La differenza decisiva è la precisione. È questa a rendere davvero utile una stima dei carboidrati. Carbetic unisce l'IA alla matematica e a dati di misurazione reali, per questo l'app è molto più precisa dei normali strumenti di IA o delle app conta-calorie.
Un chatbot di IA generico di solito stima un pasto partendo da una sola foto. Carbetic lo misura. Alcuni esempi del perché Carbetic è più preciso:
Ricostruzione 3D invece di una singola foto. Da tre riprese Carbetic crea un modello 3D del pasto. Da qui si ricavano le dimensioni e il volume di ogni componente. Il volume moltiplicato per la densità dà il peso, e da questo l'app calcola i valori nutrizionali.
Fonti nutrizionali verificate. Il database Carbetic riunisce diverse banche dati di riferimento: FoodData Central del Dipartimento dell'Agricoltura degli Stati Uniti (USDA), i valori nutrizionali dei produttori, siti ufficiali e altre fonti verificate. Per ogni alimento Carbetic usa la fonte più adatta: valori medi per prodotti generici come un panino per hamburger, i dati ufficiali della catena quando disponibili.
I sensori dello smartphone. Sui dispositivi con sensore di profondità LiDAR, Carbetic integra le sue misurazioni quando migliorano la precisione. Il giroscopio registra orientamento e inclinazione del dispositivo a ogni ripresa. Inoltre Carbetic ricava dall'indirizzo IP una posizione approssimativa, ad esempio il paese, perché menu e ricette delle catene di fast food cambiano da paese a paese.
A questo si aggiungono un'interfaccia pensata per registrare i pasti rapidamente invece di una chat, l'analisi delle ricette e il comando vocale.
Fonte: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov