食事の内容を記録し、摂取カロリーを把握することは、生活習慣病の管理や健康的な食生活を続けるうえで基本となる取り組みとされています。しかし実際には、食べたものを自分で入力したり、カロリー表と照らし合わせたりする作業は手間がかかり、記録漏れや誤差も生じやすいという課題があります。こうした「食事記録の面倒さ」を解消しようと、画像から食品を自動で認識し、カロリーまで推定してくれるシステムの研究が進められています。今回紹介するのは、物体検出AIの一種である「YOLO」を使い、画像や映像から食品を見分けてカロリーを推定するシステムを開発した論文です。

研究でわかったこと

この研究では、YOLOv8nano（YOLOv8n）と呼ばれる物体検出モデルをベースに、栄養情報のデータベースと組み合わせたシステムが開発されました。YOLOv8nは画像内の物体を高速に検出できるモデルで、研究チームはこれを欧米料理とインド料理を含む48種類の食品カテゴリーからなる独自のデータセットで追加学習させています。完成したシステムは、1枚の写真の中に複数の食品が写っていてもそれぞれを識別し、検出結果に応じてカロリーの推定値を即座に示すことができるとされています。また、Webブラウザ上で手軽に操作できるインターフェース（Gradio）と組み合わせることで、実際に使いやすい形での実装も行われました。

性能を検証した実験では、held-outテストセット（学習に使っていないデータ）において、検出精度の指標である[email protected]が91.7%であったと報告されています。また、NVIDIA T4 GPUを用いた場合の処理速度は1秒あたり87フレームに達し、カロリー推定の誤差(平均絶対誤差、MAE)は1品目あたり16.8kcalであったとされています。さらに、この手法は従来から使われてきたFaster R-CNNやSSD MobileNetといった別の物体検出手法と比較して、速度と精度の両面で上回る結果が得られたと報告されています。

この研究の位置づけ・読むうえでの注意

この論文は、食品認識とカロリー推定を組み合わせたシステムの技術的な実現可能性を示す研究として位置づけられます。著者らは、このシステムがモバイル向けの食事記録アプリや、臨床栄養モニタリングツールの実用化に向けた土台になりうるとしています。ただし、これはあくまで一つの研究成果であり、実際の医療現場や日常生活での有効性や精度が広く確認されたわけではない点には注意が必要です。カロリー推定の誤差(16.8kcal)や検出精度(91.7%)といった数値も、今回用いられた特定のデータセットや条件下での結果であり、異なる食品や撮影環境ではまた違った結果になる可能性があります。

まとめ

本研究は、YOLOv8nという物体検出AIと栄養データベースを組み合わせることで、画像や映像から食品を認識し、カロリーを即座に推定するシステムを開発したというものです。高い検出精度と高速な処理、そして比較的小さな誤差が示され、既存の手法と比べても優れた性能を示したと報告されています。食事記録の手間を軽減する技術として、今後の応用が期待される研究といえそうです。

※本記事は下記の原著論文を紹介するものです。参考文献：YOLOを用いた食品認識とカロリー推定（インターナショナル・リサーチ・ジャーナル・オン・アドバンスド・エンジニアリング・ハブ(IRJAEH)・2026年08月）