Teknoloji Rehberi

Yemek Fotoğrafından Kalori Hesaplama: Nasıl Çalışır, Doğruluk ve İpuçları (2026)

Manuel Kalori Sayma Neden Çoğu Kişide Tutmaz?

Geleneksel kalori takibi şöyle işliyor: yediğiniz her şeyi tek tek arıyor, porsiyonu tahmin ediyor ve manuel olarak giriyorsunuz. 1 öğün için 5-10 dakikaya uzayabilen bu süreç, kullanıcıların büyük çoğunluğunun 2 hafta içinde uygulamayı bırakmasının ana sebebiydi.

2024'te görüntü ve metni birlikte işleyebilen multimodal AI modelleri olgunlaştığında "tabağın fotoğrafını çek, kalori öğren" hayali gerçeğe dönüştü. Ama tam nasıl çalışıyor? Doğruluğu yeterli mi? Neden bazı yemekleri tanıyıp bazılarını ıskalıyor? Bu rehberde teknolojiyi içeriden açıklıyoruz.

AI Yemek Tanıma Teknolojisi Nasıl Çalışır?

Modern AI yemek tanıma akışı 4 adımdan oluşur:

1. Görüntü Analizi (Vision)

AI fotoğraftaki nesneleri tek tek ayrıştırır: tabak, çatal-bıçak, yemek bölgeleri, arka plan. Bu adım computer vision dediğimiz alandır ve Google ML Kit, OpenAI Vision veya Gemini Vision gibi temel teknolojiler kullanır.

2. Yemek Sınıflandırma (Classification)

Yemek bölgesi tespit edildikten sonra AI hangi yemek olduğunu belirler — pilav mı bulgur mu, tavuk göğsü mü kanat mı, salata içinde hangi sebzeler. Bu aşamada model milyonlarca yemek fotoğrafıyla eğitilmiş bilgisini kullanır.

3. Porsiyon Tahmini (Volumetric)

En zor adım. AI tabaktaki yemeğin hacmini tahmin etmeli — kaç gram, kaç kaşık, kaç dilim. Tek görsel açıdan hacim hesaplamak zordur; bu yüzden gelişmiş uygulamalar tabak büyüklüğünü, çatal-bıçak referansını veya ışık-gölge analizini kullanır.

4. Besin Değeri Hesaplama (Nutrition Lookup)

Yemek ve porsiyon belirlendiğinde, AI besin veritabanından kalori, protein, karbonhidrat ve yağ değerlerini alır. Burada veritabanı kalitesi kritik — Türkçe yemekler için özel kalibrasyon olmadan iskender bir "et yemeği" olarak görünür ve gerçek kalorisinin yarısı tahmin edilebilir.

Doğruluk: Neden %100 Değil?

AI fotoğrafa baktığında göremediği şeyler vardır:

• Eklenen yağ: Salata sosunun yağı, pilavın hazırlanmasındaki tereyağı, kavurma esnasındaki sıvı yağ — bunlar görünmez ama 100-300 kcal fark eder
• Pişirme yöntemi: Aynı tavuk göğsü haşlanmış ya da kızartılmış? Kalori 2 katına çıkar. AI çoğu zaman bunu ayırt edemez
• Gizli içerikler: Sostaki şeker, çorbada krema, hamurun içindeki yağ — AI dış görünüşten anlayamaz
• Porsiyon büyüklüğü: Açıdan kaynaklı yanılma; bardak veya kaşık gibi referans nesne olmadan tahmin %30 saparr
• Karışık yemekler: Pilav üstü tavuk + salata aynı tabakta — AI hangi alan ne kadar saymalı?

Bu nedenlerden ötürü iyi tasarlanmış uygulamalar AI'a tek başına güvenmez. AI tahminini Open Food Facts gibi açık veritabanı sorgusuyla doğrular ve kullanıcıya manuel düzeltme imkanı verir.

Daha İyi Sonuç İçin 7 Fotoğraf İpucu

1. Yukarıdan çek: 90 derecelik dik açıdan tabağı kuşbakışı fotoğraflayın. Yan açıdan AI hacmi yanlış hesaplar.
2. Bardak veya kaşık referansı: Tabağın yanına bilinen büyüklükte bir nesne (su bardağı, çatal) koyarsanız AI porsiyonu %20-30 daha doğru tahmin eder.
3. Doğal ışık: Sarı ampul ışığı renkleri bozar, AI yemeği yanlış sınıflandırabilir. Mümkünse pencere yanında çekin.
4. Karışık tabağı ayrıştır: Pilav + tavuk + salata için 3 ayrı çekim her zaman tek toplam çekiminden daha doğru sonuç verir.
5. Tabağı tam kapat: Tabağın tüm sınırlarının kadrajda olması AI'ın referans noktası bulmasına yardım eder.
6. Sosu sonradan ekle: Çıplak yemeği çek, sonra "yarım yemek kaşığı zeytinyağı ekledim" diye manuel girin.
7. Hassas hedef varsa tartı kullan: Hızlı kalori takibi için AI yeterli (±%20). Ama profesyonel kas yapma veya tıbbi diyet için günde 1-2 kritik öğünü mutfak tartısıyla ölçün.

Türk Mutfağı: Yerel Zorluklar

Çoğu uluslararası AI modeli Amerikan ve Avrupa mutfağı veri setleriyle eğitilmiştir. Türk yemekleri için özel sorunlar:

• İskender, döner, tantuni: Et + ekmek + sos kombinasyonları global modellerde "sandwich" olarak sınıflandırılır, gerçek kalorinin yarısı gösterilir.
• Mantı, mücver, kısır: Türkiye'ye özgü hamur ve sebze yemekleri global verisetinde yetersiz.
• Mercimek çorbası, ezogelin: Çorbalar tipik olarak global modellerde "vegetable soup" olarak görünür ama bizim çorbalar yağ ve tereyağı bakımından zengindir.
• Türk porsiyonları: Restoran porsiyonları batıdan farklıdır; global model çoğu zaman küçük tahmin eder.
• Baklava, künefe, kazandibi: Şerbet ve şeker yoğunluğu görselden anlaşılmaz, manuel düzeltme şart.

FitCoach AI Türkiye'den geliştirildiği için bu yerel zorlukları bilerek tasarlanmıştır. Türk yemek isimleri sözlüğüne sahiptir, tipik Türk porsiyon büyüklüklerine göre kalibre edilmiştir ve Akdeniz mutfağı içerikleri özel olarak işaretlenir.

Veritabanı Doğrulama: AI Eksikliği Nasıl Kapatılır?

AI ne kadar gelişse de yemek tanımanın tek tehlikesi halüsinasyon'dur — yani AI'ın olmayan bir besin değeri uydurması. Bu riski azaltmanın en güvenilir yolu, AI tahminini bağımsız bir veritabanıyla karşılaştırmaktır.

Open Food Facts dünyanın en büyük açık kaynak ve topluluk katkılı yiyecek veritabanıdır — milyonlarca paket ürün, marka, barkod ve doğrulanmış besin değeri içerir. FitCoach AI fotoğraf analizinden sonra otomatik olarak Open Food Facts'te aramayla sonucu doğrular. Eğer AI ile veritabanı arasında ciddi fark varsa kullanıcıya uyarı gösterir.

Bu üç katmanlı yapının önemi:

• AI yalnız çalışırsa: Hızlı ama %15-25 hata payı
• Veritabanı yalnız çalışırsa: Doğru ama her ürünü manuel aramak zaman alır
• İkisi birlikte + manuel düzeltme: Hem hızlı hem doğru — kullanım için en iyi denge

Gizlilik: Fotoğrafınız Nereye Gidiyor?

Yemek fotoğrafları görünüşte zararsız ama şunları içerebilir:

• Konumunuz (fotoğraf metadata'sı GPS koordinatları taşıyabilir)
• Sosyal çevreniz (arkadaş yüzleri, restoran iç mekanı)
• Yaşam tarzınız (sürekli pizza fotoğrafı = sağlıksız beslenme profili)

Bu yüzden fotoğraflar nereye gönderildiği, ne kadar saklandığı ve nasıl kullanıldığı önemli sorulardır. FitCoach AI'ın yaklaşımı:

• Fotoğraf yalnızca anlık analiz için işlenir
• Sunucuda saklanmaz, analiz biter bitmez silinir
• AI eğitiminde kullanılmaz
• KVKK ve GDPR uyumlu
• Konum metadata'sı analiz öncesi otomatik silinir

Bu, hem kullanıcı güveni hem de yasal uyumluluk için kritiktir. AI uygulamaları seçerken "kullanım koşulları"nı okuyun — fotoğrafınızın AI eğitimine kullanılma yetkisi varsa, gizliliğinizden vazgeçiyorsunuz demektir.

