La diferencia decisiva es la precisión. Es lo que hace que una estimación de hidratos sea realmente útil. Carbetic combina la IA con matemáticas y datos de medición reales, y por eso es bastante más precisa que las herramientas de IA normales o las apps para contar calorías.
Un chatbot de IA generalista suele estimar una comida a partir de una sola foto. Carbetic la mide. Algunos ejemplos de por qué Carbetic es más precisa:
Reconstrucción 3D en lugar de una sola foto. A partir de tres capturas, Carbetic crea un modelo 3D de la comida. De él se obtienen las dimensiones y el volumen de cada componente. El volumen multiplicado por la densidad da el peso, y con él la app calcula los valores nutricionales.
Fuentes nutricionales verificadas. La base de datos de Carbetic reúne varias bases de datos de referencia: FoodData Central del Departamento de Agricultura de EE. UU. (USDA), datos nutricionales de los fabricantes, sitios web oficiales y otras fuentes verificadas. Para cada alimento, Carbetic usa la fuente más adecuada: valores medios para productos genéricos como un pan de hamburguesa y los datos oficiales de la cadena cuando existen.
Sensores del smartphone. En dispositivos con sensor de profundidad LiDAR, Carbetic incorpora sus mediciones cuando mejoran la precisión. El giroscopio registra la orientación y la inclinación del dispositivo en cada captura. Además, Carbetic deduce una ubicación aproximada, como el país, a partir de la dirección IP, porque los menús y las recetas de las cadenas de comida rápida varían de un país a otro.
A esto se suman una interfaz pensada para registrar comidas con rapidez en lugar de un hilo de chat, el análisis de recetas y la entrada por voz.
Fuente: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov