CarbCam：工作原理是什麼？
CarbCam 是如何工作的？
CarbCam 獲取你的照片，將其傳送給 AI 服務，接收對各成分的估算結果， 將數值與標準營養資料庫進行校驗，然後將結果展示給你。
流程概覽
每次分析最多經過六個步驟：
流程視覺化演示：下方附有真實截圖以供對比：
1. 掃描標籤頁
2. AI 分析
3. 結果
流程詳解
1 拍照與本地影象裁剪
照片最初完全保留在你的裝置上。你可以裁剪、旋轉，或重新拍攝。 在你點選“分析”之前不會上傳任何內容。
2 伺服器快取查詢（預檢查）
在圖片被髮送給 AI 之前，應用會透過 SHA-512 雜湊和感知雜湊 檢查伺服器快取中是否已存在相同或非常相似的照片。如果命中，你會立即得到 已儲存的結果，無需再次呼叫 AI。 隨後的確認步驟會將該快取條目標記為已消耗（計入額度）。
3 上傳給 AI 分析
如果沒有命中快取，（已裁剪的）照片會被髮送到我們的分析端點。 該端點會呼叫視覺模型（Gemini、Claude 或 OpenAI，取決於你在應用設定中的選擇）來描述影象，標註各個成分，並估算大致分量。
4 後臺校驗（僅在置信度較低時）
如果 AI 估算結果報告置信度較低，伺服器會在後臺 對營養資料庫（USDA FoodData Central、Open Food Facts）進行交叉核查。校正後的數值 會寫入快取，下次匹配到相同或相似照片時，你會看到 改進後的結果。對於置信度較高的掃描，此步驟會被跳過。
但對於條形碼，Open Food Facts / USDA 的比對始終會直接執行， 因為生產商營養標籤在這裡是主要資料來源。
5 由你編輯
你可以覆蓋任意數值：分量、碳水、卡路里、FPE、成分。 儲存時使用的是你的數值，而不是 AI 的估算值。 應用會將你的總碳水校正值（使用者：X 克，AI：Y 克）作為差值儲存，用於統計目的。
6 儲存與 Nightscout 同步
本地儲存在 SQLite 資料庫中。也可選擇透過Nightscout 同步寫入你的 Nightscout 例項，但僅作為治療記錄表中的備註
（標籤為 CarbCam），不作為主動的碳水/胰島素治療。
你的 Loop/AAPS/iAPS 計算不受 CarbCam 儲存操作的影響，這一餐僅以備註形式可見。
如果你使用ns.10be.de 的託管 Nightscout，設定會格外簡單：輸入 Nightscout 網址和 API 金鑰即可，完成。
如果你希望碳水資料主動作為治療記錄，請在掃描結果中使用分享按鈕， 它會透過深度連結將碳水數值傳送給 AAPS/AndroidAPS、Loop、iAPS 或 Trio，或開啟系統分享選單。
什麼是 FPE？
FPE 代表 脂肪蛋白質單位。 它描述了脂肪和蛋白質中的能量以延遲的方式對血糖產生的影響。
1 個 FPE 大約相當於 100 千卡來自脂肪和蛋白質的能量。示例：
- 30 克脂肪 + 20 克蛋白質 = (270 + 80) ÷ 100 = 3.5 FPE
胰島素泵使用者常用 FPE 來設定延時大劑量引數（例如方波或雙波）。 筆使用者可以將 FPE 作為粗略指標，用於判斷是否需要延遲加餐校正或小幅下午校正。
CarbCam 在結果卡片中以黃色標籤顯示 FPE。 營養數值配色如下：
- Carbs 碳水化合物
- kcal 卡路里
- FPE 脂肪蛋白質單位
- Fat 脂肪
- Protein 蛋白質
餐食下方的血糖曲線
當配置了 Nightscout 後，CarbCam 會從你的 Nightscout 例項載入血糖資料， 並在歷史標籤頁中每餐下方展示血糖曲線。 時間視窗因平臺而異，會自動圍繞這一餐進行選擇。 結合 Nightscout，CarbCam 能夠實現有針對性的餐後血糖追蹤。
血糖曲線（Nightscout 資料）的功能特點：
- 圍繞這一餐的時間視窗（因平臺而異）
- 用餐時間的標記
- 用顏色突出顯示的峰值點（紅/黃/綠，取決於數值高低）
- 上升幅度和結束數值作為關鍵指標
- IOB / COB 作為可選疊加線
準確性
準確度因餐食型別而異：
| 餐食型別 | 典型偏差 | 示例 |
|---|---|---|
| 清晰的分量 | ±20% | 米飯、意麵、麵包 |
| 複雜餐食 | ±30% | 燉菜、焗菜 |
| 非常不常見 | ±40% 或更高 | 陌生的地區性菜餚 |
| 包裝食品 | ±5% | 自動條形碼識別（透過 Open Food Facts 獲取生產商數值） |
有助於提升準確度的做法：
- 良好的光線與清晰的照片：不要讓陰影遮住餐盤
- 所有成分都清晰可見：不要讓醬汁把意麵完全淹沒
- 比例參照物：將盤子邊緣、餐具或手放進畫面中
- 常見菜品：AI 對廣為人知的菜品識別效果更好
會降低準確度的因素：
- 自助餐盤上擺放著許多小份食物
- 被醬汁大量覆蓋的成分
- 沒有明確參考資料庫的非常不常見的地區性菜餚
- 從側面斜角拍攝且沒有比例參照物
這對你的大劑量意味著什麼：
- 對於普通餐食：將估算值作為起點，結合你自己的經驗，必要時在儲存前調整數值
- 對於關鍵性的大劑量決策（極高碳水、低血糖風險）：始終參考你自己的經驗、資料庫或包裝資訊
- 使用胰島素泵：積累經驗，瞭解你的餐食通常會偏差多少，然後用你的個人係數校正估算值
離線時會發生什麼？
沒有網路連線時，以下功能可以正常使用：
- 瀏覽和篩選歷史記錄
- 手動建立和編輯條目
- 檢視統計標籤頁
- 匯出資料（CSV/JSON）
- 拍照並加入佇列，稍後進行分析
以下功能需要網路連線：
- AI 分析（照片會被髮送給提供商）
- 自動條形碼查詢（Open Food Facts）
- Nightscout 同步（血糖曲線、治療記錄上傳）