# Hoe nauwkeurig is een AI-calorieteller? De studies > AI-calorietellers met foto herkennen eten goed, maar zitten vaak naast bij porties, calorieën en vet. Dit vonden zes studies op PubMed, dit zeggen de makers van de apps over hun eigen schattingen, en zo log je betrouwbaarder. *Author: Trainera Team | Published: 2026-10-17 | Reading time: 9 min* ## Hoe nauwkeurig zijn AI-calorietellers met foto? Een AI-calorieteller met foto benoemt goed wat er op je bord ligt, maar schat veel slechter in hoeveel het is. De calorieën kunnen daardoor flink afwijken, vooral bij grote, gemengde of vette maaltijden. In de zes studies hieronder herkenden apps en AI-modellen het meeste eten goed, maar zaten de schattingen van calorieën of voedingsstoffen in twee studies meer dan 10% ernaast, waren portieschattingen in één studie slecht bij middelgrote en grote maaltijden, en werd vet in een andere overschat. Zie een fotoschatting als eerste versie om te controleren, niet als meting. Zoek je vooral een app, dan vergelijkt ons overzicht van de [beste calorieteller-apps met AI-foto](/blogs/beste-calorieteller-app-ai-foto) ze voor je. Alle bronnen hier zijn gecontroleerd in oktober 2026. ## Wat het onderzoek laat zien Herkenning is sterk, portie- en calorieschattingen niet, en hoe groter de maaltijd, hoe groter de fout. Alle zes samenvattingen staan op PubMed. Ze testen verschillende dingen, dus lees elk resultaat op zichzelf, niet als één score voor "AI". | Studie | Wat werd getest | Belangrijkste uitkomst (uit de samenvatting) | | -------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------- | | [Li et al., Nutrients 2024](https://pubmed.ncbi.nlm.nih.gov/39125452/) | Zeven apps met AI-fotoherkenning, plus apps voor handmatig loggen | MyFitnessPal en Fastic herkenden eten het best (97% en 92%), maar de automatische energieschatting via AI-fotoherkenning was onnauwkeurig | | [O'Hara et al., Nutrients 2025](https://pubmed.ncbi.nlm.nih.gov/40004936/) | ChatGPT op 114 foto's van maaltijden | 93,0% precisie bij het herkennen; slechte overeenkomst in gewicht bij middelgrote en grote maaltijden; meer dan 10% ernaast voor 13 voedingsstoffen | | [Isobe et al., Nutrients 2026](https://pubmed.ncbi.nlm.nih.gov/41901141/) | 10 AI-modellen tegenover 10 diëtisten bij 15 gestandaardiseerde ziekenhuismaaltijden | De beste modellen zaten voor energie en koolhydraten vaak binnen 10%; alle modellen overschatten vet, met een gemiddelde afwijking van meer dan +20% | | [Rodríguez-Jiménez et al., Nutrients 2025](https://pubmed.ncbi.nlm.nih.gov/41305663/) | ChatGPT-5 op 195 gerechten met meer of minder context | Nauwkeuriger met een beschrijving en daarna hoeveelheden van ingrediënten bij de foto, minder nauwkeurig zonder foto | | [Lozano et al., Current Developments in Nutrition 2023](https://pubmed.ncbi.nlm.nih.gov/38026571/) | Een AI-app (Openfit) bij heimelijk gewogen maaltijden, 24 volwassenen | Een fout in energie van 43% (automatisch) en 33% (half automatisch) met dranken meegeteld; grotere fout bij maaltijden met meer energie | | [Serra et al., Frontiers in Nutrition 2023](https://pubmed.ncbi.nlm.nih.gov/37810925/) | Een app voor voedselherkenning (SNAQ) tegenover dubbel gelabeld water bij 30 vrouwen | Gemiddelde afwijking van -329,6 kcal per dag, beter dan een 24-uurs navraag (-543,0), maar geen verband tussen individuele schattingen en de referentie | ### Eten herkennen is nog geen calorieën tellen Hoge percentages zijn meestal herkenningsscores. Bij Li gaan 97% en 92% over hoe vaak de apps het eten goed benoemden, niet over hoe dicht de calorieën zaten. De ChatGPT-studie haalde 93,0% bij het herkennen, maar was zwak in het gewicht van middelgrote en grote porties, en 11 voedingsstoffen werden onderschat. "Kip, rijst, broccoli" herkennen is makkelijk. De calorieën hangen af van de grammen. ### Grotere maaltijden, grotere missers De Openfit-pilot vond grotere fouten bij maaltijden met meer energie, en de ChatGPT-studie