O reconhecimento de alimentos do Nutrify envia a foto da sua refeição para um grande modelo de IA multimodal, que descreve em palavras o que vê. Por isso ele não fica limitado a uma lista fixa de pratos treinados. É assim que consegue identificar injera com misir wot, um masala dosa ou uma tigela de pho, junto com as partes do prato.
Ainda erra com versões regionais e caseiras. Uma observação curta como “dosa do sul da Índia com chutney” (o exemplo que o próprio app sugere) resolve a maioria dos casos.
Pontos principais
- Reconhecimento aberto, não um cardápio fixo. O modelo descreve o prato em vez de escolher entre algumas centenas de categorias, então cozinhas menos comuns não ficam de fora.
- O nome certo não basta. Porção e gorduras escondidas (ghee, leite de coco, creme) ainda podem alterar as calorias.
- O contexto vale mais do que uma segunda foto. Escrever ou dizer o que tem no prato é a forma mais rápida de corrigir.
- Receitas de família vão para a sua biblioteca. Importe uma vez e registre uma porção com um toque.
- Qual Nutrify: esta página trata do Nutrify - AI Calorie Tracker, não dos apps com nomes parecidos.
Qual Nutrify é este?
Vários produtos têm nomes parecidos. Este artigo trata do Nutrify - AI Calorie Tracker, da Tappect LLC, disponível na App Store. Não é o Nutrify: Whole Food Tracker, um app separado que reconhece uma lista fixa de mais de 1.000 alimentos integrais direto no aparelho, e também não é o NutrifyAI, um protótipo de pesquisa baseado no detector YOLOv8.
Como o Nutrify identifica um prato
- Você tira uma foto, ou escolhe uma da galeria. Antes da análise, pode acrescentar detalhes digitando ou falando.
- A IA descreve o prato. Ela nomeia o prato e cada item, por exemplo “biryani de frango, raita, um papad”.
- Ela estima as quantidades de cada item com base no que aparece na foto.
- Ela monta o registro com calorias, proteínas, carboidratos e gorduras, além de uma lista de ingredientes editável.
- Você confirma ou ajusta. Mude o nome, a quantidade ou a porção, e os números são recalculados.
Se uma foto não for prática, você pode descrever a refeição por texto ou por voz, ou escanear um código de barras para alimentos embalados. Para o contexto técnico, veja como funciona o reconhecimento de alimentos por IA.
Por que a cozinha ainda importa
Os sistemas antigos de reconhecimento de comida eram classificadores: aprendiam um conjunto fixo de rótulos e escolhiam o mais parecido. Se um prato não estava na lista, o app chutava algo parecido. Os bancos de dados cresceram rápido. O Food2K, publicado na IEEE TPAMI, tem 2.000 categorias e mais de 1 milhão de imagens, cerca de dez vezes mais do que os conjuntos anteriores. Mas até 2.000 rótulos são pouco diante da comida do mundo.
| Abordagem | Como nomeia a comida | Ponto forte | Ponto fraco |
|---|---|---|---|
| Classificador de lista fixa | Escolhe o rótulo treinado mais próximo | Rápido, pode rodar no celular | Tudo o que não está na lista recebe o parecido mais próximo |
| Modelo de IA multimodal (Nutrify) | Descreve o prato e suas partes em palavras | Lida com pratos e combinações sem rótulo próprio | Pode errar com confiança em pratos regionais raros |
Pesquisas mostram que a cozinha afeta os números, não só o nome:
- Refeições peruanas: em 510 fotos de almoços de um livro de receitas peruano, o melhor modelo testado, mesmo quando recebia o nome da refeição, concordou com o valor calórico da receita em apenas 45% dos casos, com erro médio de 108 calorias (Journal of Nutrition, 2026).
- Refeições japonesas: quando pesquisadores pediram a seis modelos de IA que raciocinassem como um nutricionista japonês, todos reduziram suas estimativas calóricas, e o erro nas porções menores de refeitórios japoneses caiu em até cerca de 20 pontos (Nutrients, 2026). As normas de porção variam de uma cozinha para outra, então a porção padrão de um modelo pode não bater com a sua.
Pratos que precisam de uma pequena ajuda
Estes são os pontos de atenção mais comuns, e o detalhe que resolve cada um.
| Cozinha | Caso difícil | Por quê | O que adicionar |
|---|---|---|---|
| Indiana | Dal, korma, butter chicken | Ghee, creme e óleo são invisíveis | “Feito com 1 colher de sopa de ghee”, “restaurante, cremoso” |
| Sul-indiana | Masala dosa, idli com sambar | O recheio fica escondido; a profundidade do sambar é difícil de estimar | “Masala dosa, recheio de batata”, “240 ml de sambar (1 xícara)” |
| Etíope | Injera com vários wots | Prato compartilhado; a injera fica escondida sob os ensopados | “2 pedaços de injera, minha parte do prato coletivo” |
| Tailandesa e vietnamita | Curries, pho | Leite de coco e volume do caldo | “Curry verde com leite de coco”, “tigela grande” |
| Coreana | Banchan | Muitos pratinhos | Escaneie ou registre cada prato que comeu |
| Mexicana | Burritos, enchiladas | Arroz, feijão e queijo ficam enrolados | Desenrole ou liste os recheios |
| Do Oriente Médio | Mezze, homus | Azeite de oliva acumulado por cima | “Cerca de 1 colher de sopa de azeite de oliva por cima” |
As outras dicas de escaneamento estão no tutorial: fotografe de cima, mantenha o prato inteiro no enquadramento e, em refeições combinadas, escaneie cada item separadamente. Nosso guia sobre como acompanhar a culinária internacional com IA analisa prato por prato, e o guia de calorias da comida indiana e o guia de nutrição da comida tailandesa trazem números para pedidos comuns. Para entender por que a gordura pesa tanto, veja como a IA lida com o tamanho da porção.
Quando a IA erra
- Renomeie. Toque no nome do prato e digite o correto.
- Use o AI Refine. Adicione uma observação como “feito com leite de coco”, “estava frito” ou “comi cerca de 200 g”, e o registro é recalculado.
- Corrija os ingredientes. Adicione um item que faltou descrevendo-o, escaneando um código de barras ou um rótulo, ou digitando manualmente. Remova o que não estava no prato.
- Sinalize. Se um resultado estiver claramente errado, reporte-o a partir do registro para que seja revisado.
- Salve os seus pratos frequentes. Importe uma receita de família de uma URL, de uma foto de página de livro de receitas ou de uma lista de ingredientes, e depois registre uma porção da biblioteca. Nosso guia sobre como acompanhar receitas caseiras com IA explica o passo a passo.
O Nutrify está disponível em 15 idiomas e inclui um teste grátis de 7 dias e depois uma assinatura paga.
Fontes
- Nutrify - AI Calorie Tracker na App Store (página consultada em 2026-10-26).
- 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.



