CarbCam: এটি কীভাবে কাজ করে?

CarbCam আপনার ছবি নেয়, একটি AI সার্ভিসে পাঠায়, উপাদানগুলোর একটি অনুমান ফেরত পায়, স্ট্যান্ডার্ড পুষ্টি ডেটাবেসের সাথে মানগুলোর যৌক্তিকতা যাচাই করে এবং আপনাকে ফলাফল দেখায়। Nightscout সংযোগের মাধ্যমে খাবার সিঙ্ক হয় এবং খাওয়ার পরের রক্তের গ্লুকোজের গতিপথ দৃশ্যমান হয়।

প্রতিটি বিশ্লেষণ সর্বোচ্চ ছয়টি ধাপ অতিক্রম করে:

চিত্রিত প্রক্রিয়া, এরপর তুলনার জন্য আসল স্ক্রিনশট:

১. স্ক্যান ট্যাব

২. AI বিশ্লেষণ

৩. ফলাফল

1 ছবি তোলা & লোকাল ক্রপ

ছবিটি প্রথমে সম্পূর্ণভাবে আপনার ডিভাইসেই থাকে। আপনি সেটি ক্রপ, ঘোরানো, নতুন করে তুলতে পারেন। শুধুমাত্র „বিশ্লেষণ করুন“-এ ট্যাপ করলেই কিছু আপলোড হয়।

2 বিদ্যুৎগতির ফলাফল

পর্দার আড়ালে বেশ কিছু প্রযুক্তি কাজ করে, যাতে আপনার বিশ্লেষণ যত দ্রুত ও নির্ভুল সম্ভব হয়। খুব মিল থাকা ছবি CarbCam আবার চিনতে পারে এবং তখন ফলাফলটি কার্যত সাথে সাথেই দেয়: কোনো অপেক্ষা ছাড়াই।

3 AI বিশ্লেষণের জন্য আপলোড

ক্যাশে কোনো মিল না পাওয়া গেলে (ক্রপ করা) ছবিটি আমাদের বিশ্লেষণ এন্ডপয়েন্টে পাঠানো হয়। সেখানে একটি ভিশন মডেল (Gemini, Claude, OpenAI, xAI Grok, Mistral বা OpenRouter: অ্যাপ সেটিংসে আপনার পছন্দ অনুযায়ী) কল করা হয়, যা ছবিটি বর্ণনা করে, প্রতিটি উপাদানের নাম দেয় + মোটামুটি পরিমাণ অনুমান করে।

4 ব্যাকগ্রাউন্ডে যৌক্তিকতা যাচাই (কম কনফিডেন্সে)

AI অনুমান কম কনফিডেন্স জানালে সার্ভার ব্যাকগ্রাউন্ডে পুষ্টি ডেটাবেসের (USDA FoodData Central, Open Food Facts) সাথে একটি ক্রস-চেক শুরু করে। সংশোধিত মানগুলো ক্যাশে যুক্ত হয়: একই বা অনুরূপ ছবিতে পরের মিলে আপনি উন্নত ফলাফল দেখতে পান। উচ্চ কনফিডেন্সের স্ক্যানে এই ধাপটি বাদ যায়।

তবে বারকোডের ক্ষেত্রে Open Food Facts/USDA যাচাই সবসময় সরাসরি করা হয়, কারণ এখানে নির্মাতার পুষ্টি তালিকাই প্রাথমিক উৎস।

5 আপনার সম্পাদনা

আপনি যেকোনো মান পাল্টাতে পারেন: পরিমাণ, কার্ব, kcal, FPE, উপাদান। সংরক্ষণের সময় আপনার মানগুলোই ব্যবহৃত হয়, AI-এর অনুমান নয়। পরিসংখ্যানের জন্য অ্যাপ আপনার মোট কার্ব সংশোধন (ব্যবহারকারী: Xg বনাম AI: Yg) পার্থক্য হিসেবে সংরক্ষণ করে।

6 সংরক্ষণ & Nightscout সিঙ্ক্রোনাইজেশন

লোকালভাবে একটি SQLite ডেটাবেসে। ঐচ্ছিকভাবে অতিরিক্ত হিসেবে Nightscout সিঙ্কের মাধ্যমে আপনার Nightscout ইনস্ট্যান্সে, তবে শুধুমাত্র Treatment টেবিলে Note হিসেবে (CarbCam ট্যাগসহ), সক্রিয় KH/IE-Treatment হিসেবে নয়। আপনার Loop/AAPS/iAPS গণনা CarbCam-এর সংরক্ষণে প্রভাবিত হয় না: খাবারটি শুধু নোট হিসেবে দৃশ্যমান। আপনি ns.10be.de-এর ম্যানেজড Nightscout ব্যবহার করলে সেটআপ বিশেষভাবে সহজ: Nightscout URL ও API সিক্রেট দিন, ব্যস।

আপনি যদি কার্ব সক্রিয়ভাবে Treatment হিসেবে চান, স্ক্যান ফলাফলের শেয়ার বাটন ব্যবহার করুন: এটি কার্বের মান ডিপ-লিঙ্কের মাধ্যমে AAPS/AndroidAPS, Loop, iAPS বা Trio-তে পাঠায় অথবা সিস্টেমের শেয়ার-শিট খোলে।

