Почетна  / Како бројати своје калорије
Водич · Праћење калорија

Како да бројиш калорије а да на то не потрошиш живот. 4 методе у поређењу, њихова стварна прецизност и она коју ћеш и даље користити за 6 месеци.

AI скенирање фотографије, бар код, база података, брзи унос: шта свака метода заиста вреди, зашто 80% људи одустане у року од 3 месеца и како да изабереш према свом профилу.

Тим Lean · 11 min читања · Ажурирано 11. јуна 2026.
Преузми на App Store-у Доступно на Google Play-у Бесплатно преузимање
Вођење дневника исхране је понашање које се најчешће повезује са успешним губитком тежине у научној литератури (Burke, 2011). Проблем никада није била ефикасност, већ придржавање: ручни унос намирнице по намирницу исцрпљује свакога, и скоро 80% људи одустаје за мање од 3 месеца. Овај водич упоређује 4 методе за бројање твојих калорија, од најбрже (AI скенирање фотографије, 5 секунди) до најпрецизније (база података + вага), и каже ти коју да изабереш према свом профилу.
Кратак одговор

Четири методе за бројање калорија: AI скенирање фотографије (фотографишеш свој тањир, AI препознаје сваку намирницу и њену количину), скенирање бар кода (паковани производи, подаци произвођача), база података (претрага + мерење, најпрецизнији начин) и брзи унос (укупна процена за 10 секунди). Добра метода је она коју ћеш користити и за 6 месеци, а не најпрецизнија на папиру. А бројање уноса има смисла само ако је твоја потрошња, TDEETotal Daily Energy Expenditure: твоја укупна калоријска потрошња за 24 сата. TDEE = BMR + NEAT + EAT + TEF., тачно израчуната.

01 · Стање ствари

Зашто 80% људи престане да броји за 3 месеца

Бројање калорија функционише. Није у томе ствар. Ствар је у томе што скоро нико не издржи: студије о програмима мршављења показују масовно одустајање већ у првим недељама, много пре првог видљивог резултата на ваги.

80 %
уписаних у програм мршављења одустане у прва 3 месеца (Alexander et al., 2018). Главни узрок: мукотрпност праћења, а не недостатак воље.

Мукотрпност, конкретно: тражиш „пилеће бело месо“ на листи, бираш праву ставку међу 40 дупликата, процењујеш 150 g одока, па све испочетка за боранију, затим за маслиново уље. Три пута дневно. 90 пута месечно. Управо то књиговодство убија праћење, а не сама идеја праћења.

Практичан закључак: избор твоје методе уноса није детаљ ергономије. То је БАШ та варијабла која одлучује да ли ће твоји подаци још постојати за 3 месеца. Ево 4 методе, рангиране од најбрже до најзахтевније.

02 · Метода 1

AI скенирање фотографије: 5 секунди по оброку

Фотографишеш свој тањир. AI у Lean-у врши двоструку идентификацију: прво препознаје сваку присутну намирницу (пилетина на жару, боранија), затим процењује количину сваке. Резултат није укупан број извучен из рукава: то је приказ разложен по намирницама, с калоријама и макросима за сваку ставку.

AI скенирање у стварним условима: фотографија, анализа, резултат.

У сликама, корак по корак, на правом оброку:

AI скенирање у Lean-у: снимљена фотографија јела, опционо поље за детаље преко тастатуре
Кадрираш. Ако желиш, додаш детаљ преко тастатуре.
AI анализа у току у Lean-у: фотографија јела се обрађује
Вештачка интелигенција анализира тањир.
Резултат AI скенирања: свака намирница избројана, са калоријама и макросима
Свака намирница избројана.

На уобичајеним јелима типична грешка је око ±10% по оброку. То је мање прецизно од ваге, а сасвим довољно за управљање губитком масти (на то се враћамо ниже, уз закон великих бројева). Пре свега, то је једина метода која покрива оброке без етикете: код куће, у ресторану, у мензи.

