এআই কি ছবি দেখে ক্যালরি গুনতে পারে?
ছবি থেকে ক্যালরি আন্দাজ চলে দুটি কাজে: খাবারটি চেনা আর পরিমাণ অনুমান করা। চেনাটাই শক্তিশালী অর্ধেক; পরিমাণ অনুমান দুর্বল অর্ধেক, কারণ সমতল একটি ছবি গভীরতা নিয়ে প্রায় কিছুই বহন করে না, আর কতটা তেলে রান্না হয়েছে তা নিয়েও নয়। ফলটিকে জ্ঞাত একটি আন্দাজ ধরুন, যা দেখে নিয়ে শুধরে নিতে হয় — ঠিক এজন্যই GO AI Calorie লেখার আগে ফলটি আপনাকে দেখায়। ধারা মাপার যন্ত্র হিসেবে এটি সত্যিই কাজের; পরিমাপ হিসেবে নয়।
প্লেটের ছবি তুললে আসলে কী ঘটে
দুটি আলাদা কাজ, আর সাফল্যের হার খুব আলাদা:
- শনাক্তকরণ। মডেল বুঝে নেয় সে কী দেখছে — ঝলসানো মুরগি, জেসমিন চাল, ড্রেসিং দেওয়া সবুজ সালাদ। আধুনিক দৃষ্টি-মডেল এতে ভালো। এই অর্ধেক খুব কমই লজ্জায় ফেলে।
- পরিমাণ নির্ধারণ। তারপর সে আন্দাজ করে কতটা। এটি দৃশ্য সংকেত থেকে অনুমান — প্লেটের মাপ, আপাত আয়তন, চেনা পরিবেশনের রীতি — আর এটি সত্যিই কঠিন, কারণ ছবিতে সেই তথ্যই নেই।
ছবি দিয়ে হিসাব রাখা নিয়ে জানার মতো সবকিছুই এই অসমতা থেকেই আসে।
যে চারটি জিনিস এটি ভেঙে দেয়
- চোখে না পড়া চর্বি। সবচেয়ে বড় একক ভুলের উৎস। দেখতে একরকম দুটি মুরগির বুক কতটা তেল বা মাখনে রান্না হয়েছে তার ওপর অনেকটা আলাদা হতে পারে। ছবির কিছুই তা ধরিয়ে দেয় না।
- গভীরতা। ছবি সমতল। অগভীর এক বাটি ভাত আর গভীর একটি ওপর থেকে প্রায় একরকম দেখায়, আর সেই ফারাকটাই আসল খাবার।
- মিশ্র পদ। স্টু, কারি, ক্যাসারোল, স্যান্ডউইচ — মডেল কেবল যা দেখতে পায় তারই আন্দাজ করতে পারে, আর এসব পদের মূল কথাই তো উপকরণ ভেতরে থাকা।
- প্যাকেটজাত খাবার। মোড়কের ছবি তুলে ভেতরের জিনিস আন্দাজ করা ভুল হাতিয়ার। বারকোড স্ক্যান করুন: সেই পথ অনুমান নয়, প্রস্তুতকারকের নিজের হিসাব ফেরত দেয়।
যেখানে এটি সত্যিই ভালো
প্লেটে দৃশ্যমান উপাদানসহ গোটা খাবার — ঝলসানো প্রোটিন, একটি শর্করা, সবজি। চেনা রেস্তোরাঁর ছাঁদ। যেখানে পরিমাণটা আন্দাজ নয়, চেনা একটি রীতি। আর সবচেয়ে জরুরি, আপেক্ষিক তুলনা: আজ গতকালের চেয়ে ভারী ছিল কি না, আপনার দুপুরের খাবার ধারাবাহিকভাবে বেশি কি না, প্রোটিন আপনি যেখানে ভাবছেন সেখানে আছে কি না। ধারাবাহিক ভুল সত্ত্বেও ধারা টিকে যায়; পরম সংখ্যা টেকে না।
ভালো উত্তর পেতে ছবি কীভাবে তুলবেন