zwakke gewichtsschattingen bij middelgrote en grote maaltijden. Een snack die er wat naast zit kost weinig, een groot avondbord met dezelfde procentuele fout trekt je hele dag scheef. ### Vet is het zwakke punt De studie met gestandaardiseerde ziekenhuismaaltijden is de meest gecontroleerde in dit lijstje. Zelfs daar scoorden eiwit en vet duidelijk lager dan energie en koolhydraten, en elk AI-model overschatte vet gemiddeld met meer dan 20%. Tel je macro's, wantrouw dan vooral het vetcijfer. ### Een goed gemiddelde kan slechte losse dagen verbergen Dubbel gelabeld water is een labmethode die het energieverbruik over enkele dagen meet en als referentie voor inname dient. De SNAQ-app deed het gemiddeld beter dan een 24-uurs navraag. Maar per persoon was er geen verband tussen de schattingen van de app en de referentie, en het bedrijf achter de app bouwde de onderzoeksversie tegen betaling. Een goed groepsgemiddelde zegt niets over jouw cijfers. ### Meer context helpt Voor dagelijks loggen is de ChatGPT-5-studie de nuttigste. Alleen een foto was het minst nauwkeurig, een foto met beschrijving beter, en een foto met hoeveelheden van ingrediënten het best. "Gebakken in olijfolie, ongeveer 150 g rijst" erbij typen loont. ## Wat de makers van de apps zelf zeggen over hun schattingen Geen van de aanbieders die we bekeken noemt een fotoschatting definitief, en de meeste vragen je om te controleren voordat je opslaat. De citaten staan er letterlijk, in het Engels. | App | Wat de aanbieder zegt (letterlijk) | Bron | | ------------ | ------------------------------------------------------------------------------------------------------------------------ | ---------------------------------------------------------------------------------------------------------------------------------- | | Cal AI | "CalAI is about 80% accurate. No food tracking app is perfect, and calories and nutrition values can vary." | [Cal AI FAQ](https://www.calai.app/faq) | | MyFitnessPal | "Meal Scan gives you a starting point, not a final answer, so you always have the last word on what goes in your diary." | [MyFitnessPal help](https://support.myfitnesspal.com/hc/en-us/articles/360045761612-How-to-use-the-Meal-Scanner) | | Yazio | "The AI recognition only provides a rough estimate and cannot guarantee 100% accurate results." | [Yazio help](https://help.yazio.com/hc/en-us/articles/39137901903889-What-is-the-AI-Calorie-Tracking-Feature-and-how-does-it-work) | | Cronometer | "Always check if your foods have been matched correctly before adding to your diary for the most accurate logging." | [Cronometer support](https://support.cronometer.com/hc/en-us/articles/39013533811092-Mobile-Photo-Logging) | | MacroFactor | "AI is not perfect and can make mistakes, and we give users the control to edit and modify its results." | [Vergelijkingspagina van MacroFactor](https://macrofactor.com/macrofactor-vs-cal-ai/) | | Lose It! | "We'll do our best to suggest the best match for the food(s) in your photo, but you can always make adjustments." | [Lose It! help](https://help.loseit.com/hc/en-us/articles/47771695186580-How-to-Use-Snap-It) | Twee kanttekeningen. De "about 80%" van Cal AI komt zonder gepubliceerde methode, dus je weet niet of het over herkenning, calorieën per maaltijd of iets anders gaat. MacroFactor zegt dat het in een eigen test met gewogen eten dichter zat dan Cal AI, maar dat is een eigen test zonder data op de pagina, geen onafhankelijke studie. MyFitnessPal geeft op zijn hulppagina een tip die in elke app werkt: bestaat je maaltijd uit meerdere onderdelen, scan dan één gerecht tegelijk voor betere suggesties. ## Waarom fotoschattingen misgaan Een foto toont de buitenkant van een maaltijd, maar calorieën hangen af van gewicht en van wat de camera niet ziet. * **Verborgen vet.** Olie in rijst of groente, boter gesmolten in een saus en dressing onderin een kom zie je op een foto niet. Vet is het meest energierijke deel van eten, dus een kleine misser verschuift het totaal flink. * **Diepte van de portie.