La diferència decisiva és la precisió. És el que fa que una estimació d'hidrats sigui realment útil. Carbetic combina la IA amb matemàtiques i dades de mesura reals i, per això, és força més precisa que les eines d'IA habituals o les apps per comptar calories.
Un xatbot d'IA generalista sol estimar un àpat a partir d'una sola foto. Carbetic el mesura. Alguns exemples de per què Carbetic és més precisa:
Reconstrucció 3D en lloc d'una sola foto. A partir de tres captures, Carbetic crea un model 3D de l'àpat. D'aquí s'obtenen les dimensions i el volum de cada component. El volum multiplicat per la densitat dona el pes, i amb aquest l'app calcula els valors nutricionals.
Fonts nutricionals verificades. La base de dades de Carbetic combina diverses bases de dades de referència: FoodData Central del Departament d'Agricultura dels EUA (USDA), dades nutricionals dels fabricants, webs oficials i altres fonts verificades. Per a cada aliment, Carbetic fa servir la font més adequada: valors mitjans per a productes genèrics com un panet d'hamburguesa i les dades oficials de la cadena quan n'hi ha.
Sensors del telèfon intel·ligent. En dispositius amb sensor de profunditat LiDAR, Carbetic n'incorpora les mesures quan milloren la precisió. El giroscopi registra l'orientació i la inclinació del dispositiu a cada captura. A més, Carbetic dedueix de l'adreça IP una ubicació aproximada, com ara el país, perquè els menús i les receptes de les cadenes de menjar ràpid varien d'un país a un altre.
S'hi afegeixen una interfície pensada per registrar àpats ràpidament en lloc d'un fil de xat, l'anàlisi de receptes i l'entrada de veu.
Font: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov