CarbCam tager dit foto, sender det til en AI-tjeneste, modtager et estimat af komponenterne, validerer værdierne mod standardernæringsdatabaser og viser dig resultatet.

Hver analyse gennemgår op til seks trin:

Visualiseret forløb, efterfulgt af de rigtige skærmbilleder til sammenligning:

1. Scan-fane

2. AI-analyse

3. Resultat

1 Fotooptagelse & lokal billedbeskæring

Fotoet bliver i første omgang helt på din enhed. Du kan beskære, rotere eller tage det om. Intet uploades, før du trykker på “Analysér”.

2 Servercache-forespørgsel (forkontrol)

Før billedet overhovedet sendes til AI'en, kontrollerer appen via SHA-512-hash og perceptuel hash, om et identisk eller meget lignende foto allerede findes i servercachen. Er der et match, får du det gemte resultat tilbage med det samme, uden et nyt AI-kald. Et efterfølgende Bekræft-trin markerer cacheposten som forbrugt (kvotetælling).

3 Upload til AI-analyse

Hvis der ikke er et cachematch, sendes det (beskårne) foto til vores analyseendpoint. Der kaldes en vision-model (Gemini, Claude eller OpenAI, afhængigt af dit valg i appens indstillinger) til at beskrive billedet, navngive de enkelte komponenter og estimere omtrentlige mængder.

4 Baggrundsvalidering (kun ved lav tillid)

Hvis AI-estimatet rapporterer en lav tillid, starter serveren en krydskontrol i baggrunden mod ernæringsdatabaser (USDA FoodData Central, Open Food Facts). De korrigerede værdier føres ind i cachen: næste gang det samme eller et lignende foto matches, ser du det forbedrede resultat. For scanninger med høj tillid springes dette trin over.

For stregkoder udføres Open Food Facts / USDA-sammenligningen derimod altid direkte, da producentens ernæringstabel her er den primære kilde.

5 Din redigering

Du kan overskrive enhver værdi: mængde, kulhydrater, kcal, FPE, komponent. Ved gem bruges dine værdier, ikke AI-estimatet. Appen gemmer din samlede kulhydratkorrektion (Bruger: Xg vs AI: Yg) som en difference til statistiske formål.

6 Gem & Nightscout-synkronisering

Lokalt i en SQLite-database. Valgfrit også via Nightscout-synkronisering til din Nightscout-instans, men kun som en note i behandlingstabellen (med taggen CarbCam), ikke som en aktiv kulhydrat-/insulinbehandling. Dine Loop/AAPS/iAPS-beregninger påvirkes ikke af CarbCam-gem: måltidet er kun synligt som en note. Bruger du Managed Nightscout fra ns.10be.de, er opsætningen særligt let: indtast Nightscout-URL og API secret, færdig.

Vil du have kulhydrater aktivt som en behandling, så brug Del-knappen i scanningsresultatet: den sender kulhydratværdien via deep link til AAPS/AndroidAPS, Loop, iAPS eller Trio, eller åbner systemets delingsark.

FPE står for fedt-protein-enheder. De beskriver, hvor meget energi fra fedt og protein der med forsinkelse påvirker blodsukkeret.

Én FPE svarer til cirka 100 kcal fra fedt og protein. Eksempel:

• 30 g fedt + 20 g protein = (270 + 80) ÷ 100 = 3,5 FPE

Pumpebrugere bruger ofte FPE til at indstille parametrene for forlænget bolus (fx firkant- eller dobbeltbølge). Penbrugere kan bruge FPE som en grov indikator for et sent korrektionsmåltid eller en lille eftermiddagskorrektion.

CarbCam viser FPE som en gul chip i resultatkortet. Ernæringsværdiernes farver:

• Carbs Kulhydrater
• kcal Kalorier
• FPE Fedt-protein-enheder
• Fat Fedt
• Protein Protein

Når Nightscout er konfigureret, indlæser CarbCam blodsukkerdata fra din Nightscout-instans og viser blodsukkerkurven i historik-fanen under hvert måltid. Tidsvinduet er platformafhængigt og vælges automatisk omkring måltidet. Sammen med Nightscout muliggør CarbCam målrettet blodsukkeropfølgning efter måltider.

Funktioner i blodsukkerkurven (Nightscout-data):

• Tidsvindue omkring måltidet (platformafhængigt)
• Markør for måltidstidspunktet
• Peak-punkt fremhævet med farve (rød/gul/grøn afhængigt af niveau)
• Stigning og slutværdi som nøgletal
• IOB / COB som valgfrie overlay-linjer

Nøjagtigheden afhænger af måltidstypen:

Hvad forbedrer nøjagtigheden:

• God belysning & skarpt foto: ingen skygger over tallerkenen
• Alle komponenter synlige: drukn ikke pastaen i sauce
• Størrelsesreference: hold tallerkenkanten, bestik eller hånd i billedet
• Standardretter: AI'en er god til velkendte retter

Hvad reducerer nøjagtigheden:

• Buffettallerkener med mange små bunker
• Komponenter dækket kraftigt af sauce
• Meget usædvanlige regionale retter uden en klar referencedatabase
• Fotograferet skråt fra siden uden en størrelsesreference

Hvad det betyder for din bolus:

• For normale måltider: brug estimatet som udgangspunkt, anvend din egen viden, og justér værdien før gem om nødvendigt
• For kritiske bolusbeslutninger (meget mange kulhydrater, hyporisiko): konsultér altid din egen viden / database / emballage
• Med en pumpe: opbyg erfaring med, hvor meget dine måltider typisk afviger, og korrigér så estimatet med din personlige faktor

Uden internetforbindelse virker følgende funktioner:

• Gennemse og filtrér historik
• Opret og redigér poster manuelt
• Se statistik-fanen
• Eksportér data (CSV/JSON)
• Tag fotos og sæt dem i kø til senere analyse

Følgende kræver en forbindelse:

• AI-analyse (fotoet sendes til udbyderen)
• Automatisk stregkodeopslag (Open Food Facts)
• Nightscout-synkronisering (blodsukkerkurve, upload af behandling)