Nutrify의 음식 인식 AI는 식사 사진을 큰 멀티모달 AI 모델에 보내서, 보이는 것을 말로 설명하게 해요. 학습된 요리 목록에 갇혀 있지 않아서, 인제라와 미스르 와트, 마살라 도사, 쌀국수 한 그릇도 이름을 붙이고 접시의 구성 요소까지 알아볼 수 있어요.
그래도 지역 요리나 집에서 만든 요리에서는 실수할 때가 있어요. '치킨 소스를 곁들인 남인도 도사'처럼 짧게 적어 주면(앱이 예시로 보여 주는 문장이에요) 대부분의 실수가 바로잡혀요.
핵심 요약
- 고정 메뉴가 아니라 자유로운 설명이에요. 모델은 수백 개 카테고리에서 고르는 대신 요리를 설명하기 때문에, 덜 알려진 음식 문화도 빠지지 않아요.
- 이름이 맞아도 그것만으로는 충분하지 않아요. 분량과 숨은 지방(기, 코코넛 밀크, 생크림) 때문에 칼로리가 달라질 수 있어요.
- 사진을 다시 찍기보다 설명을 더하는 게 빨라요. 요리에 무엇이 들어갔는지 입력하거나 말로 전하는 게 가장 빠른 해결책이에요.
- 집밥 레시피는 라이브러리에 넣어 두세요. 한 번 가져오면 탭 한 번으로 1인분을 기록할 수 있어요.
- 어떤 Nutrify인지: 이 페이지는 이름이 비슷한 다른 앱이 아니라 Nutrify - AI Calorie Tracker에 관한 내용이에요.
어떤 Nutrify인가요
이름을 쓰는 제품이 여러 개 있어요. 이 글은 Tappect LLC의 Nutrify - AI Calorie Tracker(App Store)에 관한 내용이에요. 기기에서 1,000개가 넘는 정해진 식품을 인식하는 별도 앱인 Nutrify: Whole Food Tracker가 아니고, YOLOv8 검출기를 기반으로 한 연구용 프로토타입인 NutrifyAI도 아니에요.
Nutrify가 요리를 알아보는 방법
- 사진을 찍어요. 또는 갤러리에서 골라요. 분석하기 전에 글이나 음성으로 세부 내용을 더할 수 있어요.
- AI가 접시를 설명해요. 요리 이름과 접시의 각 음식을 말해요(예: "치킨 비리야니, 라이타, 파파드").
- 각 음식의 양을 추정해요. 사진에 보이는 범위에서 항목별 양을 가늠해요.
- 기록을 만들어요. 칼로리, 단백질, 탄수화물, 지방과 수정할 수 있는 재료 목록을 붙여요.
- 확인하고 조정해요. 요리 이름, 수량, 분량을 바꾸면 숫자가 비례해서 다시 계산돼요.
사진을 찍기 어려울 때는 텍스트나 음성으로 식사를 설명하거나, 포장 식품이라면 바코드를 스캔할 수 있어요. 기술적인 배경이 궁금하다면 AI 음식 인식의 원리를 참고하세요.
요리의 종류가 중요한 이유
오래된 음식 인식 시스템은 분류기였어요. 정해진 라벨 집합을 학습하고 가장 가까운 것을 골랐죠. 목록에 없는 요리는 비슷하게 생긴 다른 요리로 추측했어요. 데이터셋은 빠르게 커졌어요. IEEE TPAMI에 실린 Food2K는 2,000개 카테고리와 100만 장이 넘는 이미지를 담고 있어서, 이전 데이터셋보다 약 10배 많아요. 하지만 세상의 음식에 비하면 2,000개 라벨도 적은 편이에요.
| 방식 | 음식 이름 짓는 방법 | 강점 | 약점 |
|---|---|---|---|
| 고정 목록 분류기 | 학습한 라벨 중 가장 가까운 것을 고름 | 빠르고, 휴대폰에서도 실행 가능 | 목록에 없는 음식은 가장 비슷한 엉뚱한 음식으로 나옴 |
| 멀티모달 AI 모델(Nutrify) | 요리와 구성 요소를 말로 설명 | 라벨이 없는 요리나 조합도 처리 | 희귀한 지역 요리는 자신 있게 틀릴 수 있음 |
연구에서는 요리의 종류가 이름뿐 아니라 숫자에도 영향을 준다는 점이 확인됐어요.