** Een foto is plat: een ondiep bord en een diepe kom pasta lijken van bovenaf op elkaar. Sommige apps proberen volume te meten (Cal AI zegt dat de "phone's depth sensor calculates food volume"), maar in de studies bleef portiegrootte het grootste zwakke punt. * **Gemengde gerechten.** Stoofpot, curry, ovenschotel, burrito's en broodjes verbergen hun ingrediënten, dus het model raadt recept en hoeveelheid. * **Wat op elkaar lijkt.** Volle of magere melk in je koffie, gewone of light mayonaise, frisdrank met of zonder suiker: op een foto zie je het niet. * **Drinken.** In de Openfit-studie veranderde de fout duidelijk als dranken werden meegeteld. Een glas naast je bord telt mee. * **Lokale recepten.** Hetzelfde gerecht kan per land of keuken een ander recept zijn. Onze gids over [calorieën tellen bij Midden-Oosters eten](/blogs/calorieteller-midden-oosters-eten) laat zien hoe groot dat verschil kan zijn. | Soort maaltijd | Typisch probleem voor een foto | Wat je doet | | -------------------------------------- | ----------------------------------------------- | --------------------------------------------------------------------------------- | | Verpakt eten | De foto raadt wat het etiket al zegt | Gebruik etiket of barcode | | Eenvoudig bord (vlees, rijst, groente) | Portie rijst of pasta, bakolie | Corrigeer de grammen zetmeel en voeg olie toe | | Salade met dressing | Dressing en kaas verborgen of onderschat | Log de dressing apart | | Stoofpot, curry, ovenschotel | Onbekend recept en vetgehalte | Beschrijf de hoofdingrediënten, of log je eigen recept één keer en hergebruik het | | Maaltijd in een restaurant | Recept, bakvet en portie zijn allemaal onbekend | Gebruik gepubliceerde voedingswaarden als die er zijn, rond anders naar boven af | | Koffie en drankjes | Soort melk, suiker, siropen | Voeg ze toe als aparte items | ## Zo haal je betere cijfers uit elke foto-app Laat de foto het eten benoemen, corrigeer daarna in een paar seconden de porties en voeg toe wat de camera niet ziet. 1. **Controleer elk item voor je opslaat.** Verwijder wat er niet ligt, hernoem wat fout is en pas de bereiding aan als de app gefrituurd dacht in plaats van gegrild. 2. **Corrigeer de portie van het grootste onderdeel.** Meestal het zetmeel of het eiwit. Zelf gekookt? Dan ken je de hoeveelheid vaak van de verpakking. 3. **Weeg calorierijk eten af en toe.** Olie, boter, notenpasta, noten, kaas, granola en droge rijst of pasta: daar tellen kleine fouten op. Af en toe wegen traint je oog, zodat je correcties beter worden. 4. **Voeg de verborgen extra's toe.** Bakolie, sauzen, dressing, suiker in je koffie. 5. **Scan één gerecht tegelijk** als er meerdere losse onderdelen op je bord liggen. 6. **Voeg woorden toe.** Typ bakvet en ruwe hoeveelheden erbij als de app dat toestaat. 7. **Gebruik etiketten voor verpakt eten.** Een barcode of etiket wint van elke fotogok. 8. **Kijk naar de trend.** Eén maaltijd kan ernaast zitten. Vergelijk je gelogde gemiddelde over een paar weken met je gewichtstrend en stuur bij. Onze gids over [een calorietekort berekenen](/blogs/calorietekort-berekenen-vetverlies) legt uit hoe. Een veelgemaakte fout is het omgekeerde: tien minuten een bijgerechtje salade perfect loggen, terwijl de olie in de pan nooit in je log komt. Steek je moeite waar de calorieën zitten. ## Hoe nauwkeurig moet je logboek zijn? Dat hangt af van je doel: grof is prima voor bewustwording, en hoe strakker je doel, hoe meer je weegt. Wil je leren hoe een normale portie eruitziet of wat meer eiwit eten, dan volstaat een gecorrigeerde fotolog. Zit je in een strakke afvalfase of mik je op precieze [macrodoelen](/blogs/macros-berekenen), weeg dan de calorierijke onderdelen en gebruik de foto voor de rest. Tel je koolhydraten voor medicatie, heb je een medische aandoening, ben je zwanger of gebruik je GLP-1-medicatie, overleg