Где Lean иде даље: контрола остаје твоја

AI скенирање је корисно само ако можеш да коригујеш оно што предлаже. Lean ти даје три полуге, по намирници:

Полуга 1

Промена количина

Клизач за сваку намирницу: овде је хлеб, који је вештачка интелигенција проценила на 101,4 g, коригован на 70 g. Калорије и укупан збир јела тренутно се поново израчунавају.

Оброк скениран у Lean-у пре исправке: хлеб процењен на 101,4 g
Вештачка интелигенција је проценила хлеб на 101,4 g.
Клизач количине у Lean-у: хлеб коригован на 70 g, тренутно поновно израчунавање
Коригован на 70 g, све се поново израчунава.
Полуга 2

Промена макроса

Познајеш свој рецепт боље од просека? Овде, чипс: вештачка интелигенција предлаже 4,1 g масти, ти исправљаш на 14 g. Кружни графикон и укупан збир прате промену.

Макроси чипса које је проценила вештачка интелигенција у Lean-у: 4,1 g масти
Чипс према вештачкој интелигенцији: 4,1 g масти.
Макроси чипса ручно кориговани у Lean-у: 14 g масти
Ручно кориговано: 14 g.
Полуга 3

Поновно скенирање само једне намирнице

Вештачка интелигенција је помислила да је ћуретина сир? Укуцаш прави назив, тај ред се сам поново анализира, без поновне обраде целог јела.

Поновно скенирање намирнице у Lean-у: унос тачног назива преко тастатуре
Прецизираш: ћурећа шунка.
Резултат после поновног скенирања у Lean-у: ћурећа шунка идентификована, укупно поново израчунато
Ћурећа шунка, 53 kcal. Укупно поново израчунато.

Тест наспрам Cal AI: рашчлањивање наспрам укупне процене

Иста фотографија, две апликације. Разлика упада у очи:

Поређење AI скенирања: иста фотографија оброка дата апликацијама Lean и Cal AI
Иста фотографија, дата обема апликацијама.
Резултат у Lean-у: сендвич и чипс рашчлањени намирницу по намирницу
Lean: свака намирница, детаљан укупан збир.
Резултат у Cal AI: укупна процена јела без рашчлањивања
Cal AI: укупна процена по јелу.

То је структурна разлика у односу на већину апликација за скенирање, с Cal AI на челу: оне враћају укупну процену по јелу, укупан број калорија и макроса без рашчлањавања по намирницама које се може мењати. Ако је процена погрешна, прихватиш је или је одбациш. Кад је приказ разложен по намирницама, грешка се исправља у два додира.

Добра употреба: домаћи оброци, ресторан, менза, сви оброци без бар кода. Подразумевана метода за 90% оброка.

03 · Метода 2

Скенирање бар кода: прецизност етикете

За све што долази у паковању, бар код је непобедив: нутритивне вредности долазе директно из података произвођача. Lean се ослања на базе USDA и OpenFoodFacts, односно на милионе производа. Скенираш, подесиш количину и готово.

Скенирање бар кода: тачни подаци о производу, директан унос.

Ограничење је очигледно: твој тањир домаће тестенине нема бар код. Зато се ова метода природно комбинује са AI скенирањем фотографије, а не замењује га.

Добра употреба: намирнице из продавнице, грицкалице, прерађени производи, протеински шејкови. Максимална прецизност за индустријске производе, без имало труда.

04 · Метода 3

База података + вага: режим прецизности

Класична метода: измериш намирницу, потражиш је у бази, унесеш грамажу. Уз кухињску вагу, то је најпрецизнија метода која постоји, она коју користе припреме за такмичења и клинички протоколи.

Претрага намирнице у бази података апликације Lean, са историјом и брзим уносом
Претрага, историја, унос у два додира.
Тачни нутритивни подаци производа у Lean-у, са утицајем на дневне буџете
Тачан податак о производу, утицај у реалном времену.

Панел „Преостало / Утицај“ ти показује, пре него што уопште потврдиш, шта намирница мења у твојим дневним буџетима: калорије, протеини, угљени хидрати, масти, влакна. Одлучујеш свесно, а не накнадно.