FPE মানে ফ্যাট-প্রোটিন ইউনিট। এটি বর্ণনা করে ফ্যাট ও প্রোটিন থেকে কত শক্তি বিলম্বিতভাবে রক্তের গ্লুকোজকে প্রভাবিত করে।

এক FPE প্রায় 100 kcal ফ্যাট ও প্রোটিনের সমান। উদাহরণ:

• 30 g ফ্যাট + 20 g প্রোটিন = (270 + 80) ÷ 100 = 3.5 FPE

পাম্প ব্যবহারকারীরা প্রায়ই বর্ধিত বোলাস প্যারামিটার নির্ধারণে FPE ব্যবহার করেন (যেমন Square-Wave বা Dual-Wave)। পেন ব্যবহারকারীরা FPE-কে দেরিতে সংশোধনী স্ন্যাক বা বিকেলের ছোট সংশোধনের মোটামুটি সূচক হিসেবে নিতে পারেন।

CarbCam ফলাফল কার্ডে FPE-কে হলুদ চিপ হিসেবে দেখায়। পুষ্টিমানের রংগুলো:

• KH কার্বোহাইড্রেট
• kcal ক্যালোরি
• FPE ফ্যাট-প্রোটিন ইউনিট
• ফ্যাট ফ্যাট
• প্রোটিন প্রোটিন

আপনার Nightscout সংযোগ কনফিগার করা থাকলে CarbCam আপনার Nightscout ইনস্ট্যান্স থেকে BG ডেটা লোড করে এবং ইতিহাস ট্যাবে প্রতিটি খাবারের নিচে রক্তের গ্লুকোজের গ্রাফ দেখায়। সময়ের পরিসর প্ল্যাটফর্মনির্ভর এবং খাবারের সময়কে ঘিরে স্বয়ংক্রিয়ভাবে নির্বাচিত হয়। এভাবে Nightscout-এর সাথে মিলে CarbCam লক্ষ্যভিত্তিক পোস্ট-মিল BG ট্র্যাকিং সম্ভব করে।

BG-গ্রাফের ফিচার (Nightscout ডেটা):

• খাবারের সময়কে ঘিরে সময়ের পরিসর (প্ল্যাটফর্মনির্ভর)
• খাবারের সময়ের জন্য মার্কার
• পিক পয়েন্ট রঙে হাইলাইট করা (উচ্চতা অনুযায়ী লাল/হলুদ/সবুজ)
• বৃদ্ধি ও শেষ মান সূচক হিসেবে
• IOB / COB ঐচ্ছিক ওভারলে লাইন হিসেবে

নির্ভুলতা খাবারের ধরনের ওপর নির্ভর করে:

যা নির্ভুলতা বাড়ায়:

• ভালো আলো & পরিষ্কার ছবি: প্লেটের ওপর কোনো ছায়া নয়
• পুরো উপাদানগুলো চেনা যায়: পাস্তাকে সসে ডুবিয়ে ফেলবেন না
• আকারের রেফারেন্স: প্লেটের কিনারা, কাটাচামচ, হাত ছবিতে রাখুন
• প্রচলিত খাবার: পরিচিত খাবারে AI ভালো কাজ করে

যা নির্ভুলতা কমায়:

• অনেক ছোট ছোট স্তূপসহ বুফে প্লেট
• সসে ভারীভাবে ঢাকা উপাদান
• স্পষ্ট রেফারেন্স ডেটাবেস ছাড়া খুব অস্বাভাবিক আঞ্চলিক খাবার
• আকারের রেফারেন্স ছাড়া পাশ থেকে তির্যকভাবে তোলা ছবি

আপনার বোলাসের জন্য এর মানে:

• স্বাভাবিক খাবারে: অনুমানকে শুরুর বিন্দু হিসেবে নিন, নিজের জ্ঞান যোগ করুন, প্রয়োজনে সংরক্ষণের আগে মান সংশোধন করুন
• গুরুত্বপূর্ণ বোলাস সিদ্ধান্তে (খুব বেশি কার্ব, হাইপোর ঝুঁকি): সবসময় নিজের জ্ঞান / ডেটাবেস / প্যাকেজিং যোগ করুন
• পাম্পের সাথে: অভিজ্ঞতা সংগ্রহ করুন আপনার খাবারগুলো সাধারণত কতটা ভিন্ন হয়, তারপর অনুমানটিকে আপনার ব্যক্তিগত ফ্যাক্টর দিয়ে সংশোধন করুন

ইন্টারনেট সংযোগ ছাড়া নিচের অংশগুলো কাজ করে:

• ইতিহাস অনুসন্ধান ও ফিল্টার
• ম্যানুয়ালি এন্ট্রি তৈরি ও সম্পাদনা
• পরিসংখ্যান ট্যাব দেখা
• ডেটা এক্সপোর্ট (CSV/JSON)
• ছবি তোলা এবং পরে বিশ্লেষণের জন্য চিহ্নিত করা

নিচেরগুলোর জন্য সংযোগ দরকার:

• AI বিশ্লেষণ (ছবি প্রদানকারীর কাছে পাঠানো হয়)
• স্বয়ংক্রিয় বারকোড লুকআপ (Open Food Facts)
• Nightscout সিঙ্ক্রোনাইজেশন (Nightscout ডেটা থেকে BG-গ্রাফ, Treatment আপলোড)