dan met je arts voordat je op fotoschattingen vertrouwt. Maakt eten bijhouden je onrustig, of heb je een eetstoornis gehad, praat dan eerst met je arts. Niet bijhouden is ook een prima keuze. ## Waar de fotoscan van Trainera past De fotoscan van Trainera geeft een AI-schatting die je aanpast voordat je logt. Hij zit in Premium, $6.99 per maand in de VS (prijzen verschillen per land, zie [trainera.fit/nl/prijzen](/nl/prijzen)). Bij een foto benoemt een AI-model voor beeldherkenning het eten en schat het per item de grammen, calorieën en macro's. Je corrigeert elk item voordat het in je log komt, precies de gewoonte die de studies ondersteunen. Premium geeft tot 20 scans per dag. Het blijft een schatting, zoals elke tool hier, en vervangt wegen niet als precisie telt. Trainera voegt de trainingskant toe in dezelfde app. Premium bevat ook 10 AI-trainingsschema's, 10 AI-voedingsschema's en 10 AI-workouts per maand, AI Nutrition Chat en TRAI, de assistent in de app, met 90 vragen per maand. Gratis, zonder creditcard, krijg je de voedingstracker met calorieën en macro's, zoeken naar voedingsmiddelen en het intypen van een barcodenummer. Heeft je trainer Pro, Business of Enterprise, dan krijg je de scan via je coach. Wil je alleen foto's loggen, dan past een losse tracker misschien beter. Onze vergelijking [Cal AI vs MyFitnessPal](/blogs/cal-ai-vs-myfitnesspal-vergelijking) en het overzicht van [alternatieven voor Cal AI](/blogs/cal-ai-alternatieven) bespreken die apps. Maaltijdfoto's zijn ook persoonlijke gegevens, dus lees [hoe fitness-apps met je gegevens omgaan](/blogs/privacy-ai-fitness-app-is-je-data-veilig) voordat je er een kiest. ## Je checklist voor betrouwbaardere fotologs * Vertrouw de namen van het eten meer dan de grammen. * Corrigeer steeds het grootste onderdeel en voeg bakvet toe. * Wees het kritischst op het cijfer voor vet. * Scan gerechten één voor één en voeg een korte beschrijving toe. * Weeg calorierijk eten af en toe om bij te stellen. * Beoordeel je inname per week, niet per maaltijd. _Wil je een AI-schatting van je bord naast een AI-trainingsschema? [Bekijk hoe de AI-fitnesscoach van Trainera werkt](/nl/ai-fitnesscoach) of [begin gratis](/auth/register?role=client)._ ## FAQ ### Zijn AI-calorieteller apps nauwkeurig? Ze zijn goed in het herkennen van eten, maar minder betrouwbaar in het schatten van porties en calorieën. Studies op PubMed vonden hoge herkenningsscores, terwijl de schattingen van calorieën of voedingsstoffen in twee ervan meer dan 10% afweken en vet in een andere werd overschat. Controleer de porties en voeg verborgen olie toe voordat je een fotolog opslaat. ### Is Cal AI echt 80% nauwkeurig? Cal AI zegt in zijn FAQ "about 80% accurate" te zijn, maar publiceert geen methode of definitie, dus je weet niet wat die 80% meet. Zie elke fotoschatting, uit welke app ook, als een startpunt dat je corrigeert. ### Is eten wegen beter dan een foto maken? Wegen is nauwkeuriger, vooral bij calorierijk eten zoals olie, noten, kaas en droge rijst of pasta. Een praktische middenweg: log de meeste maaltijden met een foto, corrigeer de porties en weeg de calorierijke dingen af en toe, zodat je schattingen eerlijk blijven. ### Overschatten of onderschatten AI-voedselscanners calorieën? Allebei. In een studie uit 2026 overschatte elk AI-model vet gemiddeld met meer dan 20%, terwijl een ChatGPT-studie uit 2025 onderschattingen vond voor 11 voedingsstoffen en zwakke portieschattingen bij middelgrote en grote maaltijden. Bij grotere maaltijden zijn de fouten meestal groter. ### Kan ChatGPT calorieën tellen van een foto? Het kan eten goed benoemen, maar studies vonden zwakke schattingen van porties en voedingsstoffen op basis van alleen een foto. De nauwkeurigheid ging omhoog met een beschrijving en hoeveelheden van ingrediënten, dus typ erbij wat de foto niet laat zien, zoals bakolie en ruwe grammen. --- Source: https://trainera.fit/blogs/ai-calorieteller-nauwkeurigheid