Lean своди муку на минимум: историја твојих честих намирница, претрага у USDA + OpenFoodFacts, унос у два додира са листе. Али будимо искрени када је реч о стварној цени: 2 до 3 минута по оброку и дисциплина вагања. Управо та мукотрпност доводи до 80% одустајања код класичне методе.

Добра употреба: строга дефиниција, напредна рекомпозиција, спортови са тежинским категоријама. И твојих 5 до 10 намирница које свакодневно једеш, а које захваљујући историји уносиш скоро тренутно.

05 · Метода 4

Брзи унос: процена која спасава дан

Рођендански шведски сто, претрпан дан, оброк на ногама између два састанка: неки оброци никада неће бити прецизно праћени. Брзи унос ти омогућава да за 10 секунди унесеш укупну процену, односно процењене калорије и макросе. Мање прецизно, али бесконачно боље од рупе у подацима.

Образац брзог уноса у Lean-у: назив, калорије и макроси унесени ручно
Назив, калорије, макроси: 10 секунди.
Брзи унос забележен у дневнику исхране у апликацији Lean
Једна процена, дан спасен.

Калоријски биланс уживо ради остало: на снимку екрана, циљ од 2 143 kcal, 1 000 унето, 1 143 преостало, непрекидно поново израчунато током дана. Приближан, али праћен дан вреди више од савршеног дана који је напуштен: резултатом управља недељни просек, а не чистота једног изолованог дана.

Нутритивни детаљи оброка у брзом уносу у Lean-у: преостало и утицај
Преостало и утицај, поново израчунати у реалном времену.

Добра употреба: напорни дани, друштвени оброци, спас од одустајања. Метода која спречава „пропустио сам један оброк, ова недеља је ионако пропала“.

Преузми на App Store-у Доступно на Google Play-у Бесплатно преузимање
06 · Избор

Која метода за који профил

Прво, поређење 4 методе по 4 критеријума која су важна: лакоћа по оброку, доступност (да ли функционише свуда и увек), одрживост на дуже стазе и прецизност.

AI скенирање фотографије

Фотографија, 5 секунди

Лакоћа++
Доступност++
Дугорочност++
Прецизност+

Бар код

Тачна етикета

Лакоћа+
Доступност+
Дугорочност+
Прецизност++

База података + вага

Режим прецизности

Лакоћа−
Доступност+
Дугорочност−
Прецизност++

Брзи унос

Резервна процена

Лакоћа++
Доступност++
Дугорочност−
Прецизност−

++ одлично + добро − слаба тачка. „Дугорочност“ = вероватноћа да ћеш методу и даље користити за 6 месеци.

Тумачење поређења: ниједна метода не побеђује свуда. AI скенирање доминира по придржавању, база + вага по прецизности, а брзи унос постоји само да попуни рупе. Отуда профили: 4 методе се не искључују, права стратегија је комбинација, дозирана према твојим тренутним захтевима и распореду. Три профила покривају скоро све случајеве.

Профил 1 · Почетник

Без муке, учење кроз праксу

AI скенирање фотографије свуда, бар код за упаковане производе, без вагања. Једини циљ: издржати 3 месеца и истренирати око за порције. Прецизност ће доћи касније, прво навика.

Профил 2 · Максимална строгост

Сваки проценат се рачуна

Вага + база података за кућне оброке, бар код за упаковане производе, AI скенирање у ресторану. За кратке фазе у којима се прецизност заиста исплати: крај дефиниције, званично мерење.

Профил 3 · У журби или напредан

Поуздани подаци без размишљања

Бар код и AI скенирање свакодневно, брзи унос као резерва у немогућим данима. Већ познајеш своје порције, само желиш да подаци постоје.

Правило за одлучивање, важи за све: ако се двоумиш, изабери најлакшу методу које ћеш се сигурно држати. Савршен податак који престанеш да уносиш после 3 недеље не вреди ништа.

07 · Прецизност

Грешка од ±10% која нестаје за месец дана

Класична примедба на AI скенирање: „±10% грешке, то је превише“. То је размишљање о једном изолованом оброку. А ти не пратиш један оброк: пратиш их око 90 месечно.

Оброк 1Оброк 12

Розе: прецењени оброци. Зелено: потцењени оброци. Црна линија: твој стварни унос. Током месеца разлике се поништавају.

