CarbCam бере ваше фото, надсилає його до AI-сервісу, отримує оцінку компонентів, перевіряє значення за стандартними базами даних про харчування і показує вам результат.

Кожен аналіз проходить до шести кроків:

Візуалізований потік, далі: справжні знімки екрана для порівняння:

1. Вкладка сканування

2. Аналіз AI

3. Результат

1 Зйомка фото та локальне обрізання зображення

Спочатку фото залишається повністю на вашому пристрої. Ви можете обрізати, повернути чи перезняти його. Нічого не завантажується, доки ви не натиснете «Аналізувати».

2 Запит до серверного кешу (попередня перевірка)

Перш ніж зображення взагалі буде надіслано до AI, застосунок перевіряє за допомогою хешу SHA-512 та перцептивного хешу, чи вже існує ідентичне або дуже схоже фото в серверному кеші. За наявності збігу ви одразу отримуєте збережений результат, без ще одного виклику AI. Наступний крок підтвердження позначає запис кешу як спожитий (підрахунок квоти).

3 Завантаження для аналізу AI

Якщо збігу в кеші немає, (обрізане) фото надсилається на нашу кінцеву точку аналізу. Там викликається vision-модель (Gemini, Claude або OpenAI, залежно від вашого вибору в параметрах застосунку), щоб описати зображення, назвати окремі компоненти та оцінити приблизні кількості.

4 Фонова перевірка (лише за низької впевненості)

Якщо AI-оцінка повідомляє про низьку впевненість, сервер запускає фонову перехресну перевірку за базами даних про харчування (USDA FoodData Central, Open Food Facts). Виправлені значення потрапляють у кеш: наступного разу, коли те саме чи схоже фото знайде збіг, ви побачите покращений результат. Для сканувань із високою впевненістю цей крок пропускається.

Однак для штрихкодів порівняння з Open Food Facts / USDA завжди виконується безпосередньо, оскільки поживна таблиця виробника тут є основним джерелом.

5 Редагування вами

Ви можете перевизначити будь-яке значення: кількість, вуглеводи, ккал, FPE, компонент. Під час збереження використовуються ваші значення, а не AI-оцінка. Застосунок зберігає вашу загальну поправку вуглеводів (Користувач: Xг проти AI: Yг) як різницю для статистичних цілей.

6 Збереження та синхронізація з Nightscout

Локально в базі даних SQLite. За бажанням також через синхронізацію з Nightscout у ваш екземпляр Nightscout, але лише як нотатку в таблиці лікувальних записів (з тегом CarbCam), не як активний лікувальний запис вуглеводів/інсуліну. Ваші розрахунки Loop/AAPS/iAPS не зазнають впливу від збережень CarbCam: страва видима лише як нотатка. Якщо ви користуєтеся керованим Nightscout від ns.10be.de, налаштування особливо просте: введіть URL-адресу Nightscout та секрет API, готово.

Якщо ви хочете, щоб вуглеводи були активним лікувальним записом, скористайтеся кнопкою Поділитися в результаті сканування: вона надсилає значення вуглеводів через deep link до AAPS/AndroidAPS, Loop, iAPS чи Trio або відкриває системне вікно поширення.

FPE означає жиро-білкові одиниці. Вони описують, скільки енергії від жирів та білків впливає на глюкозу крові із затримкою.

Одна FPE дорівнює приблизно 100 ккал від жирів та білків. Приклад:

• 30 г жиру + 20 г білка = (270 + 80) ÷ 100 = 3.5 FPE

Користувачі помп часто використовують FPE для налаштування параметрів подовженого болюсу (наприклад, квадратна чи подвійна хвиля). Користувачі шприц-ручок можуть використовувати FPE як приблизний орієнтир для пізнього коригувального перекусу чи невеликої післяобідньої корекції.

CarbCam показує FPE як жовтий чип у картці результату. Кольори поживних значень:

• Вуглеводи Вуглеводи
• ккал Калорії
• FPE Жиро-білкові одиниці
• Жир Жир
• Білок Білок

Коли Nightscout налаштований, CarbCam завантажує дані глюкози з вашого екземпляра Nightscout і показує криву глюкози крові у вкладці історії під кожною стравою. Часове вікно залежить від платформи і автоматично обирається навколо прийому їжі. Разом із Nightscout, CarbCam дає змогу цілеспрямовано відстежувати глюкозу після їжі.

Можливості кривої глюкози (дані Nightscout):

• Часове вікно навколо прийому їжі (залежить від платформи)
• Маркер часу прийому їжі
• Пік, точка виділена кольором (червоний/жовтий/зелений залежно від рівня)
• Підйом та кінцеве значення як ключові метрики
• IOB / COB як необовʼязкові накладені лінії

Точність залежить від типу страви:

Що покращує точність:

• Хороше освітлення та чітке фото: без тіней над тарілкою
• Усі компоненти видимі: не топіть пасту в соусі
• Орієнтир розміру: залиште в кадрі край тарілки, столові прибори чи руку
• Стандартні страви: AI добре справляється з добре відомими стравами

Що знижує точність:

• Тарілки з буфету з багатьма маленькими купками
• Компоненти, сильно вкриті соусом
• Дуже незвичні регіональні страви без чіткої довідкової бази
• Зняті під кутом збоку без орієнтира розміру

Що це означає для вашого болюсу:

• Для звичайних страв: використовуйте оцінку як відправну точку, застосовуйте власні знання і за потреби коригуйте значення перед збереженням
• Для критичних рішень щодо болюсу (дуже багато вуглеводів, ризик гіпо): завжди звіряйтеся з власними знаннями / базою даних / упаковкою
• З помпою: набирайтеся досвіду, наскільки зазвичай відхиляються ваші страви, а потім коригуйте оцінку своїм особистим коефіцієнтом

Без підключення до інтернету працюють такі функції:

• Перегляд та фільтрування історії
• Ручне створення та редагування записів
• Перегляд вкладки статистики
• Експорт даних (CSV/JSON)
• Зйомка фото та додавання їх у чергу для пізнішого аналізу

Для наступного потрібне підключення:

• Аналіз AI (фото надсилається провайдеру)
• Автоматичний пошук за штрихкодом (Open Food Facts)
• Синхронізація з Nightscout (крива глюкози, завантаження лікувальних записів)