CarbCam ottaa kuvasi, lähettää sen tekoälypalveluun, saa arvion ainesosista, vahvistaa arvot tavallisia ravintotietokantoja vasten ja näyttää sinulle tuloksen.

Jokainen analyysi kulkee jopa kuuden vaiheen läpi:

Visualisoitu kulku: sen jälkeen todelliset kuvakaappaukset vertailua varten:

1. Skannausvälilehti

2. Tekoälyanalyysi

3. Tulos

1 Kuvan otto & paikallinen rajaus

Kuva pysyy aluksi kokonaan laitteellasi. Voit rajata, kääntää tai ottaa sen uudelleen. Mitään ei lähetetä ennen kuin napautat “Analysoi”.

2 Palvelimen välimuistin kysely (esitarkistus)

Ennen kuin kuva lähetetään tekoälylle lainkaan, sovellus tarkistaa SHA-512-tiivisteen ja havainnollisen tiivisteen avulla, löytyykö palvelimen välimuistista jo identtinen tai hyvin samankaltainen kuva. Jos osuma löytyy, saat tallennetun tuloksen heti takaisin, ilman uutta tekoälykutsua. Seuraava Vahvista-vaihe merkitsee välimuistin merkinnän käytetyksi (kiintiölaskenta).

3 Lähetys tekoälyanalyysiin

Jos välimuistiosumaa ei löydy, (rajattu) kuva lähetetään analyysirajapintaamme. Näkömalli (Gemini, Claude tai OpenAI, riippuen valinnastasi sovelluksen asetuksissa) kutsutaan siellä kuvan kuvailemiseen, yksittäisten ainesosien nimeämiseen ja karkeiden määrien arvioimiseen.

4 Taustavahvistus (vain matalan luottamuksen tapauksissa)

Jos tekoälyn arvio ilmoittaa matalan luottamuksen, palvelin käynnistää taustalla ristiintarkistuksen ravintotietokantoja vasten (USDA FoodData Central, Open Food Facts). Korjatut arvot tallentuvat välimuistiin: seuraavalla kerralla, kun sama tai samankaltainen kuva täsmää, näet parannetun tuloksen. Korkean luottamuksen skannauksissa tämä vaihe ohitetaan.

Viivakoodeille Open Food Facts- / USDA-vertailu tehdään kuitenkin aina suoraan, koska valmistajan ravintotaulukko on tässä ensisijainen lähde.

5 Muokkaus sinun toimestasi

Voit ohittaa minkä tahansa arvon: määrä, hiilihydraatit, kcal, FPE, ainesosa. Tallennettaessa käytetään omia arvojasi, ei tekoälyn arviota. Sovellus tallentaa hiilihydraattikorjauksesi kokonaisuutena (Käyttäjä: Xg vs. tekoäly: Yg) erotuksena tilastointia varten.

6 Tallennus & Nightscout-synkronointi

Paikallisesti SQLite-tietokannassa. Valinnaisesti myös Nightscout-synkronoinnin kautta Nightscout-instanssiisi, mutta ainoastaan muistiinpanona hoitotaulukossa (tunnisteella CarbCam), ei aktiivisena hiilihydraatti-/insuliinihoitona. Loop-, AAPS- ja iAPS-laskelmasi eivät muutu CarbCam-tallennusten vuoksi: ateria näkyy vain muistiinpanona. Jos käytät ns.10be.den hallinnoitua Nightscoutia, asetus on erityisen helppo: syötä Nightscout-URL ja API-salaisuus, ja se on siinä.

Jos haluat hiilihydraatit aktiivisena hoitona, käytä skannaustuloksen Jaa-painiketta: se lähettää hiilihydraattiarvon syväsyöttölinkillä AAPS-/AndroidAPS-, Loop-, iAPS- tai Trio-sovellukseen tai avaa järjestelmän jakonäkymän.

FPE tarkoittaa rasva-proteiiniyksiköitä (Fat-Protein Units). Ne kuvaavat, kuinka paljon rasvasta ja proteiinista tuleva energia vaikuttaa verensokeriin viiveellä.

Yksi FPE vastaa noin 100 kcal rasvasta ja proteiinista. Esimerkki:

• 30 g rasvaa + 20 g proteiinia = (270 + 80) ÷ 100 = 3,5 FPE

Pumppukäyttäjät käyttävät FPE:tä usein pidennetyn boluksen parametrien asettamiseen (esim. neliöaalto- tai kaksoisaaltobolus). Kynäkäyttäjät voivat käyttää FPE:tä karkeana viitteenä myöhäiselle korjaussyömiselle tai pienelle iltapäiväkorjaukselle.

CarbCam näyttää FPE:n keltaisena palana tuloskortissa. Ravintoarvojen värit:

• Carbs Hiilihydraatit
• kcal Kalorit
• FPE Rasva-proteiiniyksiköt
• Fat Rasva
• Protein Proteiini

Kun Nightscout on määritetty, CarbCam lataa verensokeridataa Nightscout-instanssistasi ja näyttää verensokerikäyrän historiavälilehdellä jokaisen aterian alla. Aikaikkuna riippuu alustasta ja valitaan automaattisesti aterian ympärille. Yhdessä Nightscoutin kanssa CarbCam mahdollistaa kohdennetun aterianjälkeisen verensokerin seurannan.

Verensokerikäyrän ominaisuudet (Nightscout-data):

• Aikaikkuna aterian ympärillä (alustariippuvainen)
• Merkki ateria-ajalle
• Huippu korostettuna värillä (punainen/keltainen/vihreä tason mukaan)
• Nousu ja lopetusarvo keskeisinä tunnuslukuina
• IOB / COB valinnaisina peittokerroksina

Tarkkuus riippuu ateriatyypistä:

Mikä parantaa tarkkuutta:

• Hyvä valaistus & selkeä kuva: ei varjoja lautasen päällä
• Kaikki ainesosat näkyvissä: älä hukuta pastaa kastikkeeseen
• Kokoreferenssi: pidä lautasen reuna, ruokailuvälineet tai käsi kuvassa
• Tavalliset ruoat: tekoäly on hyvä tunnetuissa ruoissa

Mikä heikentää tarkkuutta:

• Buffet-lautaset, joissa on monia pieniä kasoja
• Voimakkaasti kastikkeella peitetyt ainesosat
• Hyvin epätavalliset alueelliset ruoat ilman selkeää viitetietokantaa
• Kuvattu sivulta vinosti ilman kokoreferenssiä

Mitä tämä tarkoittaa boluksellesi:

• Tavallisille aterioille: käytä arviota lähtökohtana, hyödynnä omaa tietämystäsi ja säädä arvoa tarvittaessa ennen tallennusta
• Kriittisissä bolus-päätöksissä (hyvin korkeat hiilihydraatit, hypon riski): käytä aina omaa tietämystäsi / tietokantaa / pakkausmerkintää
• Pumpun kanssa: hanki kokemusta siitä, kuinka paljon omat ateriasi tyypillisesti poikkeavat, ja korjaa arviota sitten henkilökohtaisella kertoimellasi

Ilman internetyhteyttä seuraavat toiminnot toimivat:

• Historian selaus ja suodatus
• Merkintöjen manuaalinen luonti ja muokkaus
• Tilastovälilehden tarkastelu
• Datan vienti (CSV/JSON)
• Kuvien ottaminen ja jonottaminen myöhempää analyysiä varten

Seuraavat vaativat yhteyden:

• Tekoälyanalyysi (kuva lähetetään tarjoajalle)
• Automaattinen viivakoodihaku (Open Food Facts)
• Nightscout-synkronointi (verensokerikäyrä, hoitomerkinnän lähetys)