Contar calorias por foto com IA: como funciona e o que a foto não mostra

Registrar por foto elimina a parte mais chata de acompanhar a alimentação: procurar cada ingrediente numa lista e digitar tudo. Para muita gente, é a diferença entre registrar por uma semana e registrar por meses. Mas uma estimativa por foto não é uma medição, e saber onde ela erra deixa seus números melhores.

Como a IA conta calorias a partir de uma foto?

Seja qual for a tecnologia, o trabalho se divide em três perguntas: o que é, quanto tem e o que essa quantidade contém? Uma revisão sistemática de 2022 descreve essas etapas como separar os alimentos no prato, classificar cada um e estimar seu volume, suas calorias ou seus nutrientes.

Etapa 1: reconhecer os alimentos

O modelo encontra cada alimento na imagem (o arroz aqui, o feijão ali) e dá nome a ele. O aprendizado profundo melhorou muito essa etapa para pratos comuns e bem visíveis. Os erros aparecem em pratos regionais, em alimentos escondidos sob molho e em alimentos parecidos: num estudo de 2025, um modelo de IA confundiu falafel com almôndegas, e a estimativa de proteína saiu várias vezes acima do real.

Etapa 2: estimar a porção

Esta é a etapa difícil. A foto é plana: mostra a área que a comida ocupa, não a altura. A revisão de 2022 observa que alguns sistemas usam uma segunda foto de lado ou um objeto de referência de tamanho conhecido – uma moeda, um cartão, um prato, um copo, até o seu polegar – para transformar pixels em medidas reais. Depois, o volume precisa virar peso, usando a densidade do alimento, e a densidade varia: uma xícara de arroz soltinho pesa menos do que uma de arroz apertado.

Etapa 3: buscar os nutrientes

Por fim, o peso estimado é cruzado com uma tabela de composição de alimentos, como a TACO, no Brasil, ou o FoodData Central, do Departamento de Agricultura dos Estados Unidos. O registro certo faz diferença: na TACO, o arroz branco cozido tem cerca de 128 kcal por 100 g e o grão cru, cerca de 358 kcal; escolher a forma errada quase triplica o número.

O que a foto não mostra

• Gordura do preparo. O óleo é absorvido pelos legumes, pelo arroz refogado e pelas frituras; a manteiga derrete na sopa. Você vê um brilho, não as colheradas.
• Molhos e pastas. Uma salada com pouco molho e uma encharcada parecem iguais vistas de cima; a maionese dentro do sanduíche é invisível.
• Recheios. Pastel, coxinha, esfiha fechada, tapioca recheada e wraps guardam as calorias por dentro.
• Profundidade e densidade. Uma foto de cima não distingue uma camada rasa de arroz de um prato fundo bem cheio. Uma revisão de 2020 observa que porções de alimentos sem formato e de alimentos muito calóricos são especialmente difíceis de estimar por imagem.
• Alimentos parecidos. A mesma revisão cita refrigerante zero e comum, e alimento frito e assado, como exemplos que muitas vezes exigem uma informação do usuário. Leite integral e desnatado são idênticos no copo.
• Pratos misturados. Em feijoada, strogonoff, moqueca ou galinhada, a câmera precisa adivinhar a receita além da porção.

Vale manter a perspectiva: nem os números impressos são exatos. No Brasil, para fins de fiscalização, a Anvisa admite que o valor energético real de um alimento fique até 20% acima do declarado no rótulo. As tabelas de composição também trazem médias. A foto acrescenta incerteza, mas nenhum método do dia a dia é exato.

Contar calorias por foto é preciso?

