Den avgörande skillnaden är noggrannheten. Det är den som gör en kolhydratsuppskattning verkligt användbar. Carbetic kombinerar AI med matematik och verkliga mätdata och är därför betydligt mer exakt än vanliga AI-verktyg eller kaloriräknarappar.
En allmän AI-chattbot uppskattar oftast en måltid utifrån ett enda foto. Carbetic mäter den. Exempel på varför Carbetic är mer exakt:
3D-rekonstruktion i stället för ett enda foto. Av tre bilder skapar Carbetic en 3D-modell av måltiden. Ur den får man måtten och volymen för varje komponent. Volym gånger densitet ger vikten, och utifrån den beräknar appen näringsvärdena.
Granskade näringskällor. Carbetic-databasen samlar flera referensdatabaser: FoodData Central från USA:s jordbruksdepartement (USDA), tillverkarnas näringsuppgifter, officiella webbplatser och andra granskade källor. För varje livsmedel använder Carbetic den lämpligaste källan: medelvärden för generiska produkter som ett hamburgerbröd och kedjans officiella uppgifter när de finns.
Smartphonens sensorer. På enheter med LiDAR-djupsensor tar Carbetic med dess mätningar när de förbättrar noggrannheten. Gyroskopet registrerar enhetens läge och lutning vid varje bild. Dessutom härleder Carbetic en ungefärlig plats, till exempel landet, från IP-adressen, eftersom snabbmatskedjornas menyer och recept skiljer sig åt mellan länder.
Till det kommer ett gränssnitt som är byggt för att registrera måltider snabbt i stället för en chattråd, receptanalys och röstinmatning.
Källa: U.S. Department of Agriculture, Agricultural Research Service. FoodData Central, 2019. fdc.nal.usda.gov