写真で食事を記録するアプリの仕組みと、AI推定の使いどころ
写真で食事を記録する仕組みと、研究でわかっている推定の誤差を、やさしく整理しました。AIの数字は正解ではなく目安として、どう付き合うといいかを解説します。

「毎回ちゃんと食事を記録するのは大変…」と感じて、写真を撮るだけで記録できるアプリが気になっている方も多いのではないでしょうか。食べたものを写真で残せるなら続けやすそうですよね。一方で、「AIが出したカロリーって本当に合っているの?」という疑問も自然に浮かぶと思います。この記事では、写真で食事を記録する仕組みをたどりながら、研究でわかっていることと、AIの推定をうまく使うコツをお伝えします。
写真で食事を記録する方法は、食事を見直すきっかけを作るのに役立ちます。ただ、写真から出てくるカロリーや栄養素の数字は、正解というより「目安」として受け取るのがおすすめです。研究では、写真による推定の誤差が研究ごとに大きく違い、料理の種類によっても変わることがわかっています[1]。
そのうえで、次の3つを意識すると、写真記録を無理なく活かせます。
- 単品の食べ物や、いつも食べるものは、写真でさっと残す
- 混ざった料理や外食は「だいたいこのくらい」と受け止める
- 数字の細かい正確さより、続けられていること自体を大切にする
写真で食事を記録する仕組みを、ざっくり知ろう
「何を食べたか」と「どのくらいか」を分けて考えています
写真から数字が出るまでを、ここではわかりやすく単純化して考えてみます。実際の作りはアプリごとに違うので、特定のアプリの仕組みではなく、理解のためのたとえとして読んでください。
- 写真から、料理の名前や種類を見分ける
- 見た目から量(グラムや一人前など)をざっくり見積もる
- 食品の成分表のデータと照らし合わせて、カロリーや栄養素を計算する
人が「このご飯は茶碗1杯くらいかな」と見て判断するのと、よく似た流れです。ただ、見た目の情報だけで量をぴったり言い当てるのは難しく、写真で量を見積もると誤差が残ることが研究でも示されています[3]。
撮ったあとの「ひと確認」が、記録を支えます
写真記録でいちばん大切なのは、撮ったあとのひと手間かもしれません。AIの推定は「最初の下書き」と考えると気楽です。食品名や量を見直して、必要なら直すだけで、記録の質はぐっと上がります。
研究では、写真を訓練を受けた分析者が一つずつ確認した方法が、実際に食べた量にかなり近い結果を出していました。ただし、これは研究者が管理した給食の環境で行われた研究です。自分で撮った写真から自動で数字が出る場合と同じとは言えないので、頭の片隅に置いておきましょう[2]。
写真による推定は、どのくらい当たるのか
研究ごとの誤差は、かなり幅がある
画像を使った食事記録を、人の推定や正しい値と比べた研究をたくさんまとめて読み比べた論文(総説)があります。52本の論文を集めたこの総説では、カロリーのズレ(正しい値からどれくらい外れたか)の平均が、研究ごとに0.10%から38.3%まで大きく違っていました[1]。研究ごとに方法がばらばらだったため、全体の平均を一つの数字にまとめることはできなかったそうです。
この幅の広さこそが、写真の推定を「当たるか外れるか」で判断しにくい理由なんです。最初からズレが出る前提で使うと、気持ちが楽になりますよ。
方法によって、結果はかなり違う
同じ「写真を使う方法」でも、結果は大きく変わりました。研究者が用意した食事を実際に食べてもらい、本当の量と比べた研究では、写真を専門の分析者が解析した方法のエネルギーのズレは平均で1.3%と小さい結果でした。一方で、写真を使い、その場で話を聞きながら食事を書き出す方法(面接形式)は15.0%多めに出ました。過去の食事を思い出して書く方法も、ズレは1.7%〜5.4%でした[2]。
また、量を写真で見積もる方法と、文章(グラムや家庭での目安量)で見積もる方法を比べた40人の小規模な研究では、文章のほうが正確で、写真では誤差が残りました[3]。なお、[2]の研究は給食の環境で行われ、研究者が撮影を促していました。実生活では撮り忘れが増える可能性もあるので、数字をそのまま日常に当てはめないのがポイントです。