• Uma revisão de 2020 concluiu que os métodos que dão menos trabalho tendem a ser menos precisos e que distinguir alimentos muito parecidos provavelmente vai exigir pelo menos alguma confirmação do usuário.
• Um estudo de 2025 testou três modelos de IA de uso geral com 52 fotos padronizadas de refeições, com pratos e talheres visíveis como escala. Os melhores modelos foram mais ou menos tão precisos quanto os registros alimentares tradicionais feitos pelas próprias pessoas, mas os três subestimaram de forma sistemática, e a diferença cresceu com porções maiores.
• Outro estudo de 2025, com 195 pratos, mostrou que as estimativas melhoravam quando a foto vinha acompanhada de detalhes difíceis de ver – tipo e quantidade de gordura, adoçante, teor de gordura dos laticínios, tipo de carne – e melhoravam ainda mais com a lista completa de ingredientes.

A lição: uma foto mais algumas respostas rápidas vale mais do que a foto sozinha, e refeições grandes, misturadas ou oleosas merecem uma segunda olhada.

Como ter estimativas melhores a partir de uma foto

1. Enquadre o prato inteiro com boa luz, num ângulo de cerca de 45 graus, para a altura aparecer. Para pratos fundos, acrescente uma foto de cima.
2. Inclua algo de tamanho conhecido, como um garfo comum ou o seu prato de sempre. Louça conhecida deixa até as suas próprias estimativas mais consistentes.
3. Separe os itens quando puder. Fotografe antes de misturar a salada ou pôr o molho. Em sanduíches, wraps e salgados recheados, mostre o lado cortado.
4. Responda às perguntas sobre óleo, leite, açúcar ou molho. Elas preenchem exatamente as lacunas da câmera.
5. Confira a porção antes de salvar. Se o app diz 300 g de macarrão e você sabe que foi menos, corrija. Muitas vezes é mais fácil pensar em uma concha, uma escumadeira ou duas fatias do que em gramas.
6. Registre bebidas e extras à parte: café com leite, suco, um punhado de amendoim, a manteiga do pão.
7. Use o código de barras ou o rótulo nos alimentos embalados. Ler números impressos é melhor do que estimá-los.

Quando o registro por foto é bom o bastante?

Para ter uma noção geral ou para mudar de peso aos poucos, constância importa mais do que precisão. Se as suas estimativas erram um pouco para cima ou para baixo do mesmo jeito todo dia, a tendência do peso ao longo de duas a quatro semanas ainda mostra se a sua ingestão combina com o seu objetivo. Nosso guia sobre déficit calórico e platôs explica como ler essa tendência, e como contar calorias com precisão mostra os hábitos de registro que mais importam.

O registro por foto é menos adequado quando números precisos importam para a sua saúde – por exemplo, se você conta carboidratos para a insulina, segue uma dieta médica para doença renal ou outra condição, ou está grávida. Converse com seu médico ou com um nutricionista sobre o método certo. E se qualquer tipo de registro deixar você ansioso, tudo bem parar e conversar com um profissional.

Perguntas sobre privacidade para fazer a qualquer app de alimentação com IA

Uma foto de refeição pode revelar mais do que o seu almoço, e um diário alimentar ligado a peso e metas pode dizer muito sobre a sua saúde. No Brasil, a Lei Geral de Proteção de Dados (LGPD) classifica dados referentes à saúde como dados pessoais sensíveis, que, como regra, só podem ser tratados com consentimento específico e destacado, e garante a você o direito de acessar, corrigir e pedir a eliminação dos dados tratados com o seu consentimento. Procure respostas claras a estas perguntas na política de privacidade ou nos ajustes do app:

• A minha foto fica guardada depois da estimativa? Onde e por quanto tempo?
• Minhas fotos ou registros são usados para treinar modelos de IA? Dá para recusar?
• O app pede consentimento explícito antes de enviar qualquer coisa para um serviço de IA?
• Dá para usar sem criar conta, e apagar meus dados é fácil?
• Algum dado meu é vendido ou compartilhado com anunciantes?
• A localização ou outros metadados saem do celular junto com a foto?