- 페루 음식: 페루 요리책에 실린 점심 사진 510장에서, 테스트한 모델 중 최고 성능 모델도 요리 이름을 알려 준 상태에서 레시피의 칼로리 값과 맞은 비율은 45%뿐이었어요. 평균 오차는 108칼로리였어요(Journal of Nutrition, 2026).
- 일본 음식: 연구자들이 AI 모델 6종에 일본인 영양사처럼 생각하라고 지시하자, 모든 모델의 칼로리 추정치가 내려갔어요. 작은 일본 구내식당 식사에서는 오차가 최대 약 20포인트 줄었어요(Nutrients, 2026). 1인분의 기준은 음식 문화마다 달라서, 모델의 기본 분량이 내가 먹는 양과 맞지 않을 수 있어요.
조금 도움이 필요한 음식
자주 헷갈리는 상황과, 이를 해결하는 한 가지 정보를 정리했어요.
| 음식 종류 | 어려운 경우 | 이유 | 더해 줄 정보 |
|---|---|---|---|
| 인도 음식 | 달, 코르마, 버터 치킨 | 기, 생크림, 기름이 보이지 않음 | "기 1큰술로 만듦", "식당, 크리미함" |
| 남인도 음식 | 마살라 도사, 삼바르를 곁들인 이들리 | 속재료가 숨어 있고, 삼바르의 깊이를 가늠하기 어려움 | "마살라 도사, 감자 속", "삼바르 240 ml(1컵)" |
| 에티오피아 음식 | 여러 가지 와트와 함께 나오는 인제라 | 큰 접시에 함께 담기고, 인제라가 스튜 밑에 숨음 | "인제라 2장, 내가 먹은 몫" |
| 태국, 베트남 음식 | 커리, 쌀국수 | 코코넛 밀크와 국물의 양 | "코코넛 밀크 그린 커리", "큰 그릇" |
| 한국 음식 | 반찬 한 상 | 작은 반찬이 많음 | 먹은 반찬마다 스캔하거나 기록 |
| 멕시코 음식 | 부리토, 엔칠라다 | 밥, 콩, 치즈가 감싸져 있음 | 펼쳐서 보여 주거나 재료를 적기 |
| 중동 음식 | 메제, 후무스 | 올리브유가 위에 고임 | "위에 올리브유 약 1큰술" |
나머지 스캔 팁은 이래요. 위에서 찍고, 접시 전체를 프레임에 담고, 세트 메뉴는 항목별로 따로 스캔하세요. AI로 국제 요리 기록하기에서 요리별로 자세히 다뤘고, 인도 음식 칼로리 가이드와 태국 음식 영양 가이드에서는 자주 주문하는 메뉴의 수치를 알려 드려요. 지방이 왜 이렇게 중요한지는 AI가 분량을 다루는 방식에서 확인하세요.
AI가 틀렸을 때
- 이름을 고치세요. 요리 이름을 탭해서 맞는 이름을 입력하세요.
- AI Refine을 사용하세요. "코코넛 밀크로 만듦", "튀긴 음식임", "약 200 g 먹음" 같은 메모를 추가하면 기록이 다시 계산돼요.
- 재료를 고치세요. 빠진 항목은 설명하거나, 바코드나 라벨을 스캔하거나, 직접 입력해서 추가하세요. 접시에 없었던 것은 삭제하세요.
- 신고하세요. 결과가 분명히 잘못됐다면 기록에서 신고할 수 있고, 검토 대상이 돼요.
- 자주 먹는 음식을 저장하세요. 가족 레시피는 URL, 요리책 페이지 사진, 재료 목록으로 가져온 뒤 라이브러리에서 1인분을 기록하세요. AI로 집밥 레시피 기록하기에서 단계별로 설명해요.
Nutrify는 15개 언어를 지원해요. 7일 무료 체험 후에는 유료 구독으로 이용할 수 있어요.
출처
- App Store의 Nutrify - AI Calorie Tracker(2026-10-26 기준 등록 정보 확인).
- Min W, et al. Large scale visual food recognition (Food2K). IEEE TPAMI.
- Carrillo-Larco RM, et al. Evaluating large language model accuracy in predicting Peruvian meal nutrition. J Nutr, 2026.
- Nakagawa S, Yamamoto A. A Japanese-dietitian prompt systematically shifts portion estimates in LLM-based nutrient estimation from food images. Nutrients, 2026.
- NutrifyAI: an AI-powered system for real-time food detection. arXiv, 2024.
- Nutrify: Whole Food Tracker listing summary, MWM.



