Un’app fotografica dovrebbe essere considerata un assistente, non uno strumento di misurazione infallibile
L’intelligenza artificiale può riconoscere gli alimenti e fornire una stima immediata, ma ingredienti nascosti, porzioni e ricette rendono il risultato molto meno preciso di quanto sembri
Si fotografa il piatto, si attendono pochi secondi e sullo schermo compare il risultato: 520 calorie, 28 grammi di proteine, 54 di carboidrati e 21 di grassi. Le app basate sull’intelligenza artificiale promettono di eliminare pesi, misurini e lunghe ricerche nei database alimentari.
Il sistema è semplice, rapido e certamente affascinante. Il numero restituito dall’app, però, non è una misurazione: è una stima costruita attraverso una serie di ipotesi.
Una fotografia può mostrare che nel piatto ci sono pasta, carne e verdure, ma difficilmente permette di stabilire con precisione quanti grammi siano presenti, quanto olio sia stato utilizzato o se una salsa contenga panna, burro, zucchero o formaggio.
Per questo le app possono essere utili come diario alimentare e strumento di consapevolezza, ma non dovrebbero essere considerate bilance digitali o nutrizionisti tascabili.
Come fa un’app a calcolare le calorie da una fotografia?
Per fornire una stima nutrizionale, l’app deve completare almeno tre operazioni.
La prima è riconoscere gli alimenti presenti nell’immagine.
Deve distinguere, per esempio, un risotto da una pasta corta, una cotoletta fritta da una fettina alla piastra o uno yogurt intero da uno magro.
La seconda operazione è stimare la dimensione delle porzioni. Anche quando il cibo viene riconosciuto correttamente, le calorie cambiano notevolmente se nel piatto sono presenti 80, 120 o 200 grammi di pasta.
Infine, il sistema deve associare ogni alimento a una voce contenuta in un database nutrizionale e calcolare energia, carboidrati, grassi, proteine e altri nutrienti.
Un errore in una qualsiasi di queste fasi si trasmette a quelle successive. Se l’app riconosce il cibo corretto ma sbaglia la quantità, il risultato finale sarà comunque errato.
Lo stesso accade quando stima bene il volume ma seleziona dal database una ricetta diversa da quella realmente consumata.
Gli studi sui sistemi automatici confermano che la stima nutrizionale dipende proprio da due passaggi particolarmente delicati: identificazione del cibo e valutazione della porzione.
Il problema più grande: da una foto non si vede tutto
Una macchina fotografica registra forme, colori e dimensioni apparenti, ma non può osservare ciò che è stato incorporato durante la preparazione.
Due piatti di pasta esteticamente simili possono contenere quantità molto diverse di:
- olio;
- burro;
- formaggio;
- panna;
- pesto;
- carne;
- zucchero;
- frutta a guscio;
- salse e condimenti.
Un cucchiaio abbondante di olio mescolato alla pasta può quasi scomparire alla vista, pur contribuendo in modo importante all’apporto energetico. Lo stesso vale per l’olio assorbito durante la frittura, per il burro presente in un purè o per lo zucchero aggiunto a una bevanda.
Anche i metodi più avanzati faticano con gli ingredienti “invisibili”, come olio, zucchero e sale. Proprio per superare questo limite, i sistemi sperimentali più recenti cercano di integrare l’immagine con informazioni sulla ricetta, domande rivolte all’utente e database nutrizionali verificati.
Una fotografia bidimensionale non misura il volume
Da una singola immagine è difficile ricostruire la profondità del cibo. Una porzione può apparire piccola perché fotografata dall’alto, oppure molto abbondante a causa dell’inquadratura ravvicinata.
Il problema aumenta quando gli alimenti sono:
- contenuti in una ciotola;
- sovrapposti;
- parzialmente coperti da altri ingredienti;
- serviti in piatti di dimensioni non riconoscibili;
- tagliati in pezzi irregolari;
- fotografati senza un oggetto di riferimento.
Una zuppa, per esempio, potrebbe riempire una piccola tazza oppure una ciotola da mezzo litro. Dalla fotografia, soprattutto se viene ripresa dall’alto, la differenza potrebbe non essere evidente.
I ricercatori stanno sviluppando strumenti che utilizzano sensori di profondità, ricostruzioni tridimensionali o più fotografie dello stesso piatto.
La necessità di queste tecnologie dimostra quanto sia difficile ricavare il volume reale da una semplice immagine bidimensionale.
Le ricette non sono tutte uguali
Anche quando l’app identifica correttamente il nome del piatto, deve decidere quale versione utilizzare per il calcolo.