Como o Portiva lida com o registro por foto

O Portiva trata a foto como o começo de uma estimativa, não a palavra final. Quando algo mudaria muito as calorias – o óleo da panela, a manteiga na sopa, um molho, o tamanho da porção –, ele faz uma pergunta curta em vez de adivinhar. Cada item mostra a porção em gramas ou em medidas caseiras, como tigelas, xícaras, colheres e fatias, e você pode editar tudo antes de salvar.

• Registre por foto, câmera ao vivo, voz ou texto; para alimentos embalados, escaneie o código de barras ou fotografe a tabela nutricional.
• Os recursos de IA só funcionam depois do seu consentimento explícito. As fotos das refeições não são armazenadas pelo Portiva nem usadas para treinar modelos de IA.
• Funciona sem conta; o plano gratuito inclui um registro com IA por dia e registro manual e por código de barras ilimitado.

Perguntas frequentes

Contar calorias por foto com IA é preciso?

Depende da refeição. Alimentos únicos e bem visíveis são estimados muito melhor do que pratos grandes, misturados ou oleosos. Estudos com modelos de IA de uso geral mostraram que eles tendem a subestimar, ainda mais em porções maiores, e acertam mais quando você acrescenta o que a câmera não vê, como a gordura do preparo. Use o resultado como ponto de partida.

Um app de IA consegue ver quanto óleo tem na comida?

Não de forma confiável. O óleo é absorvido e se espalha em camada fina, então a foto mostra no máximo um brilho. Isso importa porque uma colher de sopa de azeite (13,5 g) tem cerca de 119 kcal. Um bom app pergunta como a comida foi preparada ou quanto óleo foi usado; se o seu não pergunta, registre o óleo como item separado.

Registrar por foto é tão preciso quanto pesar a comida?

Não. Pesar elimina o chute da porção, então é mais preciso. Mas pesar todas as refeições é difícil de manter, e um método que você usa todo dia costuma valer mais do que um preciso que você abandona. Um meio-termo prático: registre por foto e pese de vez em quando os alimentos mais calóricos, como óleos, pasta de amendoim, queijo, arroz e macarrão.

Por que meu app de calorias faz perguntas sobre a refeição?

Porque parte da informação mais importante não aparece na foto. O tipo e a quantidade de gordura, o adoçante, o teor de gordura do leite e o que vai dentro de um wrap ou de um salgado podem mudar muito as calorias. Pesquisas mostraram que acrescentar esse tipo de informação à foto deixou as estimativas da IA mais precisas. Uma pergunta curta é mais rápida do que corrigir um palpite ruim.

Minhas fotos de comida ficam guardadas ou são usadas para treinar IA?

Depende do app, então leia a política de privacidade antes de começar: se as fotos são guardadas depois da análise, se treinam modelos, se pedem seu consentimento antes e se você pode apagar seus dados. O Portiva não armazena as fotos das refeições nem as usa para treinar modelos de IA, e os recursos de IA só funcionam depois do seu consentimento.

Fontes

1. Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review, Dalakleidi KV et al., Advances in Nutrition (2022).
2. Review of the validity and feasibility of image-assisted methods for dietary assessment, Höchsmann C, Martin CK, International Journal of Obesity (2020).
3. Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images, Fridolfsson J et al., Current Developments in Nutrition (2025).
4. Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5: Cross-Source Evaluation Across Escalating Context Scenarios, Rodríguez-Jiménez M et al., Nutrients (2025).
5. Tabela Brasileira de Composição de Alimentos – TACO, 4ª edição revisada e ampliada, NEPA/Unicamp (2011).
6. Pesquisa de Orçamentos Familiares 2008-2009: Tabela de Medidas Referidas para os Alimentos Consumidos no Brasil, IBGE (2011).
7. FoodData Central (SR Legacy), U.S. Department of Agriculture, Agricultural Research Service.
8. Resolução RDC nº 429, de 8 de outubro de 2020: rotulagem nutricional dos alimentos embalados, Anvisa (2020).
9. Lei nº 13.709, de 14 de agosto de 2018 – Lei Geral de Proteção de Dados Pessoais (LGPD), Presidência da República.