¿Puede una foto calcular las calorías de un plato? Qué acierta la IA y qué no puede ver

Lo que una foto sí resuelve

Empecemos por lo bueno, que también es verdad. Un modelo de visión mirando la foto de un plato hace bien varias cosas, y todas ellas son trabajo que antes tenías que hacer tú a mano buscando alimento por alimento en una base de datos:

• Identificar qué hay. Distinguir una tortilla de una empanada, unas acelgas de unas espinacas, un filete a la plancha de uno empanado.
• Deducir el método de cocinado. El rebozado, el brillo del aceite, el tostado de la plancha o el caldo de un guiso dejan pistas visibles.
• Repartir el plato. Qué proporción ocupa cada alimento respecto a los demás y respecto al borde del plato.
• Acotar el tamaño aparente, sobre todo si hay a la vista algo de tamaño conocido: un tenedor, una lata, una rebanada de pan de molde.

Eso ya es mucho. La fricción real de contar calorías nunca fue la aritmética: era abrir la app, buscar «lentejas con chorizo», elegir entre catorce entradas parecidas y adivinar la cantidad. Una foto se salta ese trámite entero. Y una entrada aproximada que sí registras vale más que la entrada perfecta que no llegas a escribir nunca.

Lo que no puede ver

Aquí viene la parte que casi ninguna app cuenta y que conviene tener clara desde el primer día.

1. Cuántos gramos hay

Es el gran agujero, y no es un problema de entrenamiento del modelo: es geometría. Una foto es una proyección plana de algo con volumen. Un montón de arroz visto desde arriba puede ser un dedo de alto o tres, y ocupa lo mismo en la imagen.

2. Cuánta grasa se ha añadido

El aceite absorbido no se ve. En cocina española esto no es un detalle menor, es la variable. Hicimos las cuentas de la tortilla de patatas y salen así: la misma cuña de 150 gramos, con la misma patata y los mismos huevos, va de 180 kcal si las patatas se escurrieron bien a 300 kcal si no. Son 120 kcal de diferencia, un 40 % de la ración, y las dos tortillas se ven exactamente igual en una foto.

3. Qué hay debajo

La imagen solo captura la capa de arriba. Un fondo de sofrito, la mantequilla derretida bajo la pasta, la salsa que empapa el pan por abajo o el azúcar de un aliño no aparecen por ninguna parte.

4. Qué versión de la receta es

«Croquetas» son diez platos distintos. Con leche entera o desnatada, con más o menos harina, fritas en aceite nuevo o en aceite ya cargado. La misma foto vale para todas.

5. Lo que no está en el plato

El aceite del pan que te comiste antes, el segundo vaso de vino, las tres aceitunas mientras cocinabas. Nada de eso llega a la cámara.

El problema de fondo: la foto es plana

Merece la pena entenderlo bien, porque explica por qué esto no se arregla «con más IA». Para pasar de una imagen a unas calorías hacen falta tres saltos encadenados, y solo el primero es realmente un problema de reconocimiento:

1. De píxeles a alimentos. Qué hay en el plato. Es la parte que mejor funciona.
2. De alimentos a volumen. Cuánto ocupa cada cosa. Aquí ya hay que inferir la profundidad de una imagen que no la contiene.
3. De volumen a gramos. Y esto exige conocer la densidad: un cuenco de espuma de patata y el mismo cuenco lleno de puré pesan cosas muy distintas ocupando lo mismo.

Cada salto añade su propio margen, y el margen del segundo y del tercero es bastante mayor que el del primero. Por eso la estimación del qué suele estar bien y la del cuánto es siempre discutible. La forma de acortar esos saltos no es un modelo más grande: es meter información que no está en la imagen. Una referencia de tamaño conocida en el encuadre, un segundo ángulo, o directamente que tú digas los gramos.

Las tablas tampoco se ponen de acuerdo

Y aún hay una capa más de incertidumbre, que no tiene nada que ver con la inteligencia artificial y que existía mucho antes que ella: las bases de datos de composición de alimentos no coinciden entre sí.

No es que una esté mal. Es que una cebolla no es siempre la misma cebolla: cambia la variedad, la temporada, el agua que lleva y el método analítico. Y no hace falta irse a una foto para ver esa incertidumbre: incluso en un producto envasado, con su etiqueta impresa, la Comisión Europea publica un documento de orientación con las tolerancias admitidas para los valores declarados. Para hidratos de carbono y proteínas, por ejemplo, del orden de ±20 %.

Dicho de otra forma: la cifra exacta no existía tampoco antes. Lo que cambia con la foto es que el margen se hace más visible.

Entonces, ¿sirve de algo?

Sí, siempre que sepas para qué. La pregunta útil no es «¿cuánto se equivoca?», sino «¿se equivoca siempre en la misma dirección?».

Si el margen se mantiene relativamente estable de un día a otro, el registro puede ayudarte a observar tendencias y comparar semanas, aunque el número absoluto no sea exacto. No es una garantía: cambiar de platos, porciones o ángulos también puede cambiar el error. Úsalo como orientación y no como un valor clínico ni para tomar decisiones médicas.

Cinco cosas que mejoran la estimación

1. Fotografía en ángulo, no en cenital puro. Unos 45 grados dejan ver la altura del plato, que es exactamente la información que le falta a una imagen desde arriba.
2. Deja una referencia conocida en el encuadre. Un tenedor, una cuchara, una lata. Es lo más barato que puedes hacer para acotar el volumen.
3. Cuenta lo que la foto no puede contar. «Lleva bastante aceite», «hay salsa debajo», «es sin azúcar». Un dato tuyo vale más que cien millones de parámetros.
4. Corrige el alimento que más pesa en la cuenta. No hace falta ajustar los cinco: ajusta los gramos del que aporta la mitad de las calorías y arreglas casi todo el error.
5. Pesa una vez lo que repites mucho. Si desayunas siempre lo mismo, pésalo un día. A partir de ahí ya tienes un anclaje real que la foto no necesita adivinar. Para eso vale cualquier báscula de cocina con precisión de un gramo.

Cómo lo hacemos en MisCalorías

Con las cartas boca arriba, que es como creemos que hay que hacerlo:

• La foto se analiza y devuelve una estimación de calorías y macros por alimento, no un número único e indiscutible.
• Todo es editable. Puedes cambiar los gramos, corregir un valor o quitar un alimento que no estaba. Ese es el mecanismo pensado para el margen del que habla este artículo.
• Ana es la asistente de alimentación con IA de la app. No es nutricionista ni profesional sanitaria, y así se indica dentro de la propia app. Orienta y estima; no diagnostica ni prescribe. Lo contamos también en cómo estimamos.
• No prometemos precisión. Preferimos que uses la app tres meses entendiendo lo que ves a que la abandones el segundo día al descubrir que el número tenía trampa.

Fuentes

• BEDCA — Base de Datos Española de Composición de Alimentos (AESAN). bedca.net. Valores de cebolla, patata y huevo utilizados en la comparativa.
• USDA FoodData Central, Departamento de Agricultura de Estados Unidos. fdc.nal.usda.gov. Valores de contraste para los mismos alimentos.
• Comisión Europea, Guidance document for competent authorities on the setting of tolerances for nutrient values declared on a label (diciembre de 2012), en desarrollo del Reglamento (UE) 1169/2011 sobre información alimentaria facilitada al consumidor. food.ec.europa.eu.

Este artículo describe límites técnicos generales de la estimación a partir de imágenes; no publica mediciones de precisión de MisCalorías ni de ninguna otra aplicación, porque no hemos hecho ese estudio. Tampoco somos dietistas ni médicos: nada de lo que hay aquí es consejo clínico. Puedes leer cómo trabajamos en nuestra política editorial.

Preguntas frecuentes