FitCoach AI'ın 3 Katmanlı Yaklaşımı

FitCoach AI'nın yemek fotoğraf analizi şu akışla çalışır:

1. Katman 1 — AI Tabağı Tanır: Multimodal AI modeli yemek adı, porsiyon ve makro tahmini yapar. Türk yemek isimleri sözlüğü devreye girer.
2. Katman 2 — Open Food Facts Doğrulaması: Tahmin edilen yemek Open Food Facts veritabanında aranır. Eşleşme bulunursa "Open Food Facts ile zenginleştirildi" işareti görünür. AI ile veritabanı kalori farkı %30'dan büyükse ipucu gösterilir.
3. Katman 3 — Manuel Düzeltme: Kullanıcı tek dokunuşla yemek adı, porsiyon veya kalori değerini değiştirebilir. Sosa eklediği yağ veya gizli içerikleri ekleyebilir.

Bu yapı sayesinde tek başına AI'a güvenmek yerine "AI + topluluk veritabanı + kullanıcı doğrulaması" üçlü kontrolü çalışır. Sonuç: hem hızlı hem doğru.

Hangi Beslenme Hedefi İçin Yeterli?

• Genel sağlıklı beslenme + farkındalık: ✅ AI fotoğraf analizi yeterli. ±%20 hata kabul edilebilir, asıl fayda her yediğinizi otomatik kayıt altına almaktır.
• Kilo verme (haftada 0.5-1 kg): ✅ Yeterli. Manuel düzeltmelerle haftalık ortalama doğru çıkar.
• Kas yapma (bulk): ⚠️ Yeterli ama kritik öğünleri (antrenman sonrası protein) tartmanız önerilir.
• Profesyonel sporcu / yarışma diyeti: ❌ AI tek başına yetersiz. Mutlaka mutfak tartısı + uzman diyetisyen gerekir.
• Tıbbi diyet (diyabet, böbrek vs.): ❌ AI rehber olarak kullanılabilir ama kararlar mutlaka hekiminizin onayıyla alınmalı.

Sıkça Sorulan Sorular

AI yemek tanıma ücretsiz mi?

FitCoach AI'da temel özellikler (manuel arama, BMI hesaplayıcı, antrenman programı) sürekli ücretsizdir. Sınırsız AI fotoğraf tanıma, kameralı form analizi ve haftalık AI özet premium tier ile gelir. Günlük belli sayıda fotoğraf analizi ücretsiz tier'da da çalışır.

İnternet olmadan AI çalışır mı?

Hayır. AI fotoğraf analizi bulut sunucularda yapılır, internet bağlantısı gerektirir. Ancak manuel arama, antrenman planı ve önceden senkronize edilmiş veriler offline çalışır.

Birden fazla yemek aynı tabakta mı?

FitCoach AI karışık tabaklarda her bileşeni ayrı ayrı tanımaya çalışır. Doğruluk için her bileşen için ayrı fotoğraf çekmek daha iyi sonuç verir.

Restoran yemekleri ev yapımından farklı kabul ediliyor mu?

Evet. Restoran porsiyonları genelde daha büyük ve daha yağlıdır. FitCoach AI "restoran" veya "ev yapımı" etiketini sorabilir veya sonuca uygulayabilir.

Diyabet veya kalp diyetinde kullanılır mı?

Tıbbi diyetlerde AI rehber olarak kullanılabilir ama kararlar mutlaka hekim veya diyetisyen onayıyla alınmalı. FitCoach AI sağlık öneri uygulaması değildir, farkındalık aracıdır.

Sonuç

AI ile yemek fotoğrafından kalori hesabı 2026 itibarıyla günlük kullanım için olgunlaşmış bir teknolojidir — ama tek başına AI yeterli değildir. En doğru sonucu Multimodal AI + Open Food Facts veritabanı + kullanıcı düzeltmesi üçlüsü verir.

FitCoach AI bu üç katmanı tek akışta birleştirir, Türk mutfağı için yerel kalibrasyona sahiptir, KVKK uyumludur ve hayatınıza ek bir uygulama yüklemeden antrenman + beslenme + form analizini tek yerde sunar.

Not: AI yemek tanıma teknolojisi günlük kalori farkındalığı için tasarlanmıştır. Tıbbi tavsiye yerine geçmez. Diyabet, kalp hastalığı, gebelik gibi özel durumlarda hekim veya diyetisyen onayıyla kullanın.

İlgili Yazılar

• FitCoach AI Yemek Fotoğraf Analizi - Detay Sayfası
• Vegan Beslenme Programı Nasıl Hazırlanır?
• Günlük Kalori İhtiyacı Hesaplama (TDEE)
• BMR Hesaplama (Bazal Metabolizma)