Una lasagna casalinga può essere preparata con quantità molto diverse di besciamella, ragù, formaggio e olio. Una pizza margherita può avere dimensioni, impasto e quantità di mozzarella differenti. Persino un’insalata può passare da pasto leggero a piatto molto energetico se contiene avocado, formaggio, frutta secca, crostini e abbondante condimento.
I database riportano valori medi o riferiti a ricette standard. Il piatto reale potrebbe essere molto diverso dalla voce selezionata dall’algoritmo.
Esistono inoltre differenze tra i database dei diversi Paesi.
Un modello addestrato prevalentemente su piatti statunitensi potrebbe non riconoscere correttamente ricette regionali italiane o potrebbe associarle a preparazioni soltanto apparentemente simili.
Uno studio italiano del 2025, sviluppato a partire dal database Nutrition5k, ha evidenziato che la qualità dei dati, la correzione delle quantità degli ingredienti e la scelta del database nazionale possono modificare in modo rilevante le prestazioni degli algoritmi.
Cosa dicono gli studi sull’accuratezza
I risultati della ricerca sono promettenti, ma molto variabili.
Una revisione sistematica pubblicata nel 2025 ha individuato soltanto 13 studi che valutavano validità e accuratezza dei sistemi di rilevazione alimentare basati sull’intelligenza artificiale.
Il 61,5% era stato condotto in condizioni precliniche o sperimentali, anziché nella normale vita quotidiana. Ciò limita la possibilità di applicare automaticamente i risultati alle app commerciali utilizzate a casa, al ristorante o durante un viaggio.
Alcuni modelli specializzati raggiungono buone prestazioni su database controllati.
Un sistema sperimentale che combina immagini e ricostruzione della profondità ha riportato un errore percentuale medio assoluto di circa il 15% per le calorie.
Gli errori erano però superiori al 20% per grassi, carboidrati e proteine. Inoltre, il test era stato eseguito sul database Nutrition5k, composto da immagini raccolte secondo procedure standardizzate: una situazione più favorevole rispetto alla fotografia scattata velocemente in una cucina poco illuminata.
Non bisogna quindi interpretare quel 15% come l’errore massimo di tutte le app. In un pasto da 600 calorie, un errore del 15% corrisponderebbe già a circa 90 calorie.
Nei piatti complessi o fotografati male, lo scarto potrebbe essere sensibilmente maggiore.
Una revisione del 2026 ha valutato 74 studi e 136 diversi strumenti utilizzati per quantificare le porzioni.
Gli errori medi variavano da una sottostima del 92% a una sovrastima superiore al 400%. Solo il 20% degli studi è stato giudicato metodologicamente di qualità elevata.
La revisione non riguardava esclusivamente app automatiche, ma dimostra quanto la valutazione visiva delle porzioni possa essere instabile.
Le nuove app stanno migliorando
Questo non significa che la tecnologia sia inutile o destinata a rimanere imprecisa.
Nel 2025 è stato presentato DietAI24, un sistema sperimentale che combina il riconoscimento visivo con un database nutrizionale ufficiale.
Invece di affidarsi soltanto alle conoscenze interne del modello, il programma identifica il cibo e cerca i valori corrispondenti in una banca dati standardizzata.
Nelle valutazioni pubblicate, questo approccio ha ridotto del 63% l’errore medio assoluto rispetto ad altri metodi e piattaforme commerciali.
Il risultato mostra che integrare l’immagine con database verificati può migliorare considerevolmente le prestazioni.
Gli stessi ricercatori, tuttavia, riconoscono ancora diversi limiti:
- fotografie sfocate o scarsamente illuminate;
- porzioni molto piccole;
- ricette miste;
- piatti non presenti nel database;
- alimenti internazionali o regionali poco rappresentati;
- difficoltà nel valutare quantità e ingredienti nascosti.
Il fatto che un sistema sperimentale superi nettamente le app esistenti indica che il settore sta progredendo, ma anche che molti strumenti disponibili oggi non hanno ancora raggiunto una precisione sufficiente per sostituire una valutazione nutrizionale completa.
Perché il numero sembra più preciso di quanto sia
Le app spesso restituiscono risultati come “547 calorie” o “23,6 grammi di grassi”.
La presenza di cifre molto specifiche crea una sensazione di precisione, ma non significa che il valore reale sia stato misurato con quella accuratezza.
Sarebbe più corretto, in molti casi, mostrare un intervallo: per esempio tra 450 e 650 calorie. Un intervallo renderebbe visibili le incertezze legate alla porzione, alla ricetta e ai condimenti.
Un risultato preciso al singolo grammo può essere credibile quando si inseriscono ingredienti pesati e valori presi dalle etichette. Lo è molto meno quando viene generato osservando una singola fotografia.
