Najważniejszą różnicą jest dokładność. Dopiero ona sprawia, że szacowanie węglowodanów jest naprawdę przydatne. Carbetic łączy AI z matematyką i prawdziwymi danymi pomiarowymi, dzięki czemu jest wyraźnie dokładniejszy niż zwykłe narzędzia AI czy aplikacje do liczenia kalorii.
Ogólny chatbot AI zwykle szacuje posiłek na podstawie jednego zdjęcia. Carbetic go mierzy. Przykłady, dlaczego Carbetic jest dokładniejszy:
Rekonstrukcja 3D zamiast jednego zdjęcia. Z trzech ujęć Carbetic tworzy model 3D posiłku. Na tej podstawie wyznacza wymiary i objętość każdego składnika. Objętość pomnożona przez gęstość daje masę, a z niej aplikacja oblicza wartości odżywcze.
Sprawdzone źródła danych o wartościach odżywczych. Baza danych Carbetic łączy kilka referencyjnych baz danych: FoodData Central Departamentu Rolnictwa Stanów Zjednoczonych (USDA), dane producentów, oficjalne strony internetowe i inne sprawdzone źródła. Dla każdego produktu Carbetic korzysta z najbardziej odpowiedniego źródła: wartości średnich dla produktów ogólnych, takich jak bułka do burgera, oraz oficjalnych danych sieci, jeśli są dostępne.
Czujniki smartfona. Na urządzeniach z czujnikiem głębi LiDAR Carbetic uwzględnia jego pomiary, gdy poprawiają one dokładność. Żyroskop rejestruje położenie i nachylenie urządzenia przy każdym ujęciu. Dodatkowo Carbetic określa na podstawie adresu IP przybliżoną lokalizację, np. kraj, ponieważ menu i receptury sieci fast food różnią się w zależności od kraju.
Do tego dochodzi interfejs zaprojektowany z myślą o szybkim zapisywaniu posiłków zamiast okna czatu, a także analiza przepisów i komendy głosowe.
Źródło: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov