Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

VolE: מסגרת מבוססת ענן נקודות לשחזור תלת־ממדי והערכת נפח של מזון

· חזרה לאינדקס

מדוע חשוב למדוד את ארוחת הערב שלכם

לספור קלוריות מתמונה נשמע כמו קסם, אבל עבור רופאים ודיאטנים זה יכול להיות כלי רב־עוצמה. ידיעה מדויקת של כמה מזון אנשים אוכלים בפועל חיונית לניהול מצבים כמו סוכרת והשמנת יתר, ואילו שקילה של כל ארוחה על מאזניים היא בלתי מעשית בחיי היומיום. המאמר מציג את VolE, שיטה חדשה המאפשרת לסמארטפון מודרני רגיל לבנות מודל תלת־ממדי מפורט של פריט מזון יחיד ולהעריך את נפחו בדיוק מפתיע — ללא חומרה מיוחדת, כרטיס התייחסות או חיישן עומק.

Figure 1
Figure 1.

מתמונות פשוטות לצורות מוצקות

הרעיון המרכזי של VolE הוא להפוך סרטון קצר וספונטני של הארוחה לצורה תלת־ממדית מדויקת שניתנת למדידה. בעת שהמשתמש מזיז לאט את הטלפון סביב המנה, תכונות המציאות הרבודה המובנות במכשיר (ARCore באנדרואיד או ARKit ב‑iOS) רושמות גם את התמונות וגם את מיקום וכיוון המצלמה במרחב האמיתי. VolE משלב את רצפי התמונות ואת מסלולי המצלמה כדי לשחזר "ענן נקודות" צפוף של המזון — אלפים של נקודות זעירות המרחפות במרחב ועוקבות אחרי משטח הפריט. מאחר שמערכת ה‑AR של הטלפון כבר יודעת מרחקים במידות אמיתיות, האובייקט הווירטואלי נוצר בקנה מידה פיזי נכון, וכך נפתרת בעיה ותיקה במחקר הראייה שבה אפשר לשחזר צורה תלת־ממדית אך לא את גודלה האמיתי.

איתור המזון וניקוי הסצנה

תמונות מזון עמוסות: צלחות, שולחנות ורעשי רקע מתחרים על תשומת הלב. VolE מתמודד עם זאת בשלב סגמנטציה אוטומטית של הווידאו שפועל כמו מספריים חכמים. מודל בשם FoodMem מזהה אילו פיקסלים שייכים למזון בכל פריימי הווידאו, אפילו כשהטלפון זז והמנה מוסתרת חלקית. באמצעות מיקומי המצלמה המשודרגים, VolE משטיח את נקודות ה‑3D לכל תמונה ממוינת ושומר רק את אלה שנמצאים בעקביות על המזון בכל זווית. התוצאה היא ענן נקודות נקי ומבודד השייך אך ורק לפריט המטרה, בעוד שרוב הנקודות מהרקע ושגיאות הסגמנטציה מוסרות.

מנקודות לאובייקט שניתן למדוד

ענני נקודות לבדם קשים למדידה, לכן VolE ממיר אותם למשטח דיגיטלי רציף שנקרא רשת משולשים (mesh). תוכנה תלת־ממדית ייעודית תופרת נקודות סמוכות יחד למשולשי זעיר שאורזים את המנה כעור הדוק, ממלאת פערים קטנים והופכת את האובייקט ל"אטום למים". הרשת מעובדת לאחר מכן באמצעות שלבים של החלקה, סינון רעשים ואופטימיזציה שמסירים בליטות וחורים בלי לשנות את הגודל האמיתי באופן משמעותי. לבסוף משתמשים בטריק מתמטי הידוע כמשפט הדיברגנץ: המשטח נחתך להרבה חתיכות קטנות, כל אחת מטופלת כמו פירמידה זעירה העוגנת בתחילת הצירים. סכימת הנפחים המזיקים (signed volumes) של כל החתיכות מניבה את הנפח הכולל של המזון בסנטימטרים מעוקבים, שניתן להמיר למשקל ולקלוריות בטבלאות צפיפות סטנדרטיות.

Figure 2
Figure 2.

בדיקות על מזונות אמיתיים ומבחנים קשים

כדי לבדוק עד כמה VolE עובד, המחברים בנו מאגר נתונים חדש בשם "Foodkit" של 21 מזונות אמיתיים — מתפוחים ובננות ועד רולים וקונדיטוריה — שצולמו ב‑700–1200 תמונות לכל פריט. הם מדדו את הנפח האמיתי באמצעות הסטת מים ואת המסה על מאזניה מעבדה, ואז השוו נתונים אלה לאומדני VolE. על פני כל הפריטים, שגיאת הנפח הממוצעת הייתה כ־1–2% — כלומר דיוק של כ־99% — ונשארה יציבה גם בריצות חוזרות למרות אקראיות פנימית בתוכנת השחזור. VolE הוערך גם על מאגרי נתונים ציבוריים מאתגרים שנמצאים בתחרויות בינלאומיות, והוכיח ביצועים העולים או שווים לשיטות הטובות הקיימות להערכת נפח מזון, בעוד שאינו דורש לוחות כיול, חיישני עומק או ערכות מצלמה קבועות.

מה זה משמעותי לבריאות היומיומית

במילים פשוטות, עבודה זו מראה שטלפון שכבר בבעלותכם יכול, בעזרת האלגוריתמים הנכונים, למדוד את המזון שלכם כמעט ברמת מעבדה. על ידי המרת סרטונים ספונטניים למודלים תלת־ממדיים מדויקים, VolE מסיר את הצורך במאזניים, בסורקים מיוחדים או בתמונות מסודרות עם אובייקטים להפניה. אף על פי שבשלב זה השיטה עובדת היטב בעיקר עבור פריט עיקרי יחיד בצלחת והרצה נעשית כרגע על מחשב חזק ולא ישירות על הטלפון, השיטה מצביעה על עתיד קרוב שבו יישומי מעקב תזונתי יוכלו לאמוד גודל מנות באופן אוטומטי ואמין. זה יכול להפוך מעקב תזונתי ארוך־טווח לאובייקטיבי פחות מעמסה ויותר נגיש לאנשים המנהלים את בריאותם בחיי היומיום.

ציטוט: Haroon, U., AlMughrabi, A., Zoumpekas, T. et al. VolE: A point-cloud framework for food 3D reconstruction and volume estimation. Sci Rep 16, 8648 (2026). https://doi.org/10.1038/s41598-026-38756-5

מילות מפתח: הערכת נפח מזון, שחזור תלת־ממדי, בריאות ניידת, מציאות רבודה, הערכה תזונתית