La migliore app non è necessariamente quella che fornisce immediatamente una risposta. È quella che, quando necessario, chiede:
- quanti grammi erano presenti;
- come è stato cotto l’alimento;
- quanto olio è stato utilizzato;
- se la salsa conteneva panna o formaggio;
- quale parte del piatto è stata effettivamente consumata.
Più informazioni vengono fornite, meno il programma è costretto a indovinare.
A cosa possono servire davvero queste applicazioni
Utilizzate correttamente, le app fotografiche possono comunque essere utili.
Possono ridurre il tempo necessario per compilare un diario alimentare, aiutare a ricordare che cosa è stato mangiato e rendere più evidenti alcune abitudini: poche verdure, frequenti bevande zuccherate, porzioni molto abbondanti o eccessivo ricorso a prodotti industriali.
Le fotografie possono inoltre facilitare il confronto con il dietista o il medico. In questo caso l’immagine non viene utilizzata come misurazione automatica, ma come supporto alla memoria e alla discussione.
Una revisione pubblicata sull’International Journal of Obesity ha concluso che i metodi basati sulle immagini possono diminuire alcuni limiti dei tradizionali diari alimentari e risultare utili negli studi e nella pratica.
Nelle normali condizioni di vita, però, l’accuratezza non è garantita e nessun metodo risulta adeguato in ogni situazione.
Queste applicazioni sono quindi più adatte a mostrare tendenze e comportamenti che a stabilire l’apporto calorico esatto di ogni pasto.
Quando non bisogna affidarsi soltanto alla fotografia
Una stima automatica dovrebbe essere utilizzata con particolare cautela quando il dato nutrizionale influenza direttamente una decisione clinica.
Non è prudente usare esclusivamente una fotografia per:
- modificare autonomamente una terapia;
- calcolare una dose di insulina;
- gestire malattie renali o epatiche;
- impostare una dieta in età pediatrica;
- correggere importanti carenze nutrizionali;
- valutare il fabbisogno di una persona anziana o fragile;
- definire un programma nutrizionale per disturbi del comportamento alimentare.
In queste condizioni non conta soltanto il numero di calorie. Possono essere importanti la quantità effettiva di carboidrati, proteine, sodio, potassio, fosforo, fibre, vitamine e altri nutrienti che una fotografia non permette di ricostruire con sufficiente sicurezza.
L’app può eventualmente affiancare il percorso, ma non sostituire le indicazioni del professionista sanitario.
Come ottenere una stima meno imprecisa?, chi decide di utilizzare queste app può adottare alcuni accorgimenti.
Fotografare il piatto con una buona luce
Immagini nitide e ben illuminate rendono più facile distinguere gli alimenti. Ombre marcate, filtri fotografici e luci colorate possono alterarne l’aspetto.
Mostrare chiaramente tutti i componenti
Quando possibile, è meglio evitare che gli alimenti siano completamente sovrapposti o coperti dalla salsa. Se il pasto comprende più portate, può essere utile fotografarle separatamente.
Inserire un riferimento per le dimensioni
Una posata, una carta delle dimensioni note o un piatto standard possono aiutare a ricostruire la scala. Alcuni sistemi utilizzano riferimenti specifici forniti dall’app.
Scattare più di una fotografia
Un’immagine dall’alto può mostrare l’area occupata dal cibo, mentre una fotografia leggermente laterale può fornire indicazioni sull’altezza e sul volume. I sistemi sperimentali stanno infatti esplorando l’utilizzo di più angolazioni per migliorare le stime.
Aggiungere gli ingredienti nascosti
È importante indicare manualmente olio, burro, salse, zucchero, formaggi e condimenti che l’app potrebbe non riconoscere.
Correggere gli errori di riconoscimento
Se il sistema identifica una cotoletta fritta come pollo grigliato, non bisogna accettare automaticamente il risultato. La voce deve essere modificata prima di salvare il pasto.
Pesare alcuni alimenti almeno occasionalmente
Non è necessario utilizzare la bilancia per tutta la vita. Pesare per qualche volta pasta, riso, pane, cereali e condimenti può però aiutare a comprendere la differenza tra la propria percezione e la quantità reale.
Usare l’etichetta per i prodotti confezionati
Per un alimento industriale, la fotografia del piatto è generalmente meno affidabile del codice a barre o dei valori riportati sulla confezione. Anche in questo caso bisogna controllare quante porzioni siano state effettivamente consumate.
Fotografare anche gli avanzi
L’app può stimare ciò che era nel piatto all’inizio, ma non sa necessariamente quanto sia stato mangiato. Una seconda fotografia degli avanzi permette una valutazione più realistica dell’assunzione effettiva.
