ההבדל המכריע הוא הדיוק. רק הוא הופך הערכת פחמימות לשימושית באמת. Carbetic משלבת בינה מלאכותית עם מתמטיקה ונתוני מדידה אמיתיים, ולכן היא מדויקת בהרבה מכלי בינה מלאכותית רגילים או מאפליקציות לספירת קלוריות.
צ׳אטבוט כללי של בינה מלאכותית מעריך בדרך כלל ארוחה לפי תמונה אחת בלבד. Carbetic מודדת אותה. דוגמאות לסיבות ש־Carbetic מדויקת יותר:
שחזור תלת־ממדי במקום תמונה אחת. משלושה צילומים Carbetic בונה מודל תלת־ממדי של הארוחה. ממנו נגזרים הממדים והנפח של כל רכיב. הנפח כפול הצפיפות נותן את המשקל, ולפיו האפליקציה מחשבת את הערכים התזונתיים.
מקורות תזונה מאומתים. מאגר הנתונים של Carbetic מאחד כמה מאגרי ייחוס: FoodData Central של משרד החקלאות האמריקאי (USDA), נתוני תזונה של היצרנים, אתרים רשמיים ומקורות מאומתים נוספים. לכל מזון Carbetic משתמשת במקור המתאים ביותר: ערכים ממוצעים למוצרים כלליים כמו לחמניית המבורגר, והנתונים הרשמיים של הרשת כשהם זמינים.
החיישנים של הסמארטפון. במכשירים עם חיישן עומק LiDAR, Carbetic משלבת את מדידותיו כשהן משפרות את הדיוק. הג׳ירוסקופ מתעד את מצב המכשיר ואת זווית ההטיה שלו בכל צילום. בנוסף, Carbetic גוזרת מכתובת ה־IP מיקום משוער, למשל המדינה, כי התפריטים והמתכונים של רשתות המזון המהיר משתנים ממדינה למדינה.
לכך מצטרפים ממשק שנבנה לתיעוד מהיר של ארוחות במקום שרשור צ׳אט, ניתוח מתכונים והזנה קולית.
מקור: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov