ценности

Кратко пересказать в: ChatGPT Claude AI Mode Perplexity

В NutriScan точные и надёжные данные о питании стоят на первом месте. Мы используем несколько источников сразу, чтобы цифры, которые ты видишь, были как можно ближе к реальным. На этих данных работают ключевые функции приложения.

Наша методология сочетает несколько качественных источников:

1. Собственная база продуктов. Большинство запросов теперь обрабатывается по базе данных о питании, которую мы собираем и ведём сами. В ней миллионы продуктов. Она собрана из проверенных публичных и лицензированных справочников и затем очищена вручную и скриптами:
   • USDA FoodData Central для базовых продуктов и цельных ингредиентов.
   • Open Food Facts для упакованных продуктов со штрихкодами.
   • FatSecret для дополнительного охвата брендовых и региональных продуктов.
   • Проверка и исправление своими силами. Импортированным записям мы не верим на слово. Мы сверяем калории с белками, углеводами и жирами по коэффициентам Этуотера и исправляем строки, где цифры расходятся, устраняем ошибки с основой расчёта (сырой или готовый продукт, сухой или приготовленный), удаляем дубли и битые записи и задаём реалистичные бытовые порции (ломтик, чашка, штука) для каждого продукта, а не один общий вес для всего. Названия продуктов ведутся на нескольких языках, поэтому региональные блюда находятся на твоём языке.
   • Именно собственная база позволяет нам покрывать домашние и региональные блюда, которые базы, ориентированные на штрихкоды, почти не знают.
2. Расширенный поиск в интернете: для необычных, региональных или только что появившихся продуктов, которых ещё нет в нашей базе, наши системы выполняют целевой поиск по надёжным онлайн-источникам и собирают нужные данные о питании.
3. Интеграция с OpenAI API: мы используем OpenAI API для нескольких важных задач:
   • Анализ отсканированных блюд: помогает распознать сложные продукты на фото и понять, что это за приём пищи.
   • Сверка данных: проверяет сведения, найденные в разных источниках, чтобы повысить точность.
   • Планы питания: помогает обработать твои предпочтения и цели по здоровью, чтобы составить персональные рекомендации по блюдам и нормы нутриентов.
   • Работа NutriBites: помогает понимать твои вопросы об истории питания и давать подходящие ответы.

Такое сочетание позволяет получать надёжный расчёт нутриентов в разных функциях приложения:

• Отсканированные блюда (Process Meal Scan и Nutrition Details Page): когда ты сканируешь блюдо, анализ изображения определяет продукты. Затем система обращается к подключённым источникам данных (сначала к нашей собственной базе, потом к расширенному поиску и анализу OpenAI), получает макронутриенты (калории, белки, углеводы, жиры) и основные микронутриенты (например, клетчатку, калий, кальций) и считает NutriScore. В процесс встроены проверки на случай, если на фото нет еды или сработала фильтрация контента.
• Продукты, добавленные вручную, и правки (Nutrition Details Page): когда ты вносишь продукт вручную, добавляешь пропущенное к отсканированному блюду или меняешь размер порции, приложение обращается к тем же источникам и показывает нужные данные о питании.
• Персональные планы питания (Diet plan, функция Premium): чтобы составить план питания, мы объединяем твой подробный профиль (предпочтения, цели, ограничения и так далее) с нашими методами получения данных о питании. Языковая модель, в основном на базе OpenAI, обрабатывает эту информацию, формирует дневные нормы макро- и микронутриентов и предлагает конкретные блюда с подробным разбором (рецепты, размеры порций, польза).
• Обзор и NutriBites (Insights, NutriBites): такие функции, как месячный календарь (с цветами NutriScore), дневная сводка по нутриентам и ответы NutriBites, опираются на запросы и агрегацию истории питания, которую ты записал или отсканировал.

Точность и ограничения

Собственная база продуктов изменила то, что мы можем обещать. Когда скан сопоставляется с записью, которую мы проверили сами, значения питания берутся из этой записи, а не из общей оценки. Именно из-за общих оценок раньше возникала большая часть ошибок при подсчёте по фото.

• Сканирование блюд: NutriScan определяет продукты с точностью 95% и выше для позиций, которые есть в нашей базе. Это наш собственный показатель, основанный на внутренней проверке данных о продуктах, а не сертификат третьей стороны.
• Ручной ввод: продукты, внесённые вручную, сопоставляются с теми же проверенными записями, поэтому обычно они точнее скана: нет этапа распознавания изображения.

Две оговорки, о которых мы честно говорим. Сложнее всего оценить порцию: правильно определить блюдо ещё не значит верно прикинуть, сколько его на тарелке, а глубина тарелки, ракурс и подача влияют на эту оценку. Потолок задаёт охват базы: точность выше всего для продуктов, которые уже есть в нашей базе, а незнакомое блюдо уходит в поиск и оценку ИИ, где погрешность шире. Поэтому любой результат можно отредактировать, а твоя правка учит систему.

Мы постоянно улучшаем алгоритмы и проверку данных, чтобы уменьшать эти ошибки.

Опираясь на эти разные и качественные источники, NutriScan стремится давать надёжные и полные данные о питании для любой еды, чтобы ты осознанно выбирал рацион и уверенно двигался к своим целям в здоровье.