Contare le calorie non equivale a valutare la qualità della dieta
Anche una stima calorica perfetta non descriverebbe completamente il valore di un pasto.
Due piatti possono fornire la stessa energia, ma differire notevolmente per:
- fibre;
- proteine;
- vitamine e minerali;
- quantità di sale;
- grado di trasformazione;
- capacità saziante;
- presenza di frutta, verdura e legumi;
- qualità dei grassi e dei carboidrati.
Concentrarsi esclusivamente sulle calorie può portare a considerare equivalenti alimenti che hanno effetti molto diversi sulla sazietà, sulla qualità nutrizionale e sulla capacità di mantenere nel tempo un’alimentazione equilibrata.
Per prevenire e curare l’obesità è certamente importante l’equilibrio energetico, ma non è necessario trasformare ogni pasto in un esercizio matematico.
Contano anche la regolarità, le porzioni, la qualità degli alimenti, il sonno, l’attività fisica, la salute metabolica e il rapporto con il cibo.
Attenzione anche alla privacy
Le fotografie dei pasti possono sembrare dati innocui, ma nel tempo rivelano abitudini, condizioni di salute, preferenze culturali e informazioni sugli orari e sui luoghi frequentati.
Nello sfondo potrebbero inoltre comparire persone, documenti, ambienti domestici o elementi che permettono di identificare la posizione.
Prima di utilizzare un’app è opportuno verificare:
- se le immagini vengono conservate;
- per quanto tempo rimangono sui server;
- se vengono utilizzate per addestrare i modelli;
- se sono condivise con soggetti terzi;
- se è possibile cancellare definitivamente foto e dati;
- se l’elaborazione avviene sul dispositivo oppure nel cloud.
Anche gli sviluppatori dei sistemi più recenti riconoscono che le immagini alimentari possono contenere informazioni personali e sanitarie e richiedono misure specifiche di protezione e consenso.
Quindi dobbiamo smettere di usare queste app?
Non necessariamente.
Fotografare i pasti può rendere la registrazione alimentare più semplice e sostenibile.
L’intelligenza artificiale può aiutare a riconoscere gli alimenti, suggerire le voci da inserire e offrire una prima valutazione della composizione del piatto.
Il problema nasce quando la stima viene interpretata come un dato certo.
Un’app fotografica dovrebbe essere considerata un assistente, non uno strumento di misurazione infallibile.
Può indicare un ordine di grandezza, aiutare a confrontare pasti simili e facilitare il dialogo con un professionista. Non può sapere con esattezza che cosa sia stato utilizzato in cucina né ricavare sempre il peso reale da una sola immagine.
La tecnologia continuerà a migliorare grazie a sensori di profondità, fotografie multiple, database regionali e domande aggiuntive rivolte all’utente.
Per ora, però, davanti a un risultato estremamente preciso è bene ricordare una regola semplice: l’app ha osservato una fotografia.
Non ha pesato il piatto, non ha letto la ricetta e non era presente mentre veniva preparato.
Riferimenti scientifici essenziali
- Cofre S, Sanchez C, Quezada-Figueroa G, López-Cortés XA. Validity and accuracy of artificial intelligence-based dietary intake assessment methods: a systematic review. British Journal of Nutrition. 2025.
- Yan R, Luo H, Lu J, et al. DietAI24 as a framework for comprehensive nutrition estimation using multimodal large language models. Communications Medicine. 2025;5:458.
- Fadeiye EO, Al-Sehaim H, McCormack JM, et al. Validated Food Quantification Aids for Dietary Assessment: A Systematic Review. Nutrition Reviews. 2026. DOI: 10.1093/nutrit/nuag063.
- Bianco R, Coluccia S, Marinoni M, et al. 2D Prediction of the Nutritional Composition of Dishes from Food Images: Deep Learning Algorithm Selection and Data Curation Beyond the Nutrition5k Project. Nutrients. 2025;17:2196.
- Höchsmann C, Martin CK. Review of the validity and feasibility of image-assisted methods for dietary assessment. International Journal of Obesity. 2020;44:2358–2371.
- Amugongo LM, Kriebitz A, Boch A, Lütge C. Mobile Computer Vision-Based Applications for Food Recognition and Volume and Calorific Estimation: A Systematic Review. Healthcare. 2023;11:59.
Le informazioni contenute nell’articolo hanno finalità divulgative e non sostituiscono la valutazione di un medico, dietista o altro professionista sanitario. Le app per il monitoraggio alimentare non devono essere utilizzate da sole per prendere decisioni terapeutiche.
Iscriviti al Club
Ti piace questa storia? Adorerai la nostra newsletter mensile.
Thank you for subscribing to the newsletter.
Oops. Something went wrong. Please try again later.