То је закон великих бројева (Колмогоров): независне случајне грешке се поништавају како број мерења расте. Плус 12% у понедељак поништава 8% која недостају у уторак. Оно што остаје после месец дана је просечна пристрасност модела, блиска нули код добро калибрисаног скенирања, а не шум једног оброка.

Ручни унос, пак, пати од проблема сасвим друге природе: систематске пристрасности. Људи пријављују мање него што поједу, увек у истом смеру, а пристрасност се никада не изравнава.

47 %
разлике између ручно пријављених и стварно унетих калорија, измерено методом двоструко обележене воде код испитаника којима дијета није успевала (Lichtman, NEJM 1992). Људска пристрасност се не поништава, а случајни шум скенирања да.

Поука: питање није „да ли је AI скенирање савршено?“ него „која метода даје најтачније податке на 90 оброка?“. А ту аутоматизација побеђује, јер замењује усмерену пристрасност шумом који се поништава.

08 · Потрошња

Бројање није довољно: недостаје друга половина једначине

Савршен дневник исхране сам по себи ништа не говори. Губитак масти значи негативан енергетски биланс: унос мањи од потрошње. Ако ти је потрошња погрешно израчуната, твој дефицит је рачуноводствена фикција и можеш да бројиш калорије до грама а да никада не напредујеш.

TDEE = BMR + NEAT + EAT + TEF
Канонска једначина потрошње. BMR = базални метаболизам. NEAT = активност ван спорта. EAT = тренинзи. TEF = варење.

Проблем: скоро све апликације процењују твоју потрошњу помоћу формула Harris-Benedict (1919) или Mifflin-St Jeor (1990), заснованих на укупној тежини, које занемарују твој телесни састав. При истој тежини, тело са 15% телесне масти и тело са 30% уопште не сагоревају исто. Lean израчунава потрошњу другачије, у четири корака:

Стварна телесна маст. Фотографија, 5 секунди.
Корак 1

BodyScan AI

Сликаш се у апликацији. Вештачка интелигенција процењује твоју телесну маст на основу видљиве грађе тела, и то поново сваке недеље. Управо то мерење заснива цео прорачун на твојој безмасној маси, а не на укупној тежини.

Корак 2

BMR помоћу патентираног власничког модела

Патентирани алгоритам апликације Lean израчунава твој базални метаболизам на основу твоје стварне безмасне масе. Прецизније од формула Harris-Benedict 1919 или Mifflin-St Jeor 1990, које познају само твоју тежину.

Корак 3

NEAT, EAT и TEF измерени, а не паушално процењени

Твоји кораци се рачунају у NEAT, твоји тренинзи у EAT преко референтних MET табела, а TEF се израчунава на основу макроса које си стварно појео, баш захваљујући твом праћењу.

Корак 4

Поново израчуната метаболичка адаптација

У дуготрајном дефициту BMR опада. Lean је прва апликација која моделује тај коефицијент и мултипликативно га примењује на BMR. Конвенција: 100% = оптимално, 90% = адаптација од 10 поена.

Резултат: биланс уживо упоређује оно што једеш (избројано помоћу 4 методе из овог водича) са оним што стварно трошиш, уз непрекидно поновно израчунавање. Управо комбинација обе половине, тачног уноса и тачне потрошње, чини губитак масти предвидивим. Једно без другог је рачуноводство у празно.