全体で見ると、少なめに自分で報告される傾向があった
画像を使う方法と昔ながらの方法を、13の研究(606人)にわたってまとめた分析もあります。ここでは、画像を使う方法も従来の方法も、どちらも測定のズレが大きいことがわかりました。全体では平均で約179kcal少なめに自分で書き留められる(自己報告される)傾向が見られましたが、研究ごとのばらつきは非常に大きいものでした[6]。
つまり、「写真のほうが従来法より正確」とも「従来法のほうがよい」とも、はっきり言える段階ではないということです。どの方法も完璧ではないと知っておくと、数字に一喜一憂しにくくなりますよ。
AI推定が向いている場面と、苦手な場面
AIそのものを評価した研究は、まだそれほど多くありません。ここでは、AIを対象にした研究と、写真で量を見積もった研究を分けて紹介します。
単品の食べ物は当たりやすく、混ざった料理は外れやすい
先ほどの総説では、単品の食べ物の写真は、複数の食品が混ざった写真より誤差が小さめの傾向がありました[1]。材料がたくさん混ざった料理ほどズレやすいと考えておくと、外食や手作りのおかずで迷ったときの目安になります。
大規模な食事写真を使ったAIの研究では、学会で発表された短い報告(まだ詳しい論文になっていないもの)が出ています。この報告では、食品名の見分けの成績を表す「F1スコア」という指標(1に近いほど、見落としも取り違えも少ない)が、約0.66〜0.71にとどまりました。これは「正しく当てた割合」とは別の指標です。食品のグループによっては、F1スコアが0.1以下まで下がることも報告されています。1食あたりのカロリーは平均で約139kcalの差が見られたそうです[4]。短い報告の段階なので、詳しい論文の本体で確認されるまでは、参考程度に受け取っておきましょう。
間食は、写し忘れやすい
食事の申告では、間食が漏れやすいことが小規模な研究で示されています。食べたものとエネルギーの出入りを細かく測る施設で行われた研究では、食事の内容は比較的正確に報告されていた一方で、間食のエネルギーは少なめに自分で書き留められていました[5]。この研究は写真記録を調べたものではないので、写真アプリで同じことが起きるかどうかは、直接確かめられていません。
また、写真を使う記録方法の研究をまとめた文献レビューでは、妊娠中の人を対象にした研究の結果として、写真で捉えられたのは摂取量の約64%だったと紹介されています。主な理由は、間食の撮り忘れとされています[7]。間食をどう扱うかは、写真記録ならではの工夫どころと言えそうです。
バーコードは、商品によっては数字が近い
パッケージに載っている商品をバーコードで読み取る方法は、もう一つの選択肢です。オランダの100製品を調べた研究では、表示されているエネルギーの値は99%の製品で見つかり、79%が表示値の5%以内に収まりました。ただし、研究者は「細かい栄養素を見る用途には向かない」と結論づけています[8]。
この研究はオランダの製品を対象にしているので、日本の商品にそのまま当てはまるとは限りません。「カロリーは商品のバーコード」「料理は写真」と使い分けるのも、無理のない方法ですよ。
写真記録は続けやすいのか
撮るのは楽でも、思い出して記録する手間は残る
写真記録は撮るだけなら手軽です。ただ、研究では気づきにくい手間もわかっています。記録の手間について論じたレビューの中で、参加者100人を「従来型の食品データベースのアプリ」「写真アプリ」「身につける機器(ウェアラブル)」の3つのグループに分けたケーススタディが紹介されています。6週間の時点で、写真アプリは従来型のアプリより「記録を覚えておく」ことが難しいと感じられていて、著者は従来型のアプリのほうが記録の習慣がついていたとまとめています[10]。
このケーススタディは小規模で、撮影にかかる時間も測られていません。それでも、「写真なら必ず続く」とは限らないという点は、知っておくと役立ちます。撮ったあとに、食べたものを思い出して一言添えるなど、後からの手間を減らす工夫がカギになりそうです。