- প্রায় ৪৫ ডিগ্রি কোণ থেকে তুলুন, একদম উপর থেকে নয়। গভীরতা দৃশ্যমান হয় আর পরিমাণের আন্দাজ ভালো হয়।
- মাপ বোঝান। ফ্রেমে একটি কাঁটাচামচ, সাধারণ একটি প্লেট বা চেনা একটি মগ থাকলে আকার বোঝা যায়। সাদামাটা তলে খাবারের কাছ থেকে তোলা ছবি সব সূত্র মুছে দেয়।
- খাওয়ার আগে তুলুন। অর্ধেক খাওয়া প্লেট মডেলকে বলে যা চলে গেছে তা গড়ে তুলতে।
- যেখানে পারেন উপাদান আলাদা রাখুন। প্লেটে আলাদা করে চেনা তিনটি জিনিসের আন্দাজ একটি স্তূপের চেয়ে ভালো হয়।
- যা লুকানো তা বলে দিন। "দুই টেবিল চামচ জলপাই তেলে রান্না", "পাতার নিচে ফেটা আছে" — এক লাইনের লেখা ঠিক সেই জিনিসটাই সারিয়ে দেয় যা ছবি দেখাতে পারে না।
- প্যাকেটজাত জিনিসের বারকোড সবসময় স্ক্যান করুন।
বিকল্পগুলোর সঙ্গে সৎ তুলনা
| পদ্ধতি | নির্ভুলতা | চালিয়ে যাবেন কি? |
|---|---|---|
| প্রতিটি উপকরণ ওজন করা | সর্বোচ্চ | কম লোকই, আর বেশিদিন নয় |
| প্যাকেটজাত খাবারের বারকোড | উঁচু | হ্যাঁ — দ্রুত |
| ছবি থেকে আন্দাজ | মাঝারি, দেখে শুধরে নিলে ভালো | হ্যাঁ — সবচেয়ে কম ঝামেলার উপায় |
| হাতে খাদ্য-ভাণ্ডারে খোঁজা | মাঝারি — ভুক্তির মান আলাদা | মাঝে মাঝে; ক্লান্তিকর |
| চোখের আন্দাজ | কম, আর কম দিকেই ঝোঁকা | হ্যাঁ, তবে কিছুই শেখায় না |
কাজের প্রশ্নটা "এআই কি যথেষ্ট নির্ভুল" নয়, বরং "কীসের তুলনায় নির্ভুল"। হাতে লেখাও আন্দাজ, রেস্তোরাঁর মেনুও আন্দাজ, আর মোড়কের লেবেলে আইনি ছাড় থাকে। ছবি দিয়ে হিসাব রাখা আন্দাজের সেই মাঠেই যোগ দেয় — এর সুবিধা এই যে মানুষ সত্যিই এটাই চালিয়ে যায়।
আমরা কীভাবে ব্যবহার করতাম
ছবি তুলুন, ফলটায় চোখ বুলান, যে একটি জিনিস ভুল বলে জানেন তা শুধরে নিন (সাধারণত রান্নার তেল বা পরিমাণ), তারপর লিখে রাখুন। প্যাকেটজাত যা কিছু, বারকোড। এরপর একক দিনগুলো পুরোপুরি উপেক্ষা করে পনেরো দিনটা পড়ুন — ক্যালরি ঘাটতি বোঝা-তেও একই পরামর্শ, একই কারণে।
সাধারণ প্রশ্ন
কতটা নির্ভুল?
ধারার জন্য কাজের, পরিমাপ নয়। লেখার আগে দেখে শুধরে নিন।
কী ভেঙে দেয়?
চোখে না পড়া তেল, গভীরতা, মিশ্র পদ আর প্যাকেটজাত খাবার — বারকোড স্ক্যান করুন।
ভালো ছবি কীভাবে?
৪৫ ডিগ্রি কোণে, ফ্রেমে মাপ বোঝানোর কিছু, খাওয়ার আগে, উপাদান আলাদা, লুকানো কিছু লিখে দিন।
ওজন মাপার চেয়ে ভালো?
ওজন মাপা বেশি নির্ভুল; ছবি তোলা বেশি টেকে। যেটি চালিয়ে যান সেটিই জেতে।