Преузми на App Store-у Доступно на Google Play-у Бесплатно преузимање
09 · FAQ

Често постављана питања о бројању калорија

Колико калорија дневно за губитак тежине?
Не постоји универзални број: све зависи од твоје укупне потрошње (TDEE), која се мења у зависности од твог базалног метаболизма, свакодневне активности, спорта и телесног састава. Поуздано правило: дефицит од 300 до 500 kcal испод твог стварног TDEE-а, никада генерички број попут „1 500 kcal“ извучен ниоткуда. Свој можеш да процениш: пробај калкулатор калоријског дефицита.
Да ли је AI скенирање фотографије поуздано за бројање калорија?
Да, под условом да разумеш шта се мери. На уобичајеним јелима типична грешка је око ±10% по оброку, уз препознавање намирницу по намирницу које можеш да исправиш (количине, макроси, поновно скенирање). Током месеца, односно око 90 оброка, случајне грешке се поништавају по закону великих бројева: битна је просечна пристрасност, а не одступање једног изолованог оброка.
Да ли треба вагати намирнице за бројање калорија?
Само ако си у фази у којој се сваки проценат рачуна: строга дефиниција, напредна рекомпозиција, спорт са тежинским категоријама. За велику већину људи AI скенирање фотографије и бар код су сасвим довољни. Придржавање током 6 месеци има много већу тежину у коначном резултату од теоријске прецизности вагања које ћеш напустити.
Да ли треба бројати калорије сваки дан?
Резултатом управља недељни просек, а не свакодневно савршенство. У претрпаним данима брзи унос од 10 секунди вреди бесконачно више од рупе у подацима. Приближан оброк ништа не квари; недеља без икаквих података квари, јер скрива тренд.
Зашто не губим тежину иако бројим своје калорије?
Два узрока су најчешћа. Прво, непотпуно пријављивање: измерено је до 47% разлике између ручно пријављених и стварно унетих калорија (Lichtman, 1992); AI скенирање смањује ту пристрасност јер мери тањир уместо да се ослања на твоје памћење. Друго, прецењена потрошња: већина апликација израчунава твој TDEE формулама заснованим на укупној тежини, које занемарују твоју телесну маст и метаболичку адаптацију. Ако је потрошња погрешна, приказани дефицит не постоји.
Да ли бројање калорија води у опсесију?
Циљ је управо супротан: свести праћење на неколико секунди по оброку, како не би заузимало никакав простор у глави, док ручно књижење може постати наметљиво. Неколико месеци праћења истренира ти око за порције; после тога можеш да олабавиш, па чак и да пређеш на брзи унос. Ако ти је дијагностикован поремећај исхране, разговарај са здравственим стручњаком пре него што почнеш да пратиш.
Која је разлика између апликација Lean и MyFitnessPal за бројање калорија?
MyFitnessPal се заснива на огромној колаборативној бази, али на углавном ручном уносу и на TDEE-у процењеном на основу укупне тежине. Lean рашчлањује свако јело по намирницама помоћу AI скенирања и, пре свега, израчунава твоју потрошњу на основу твоје стварне телесне масти измерене помоћу BodyScan-а, уз метаболичку адаптацију. Бројање уноса има смисла само ако је потрошња тачна. Детаљно поређење апликацију по апликацију налази се у нашем поређењу најбољих апликација за калорије.
Извори

Библиографија

  1. Burke L.E., Wang J., Sevick M.A. (2011). Self-monitoring in weight loss: a systematic review of the literature. J Am Diet Assoc. PubMed 21185970.
  2. Alexander E., Tseng E., Durkin N. et al. (2018). Factors associated with early dropout in an employer-based commercial weight-loss program. Obes Sci Pract. PMC6298204.
  3. Lichtman S.W. et al. (1992). Discrepancy between self-reported and actual caloric intake and exercise in obese subjects. N Engl J Med. PubMed 1454084.
  4. Martin C.K. et al. (2009). A novel method to remotely measure food intake of free-living individuals in real time: the remote food photography method. Br J Nutr. PubMed 18616837.
  5. USDA FoodData Central. Референтна база нутритивних података. fdc.nal.usda.gov.
  6. Open Food Facts. Светска колаборативна база пакованих прехрамбених производа. world.openfoodfacts.org.
  7. Hall K.D. et al. (2011). Quantification of the effect of energy imbalance on bodyweight. Lancet. PubMed 21872751.
  8. Mifflin M.D. et al. (1990). A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. PubMed 2305711.
  9. Harris J.A., Benedict F.G. (1919). A Biometric Study of Basal Metabolism in Man. Carnegie Institution of Washington.
  10. Ainsworth B.E. et al. (2011). Compendium of Physical Activities: a second update of codes and MET values. Med Sci Sports Exerc. PubMed 21681120.