1日2回以上の記録が、続けられているかの目安になる
減量を目的とした2つの試験の参加者を対象に、記録を続けられるかどうかを追いかけた研究があります。途中で記録を続ける人は少なくなり、10週目以降も続けていたのは半数未満でした。そのなかで、続いているかどうかをいちばんよく示していたのは「1日に少なくとも2回以上、食事を記録できたかどうか」でした[9]。
写真アプリを使ったグループも含まれていましたが、この研究は2つの試験を後から分析したもので、最後まで完了した人は91人と少なめです。減量に取り組む人を対象にした結果なので、誰にでも当てはまる基準とは言えません。それでも「毎食を完璧に記録できなくても、1日2回残せているかを一つの手がかりにする」と考えておくと、気持ちがラクになりますよ。
初心者が陥りがち:AIの数字を100%信じてしまうこと
ここまで読んで「AIの数字は当てにならないの?」と少し心配になったかもしれませんね。大丈夫ですよ。数字がぴったりでなくても、写真記録には食事の全体像を眺めやすいという使い道があると、編集部は考えています。
1回のズレで落ち込まない
陥りやすいのは、AIの数字に一喜一憂して疲れてしまうことです。写真の推定は、研究でも誤差が大きいとわかっています。今日の数字が少し合わなくても、それは方法の特徴であって、あなたの努力が足りないわけではありません。
1週間くらいの流れで見てみる
日ごとの数字より、1週間くらいの流れで見てみてください。「今週はたんぱく質が取れている日が多いな」「間食が増えているかも」といった気づきが得られれば、写真記録は十分に役立っています。細かいズレより、全体の傾向をつかむ道具として使うのがおすすめです。
写真記録は「全体像」を眺める使い方もできる
写真を見返すと、「いつ、何を食べていたか」を振り返りやすくなります。数字だけでは気づきにくい食べ方の癖に目が向くきっかけになる、という使い方もあると編集部は考えています。正確な数字を追いかけるより、自分の食事を眺めるきっかけとして使うと、続けやすくなると思いますよ。
Gym Diary でできること
Gym Diary は、トレーニング・食事・体重を1つにまとめて記録できるアプリ。記録は自動でグラフになり、続けるほど「成長」が目に見えます。
さらに、3人のAIトレーナーがあなたの記録を見て毎日伴走。ロック軍曹が背中を押し、コナーがデータで導き、エマがやさしく寄り添います。ひとりじゃないから、続く。
App Store で無料で始める
- 写真で出る数字は「正解」ではなく「目安」だ。そこを勘違いするな
- 単品の食べ物は写真でも当たりやすい
- 混ざった料理や外食は誤差が出やすい。「だいたいこのくらい」で受け止めろ
- 間食は撮り忘れやすいと報告されている。気づいたときに一つ撮れ
- 1回のズレで落ち込むな。見るのは1週間の流れだ
- 減量中の人の研究では、1日2回以上の記録が継続の手がかりだった。完璧を求めるな
新兵、貴様が写真を撮ろうと思ったこと自体が、もう最初の一歩だ。 今日の数字がピッタリ合わなくてもいい。残せた事実を誇れ。 食事を眺めて癖に気づけ。それが次の一手になる。…まあ、悪くない。これは命令だ!

- 総説:たくさんの研究論文を集めて読み比べ、全体の傾向をまとめた論文のことです。
- 自己報告:食べたものや量を、自分で書き留めたり申告したりする記録のことです。
- 食品の成分表:食品ごとに、カロリーや栄養素の量をまとめた表のことです。
- 食品データベース:食品の名前ごとに栄養の数字をためておいた、検索できるデータの集まりのことです。
- 学会要旨(抄録):学会で発表された内容を短くまとめたもので、まだ詳しい論文になっていないことが多いです。
- 従来法:写真を使わず、食べたものを自分で書き留めたり思い出して書いたりする昔ながらの記録方法のことです。

ここからは、AIトレーナーのエマがよくある疑問にお答えします。
Q写真だけで食事を記録しても大丈夫ですか?
もちろん大丈夫ですよ。写真はさっと撮れるので、まずは「撮ること」から始めてみてくださいね。ただ、写真だけでは量の見積もりにズレが残ることが研究でもわかっています。気になるときは、撮ったあとに一言だけ量を直してあげると安心です。
QAIのカロリーが実際と違っていたら、記録は意味がないのでしょうか?
意味がないなんてことはありませんよ。食事の量が多めか少なめか、どんな食べ方が多いかを見るだけでも、大切な手がかりになります。細かい数字に振り回されず、全体の流れを見てあげてくださいね。
Q外食や混ざった料理は、どう記録すればいいですか?
混ざった料理は数字がずれやすいと、研究でも報告されています。「だいたいこのくらい」と思えれば十分ですよ。気になるときは、お店のメニューに書かれている数字や、パッケージの表示を参考にしてみてくださいね。
Q間食をつい記録し忘れてしまいます。
間食は記録から漏れやすいと、研究でも報告されているんですよ。気づいたときに一つだけ撮る、くらいのゆるさで大丈夫です。全部を完璧に記録することより、続けることを大事にしてくださいね。
Q毎日記録できなくて、落ち込んでしまいます。
大丈夫ですよ。記録を続ける人が時間とともに減っていくことは、研究でも報告されているんです。減量中の人を対象にした研究では、1日2回以上の記録が続けられているかの手がかりになっていました。毎食でなくても、残せた日を大切にしてくださいね。自分を責めずに、また明日から一緒に始めましょう。
Qバーコードで読み取ると、どのくらい正確ですか?
オランダの100製品を調べた研究では、パッケージに載っている商品のカロリーは、表示に近い数字が出やすいと報告されています。ただ、細かい栄養素まで見るには向いていないようですし、日本の商品にもそのまま当てはまるとは限りません。写真やバーコードを用途に合わせて使い分けると、いいバランスになりますよ。
Q健康のために食事を管理したいのですが、AIの数字だけで決めてもいいですか?
体の状態や必要な量は、人によって違います。AIの数字は目安のひとつとして使ってくださいね。体調や気になることがあるときは、医師などの専門家にもご相談くださいね。
参考文献
- AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review — Annals of Medicine (2023)
- Accuracy of energy and nutrient intake estimation versus observed intake using 4 technology-assisted dietary assessment methods: a randomized crossover feeding study — American Journal of Clinical Nutrition (2024)
- The accuracy of portion size estimation using food images and textual descriptions of portion sizes: an evaluation study — Journal of Human Nutrition and Dietetics (2021)
- Leveraging image-based AI for dietary assessment: evaluating a large language model with real-world meal photos from the ZOE PREDICT cohorts — Proceedings of the Nutrition Society (2025)
- Assessment of selective under-reporting of food intake by both obese and non-obese women in a metabolic facility — International Journal of Obesity and Related Metabolic Disorders (1998)
- Validity of image-based dietary assessment methods: A systematic review and meta-analysis — Clinical Nutrition (2020)
- Review of the validity and feasibility of image-assisted methods for dietary assessment — International Journal of Obesity (2020)
- Food identification by barcode scanning in the Netherlands: a quality assessment of labelled food product databases underlying popular nutrition applications — Public Health Nutrition (2019)
- Defining Adherence to Mobile Dietary Self-Monitoring and Assessing Tracking Over Time: Tracking at Least Two Eating Occasions per Day Is Best Marker of Adherence within Two Different Mobile Health Randomized Weight Loss Interventions — Journal of the Academy of Nutrition and Dietetics (2019)
- Is Burden Always Bad? Emerging Low-Burden Approaches to Mobile Dietary Self-monitoring and the Role Burden Plays with Engagement (2021)


