A diferença decisiva é a precisão. É ela que torna uma estimativa de carboidratos realmente útil. O Carbetic combina IA com matemática e dados reais de medição e, por isso, é bem mais preciso do que ferramentas de IA comuns ou apps contadores de calorias.
Um chatbot de IA genérico costuma estimar uma refeição a partir de uma única foto. O Carbetic a mede. Exemplos de por que o Carbetic é mais preciso:
Reconstrução 3D em vez de uma única foto. A partir de três capturas, o Carbetic cria um modelo 3D da refeição. Dele saem as dimensões e o volume de cada componente. O volume multiplicado pela densidade dá o peso, e com ele o app calcula os valores nutricionais.
Fontes nutricionais verificadas. O banco de dados Carbetic reúne vários bancos de dados de referência: o FoodData Central do Departamento de Agricultura dos EUA (USDA), dados nutricionais dos fabricantes, sites oficiais e outras fontes verificadas. Para cada alimento, o Carbetic usa a fonte mais adequada: valores médios para produtos genéricos, como um pão de hambúrguer, e os dados oficiais da rede quando existem.
Sensores do smartphone. Em aparelhos com sensor de profundidade LiDAR, o Carbetic incorpora as medições dele quando elas melhoram a precisão. O giroscópio registra a orientação e a inclinação do aparelho em cada captura. Além disso, o Carbetic deduz uma localização aproximada, como o país, a partir do endereço IP, porque os cardápios e as receitas das redes de fast-food variam de país para país.
Somam-se a isso uma interface feita para registrar refeições rapidamente em vez de uma conversa de chat, a análise de receitas e o comando de voz.
Fonte: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov