CarbCam: இது எப்படி வேலை செய்கிறது?

CarbCam உங்கள் புகைப்படத்தை எடுத்து, ஒரு AI சேவைக்கு அனுப்பி, கூறுகளின் மதிப்பீட்டைத் திரும்பப் பெற்று, நிலையான ஊட்டச்சத்து தரவுத்தளங்களுடன் மதிப்புகளின் நம்பகத்தன்மையைச் சரிபார்த்து, முடிவை உங்களுக்குக் காட்டுகிறது. Nightscout இணைப்பு வழியாக உணவுகள் ஒத்திசைக்கப்படுகின்றன, உணவுக்குப் பிறகான இரத்தச் சர்க்கரை போக்கு காணக்கூடியதாகிறது.

ஒவ்வொரு பகுப்பாய்வும் ஆறு படிகள் வரை கடந்து செல்கிறது:

காட்சிப்படுத்தப்பட்ட செயல்முறை: அதன் பிறகு ஒப்பிடுவதற்கான உண்மையான ஸ்கிரீன்ஷாட்கள்:

1. ஸ்கேன் தாவல்

2. AI பகுப்பாய்வு

3. முடிவு

1 புகைப்படம் எடுத்தல் & உள்ளூர் படப் பகுதி

புகைப்படம் முதலில் முழுவதுமாக உங்கள் சாதனத்திலேயே இருக்கும். அதை வெட்டலாம், சுழற்றலாம், மீண்டும் எடுக்கலாம். „பகுப்பாய்வு“ என்பதைத் தட்டும்போது மட்டுமே ஏதேனும் பதிவேற்றப்படும்.

2 மின்னல் வேக முடிவுகள்

உங்கள் பகுப்பாய்வு முடிந்தவரை விரைவாகவும் துல்லியமாகவும் இருக்க, பின்னணியில் நிறைய தொழில்நுட்பம் உள்ளது. மிகவும் ஒத்த படங்களை CarbCam மீண்டும் அடையாளம் கண்டு, முடிவை நடைமுறையில் உடனடியாக வழங்கும்: காத்திருப்பு நேரம் இல்லாமல்.

3 AI பகுப்பாய்விற்கான பதிவேற்றம்

Cache இல் பொருத்தம் இல்லையென்றால், (வெட்டப்பட்ட) புகைப்படம் எங்கள் பகுப்பாய்வு இறுதிப்புள்ளிக்கு அனுப்பப்படும். அங்கே ஒரு Vision மாடல் (Gemini, Claude, OpenAI, xAI Grok, Mistral அல்லது OpenRouter: செயலி அமைப்புகளில் உங்கள் தேர்வின்படி) அழைக்கப்படும், அது படத்தை விவரித்து, தனிக் கூறுகளைப் பெயரிட்டு + தோராயமான அளவுகளை மதிப்பிடும்.

4 பின்னணி நம்பகச் சரிபார்ப்பு (குறைந்த Confidence இல்)

AI மதிப்பீடு குறைந்த Confidence ஐத் தெரிவித்தால், சேவையகம் பின்னணியில் ஊட்டச்சத்து தரவுத்தளங்களுடன் (USDA FoodData Central, Open Food Facts) குறுக்குச் சரிபார்ப்பைத் தொடங்கும். திருத்தப்பட்ட மதிப்புகள் Cache இல் சேரும்: அதே அல்லது ஒத்த புகைப்படத்தில் அடுத்த பொருத்தத்தில் மேம்படுத்தப்பட்ட முடிவைக் காண்பீர்கள். அதிக Confidence உள்ள ஸ்கேன்களில் இந்தப் படி தவிர்க்கப்படும்.

பார்கோடுகளுக்கு மாறாக Open Food Facts/USDA ஒப்பீடு எப்போதும் நேரடியாகச் செய்யப்படும், ஏனெனில் இங்கு உற்பத்தியாளரின் ஊட்டச்சத்து அட்டவணையே முதன்மை மூலம்.

5 உங்களால் திருத்தம்

நீங்கள் எந்த மதிப்பையும் மேலெழுதலாம்: அளவு, KH, kcal, FPU, கூறு. சேமிக்கும்போது AI மதிப்பீடு அல்ல, உங்கள் மதிப்புகளே பயன்படுத்தப்படும். புள்ளிவிவர நோக்கங்களுக்காக உங்கள் மொத்த கார்போஹைட்ரேட் திருத்தத்தை (User: Xg vs AI: Yg) செயலி வித்தியாசமாகச் சேமிக்கும்.

6 சேமித்தல் & Nightscout ஒத்திசைவு

உள்ளூரில் ஒரு SQLite தரவுத்தளத்தில். விருப்பத்தேர்வாக கூடுதலாக Nightscout-Sync வழியாக உங்கள் Nightscout நிறுவலுக்கு: ஆனால் Treatment அட்டவணையில் Note ஆக மட்டுமே (CarbCam என்ற Tag உடன்), செயலில் உள்ள KH/IE Treatment ஆக அல்ல. உங்கள் Loop/AAPS/iAPS கணக்கீடு CarbCam சேமிப்புகளால் பாதிக்கப்படாது: உணவு குறிப்பாக மட்டுமே தெரியும். ns.10be.de இன் நிர்வகிக்கப்பட்ட Nightscout ஐப் பயன்படுத்தினால், அமைப்பது மிக எளிது: Nightscout URL மற்றும் API Secret ஐ உள்ளிட்டால் போதும், முடிந்தது.

கார்போஹைட்ரேட்டை செயலில் உள்ள Treatment ஆக வேண்டுமென்றால், ஸ்கேன் முடிவில் உள்ள பகிர் பொத்தானைப் பயன்படுத்துங்கள்: அது கார்போஹைட்ரேட் மதிப்பை Deep-Link வழியாக AAPS/AndroidAPS, Loop, iAPS அல்லது Trio க்கு அனுப்பும், அல்லது System-Share-Sheet ஐத் திறக்கும்.

FPU என்பது கொழுப்பு-புரத அலகுகள் (Fat-Protein Units) என்பதன் சுருக்கம். கொழுப்பு மற்றும் புரதத்திலிருந்து வரும் ஆற்றல், இரத்தச் சர்க்கரையை எவ்வளவு தாமதமாகப் பாதிக்கிறது என்பதை இது விவரிக்கிறது.

ஒரு FPU தோராயமாக கொழுப்பு மற்றும் புரதத்திலிருந்து வரும் 100 kcal க்கு சமம். எடுத்துக்காட்டு:

• 30 g கொழுப்பு + 20 g புரதம் = (270 + 80) ÷ 100 = 3,5 FPU

பம்ப் பயன்படுத்துபவர்கள் நீட்டிக்கப்பட்ட போலஸை அமைக்க (எ.கா. Square-Wave அல்லது Dual-Wave) FPU ஐ அடிக்கடி பயன்படுத்துகின்றனர். பேனா பயன்படுத்துபவர்கள் FPU ஐ தாமதமான திருத்த சிற்றுண்டி அல்லது மதியத்திற்குப் பின் சிறிய திருத்தத்திற்கான தோராயமான குறிகாட்டியாகப் பயன்படுத்தலாம்.

CarbCam முடிவு அட்டையில் FPU ஐ மஞ்சள் சிப் ஆகக் காட்டுகிறது. ஊட்டச்சத்து மதிப்புகளின் நிறங்கள்:

• KH கார்போஹைட்ரேட்
• kcal கலோரிகள்
• FPU கொழுப்பு-புரத அலகுகள்
• கொழுப்பு கொழுப்பு
• புரதம் புரதம்

உங்கள் Nightscout இணைப்பு கட்டமைக்கப்பட்டிருந்தால், CarbCam உங்கள் Nightscout நிறுவலிலிருந்து BG தரவுகளை ஏற்றி, வரலாறு தாவலில் ஒவ்வொரு உணவின் கீழும் இரத்தச் சர்க்கரை வளைவைக் காட்டும். கால சாளரம் தளத்தைப் பொறுத்தது, உணவைச் சுற்றி தானாகவே தேர்ந்தெடுக்கப்படும். இப்படி CarbCam ஆனது Nightscout உடன் இணைந்து இலக்கு வைத்த Post-Meal BG கண்காணிப்பை சாத்தியமாக்குகிறது.

BG வளைவின் அம்சங்கள் (Nightscout தரவுகள்):

• உணவைச் சுற்றிய கால சாளரம் (தளத்தைப் பொறுத்தது)
• உணவு நேரத்திற்கான குறியீடு (Marker)
• உச்சம் (Peak) புள்ளி நிறத்தில் தனிப்படுத்தப்பட்டது (உயரத்தைப் பொறுத்து சிவப்பு/மஞ்சள்/பச்சை)
• உயர்வும் இறுதி மதிப்பும் முக்கிய எண்களாக
• IOB / COB விருப்பத்தேர்வு ஓவர்லே கோடுகளாக

துல்லியம் உணவு வகையைப் பொறுத்தது:

துல்லியத்தை மேம்படுத்துவது:

• நல்ல வெளிச்சம் & தெளிவான புகைப்படம்: தட்டின் மீது நிழல்கள் இல்லாமல்
• முழு கூறுகளும் அடையாளம் காணக்கூடியவை: பாஸ்தாவை சாஸில் மூழ்கடிக்க வேண்டாம்
• அளவு குறிப்பு: தட்டின் விளிம்பு, கரண்டி-கத்தி, கை ஆகியவற்றைப் படத்தில் விடுங்கள்
• நிலையான உணவுகள்: அறியப்பட்ட உணவுகளில் AI சிறப்பாகச் செயல்படும்

துல்லியத்தைக் குறைப்பது:

• பல சிறு குவியல்கள் கொண்ட புஃபே தட்டு
• சாஸால் அதிகம் மூடப்பட்ட கூறுகள்
• தெளிவான முன்மாதிரி தரவுத்தளம் இல்லாத மிகவும் வழக்கத்திற்கு மாறான பிராந்திய உணவுகள்
• அளவு குறிப்பு இல்லாமல் பக்கவாட்டில் சாய்வாக எடுக்கப்பட்ட புகைப்படம்

உங்கள் போலஸுக்கு இதன் பொருள்:

• சாதாரண உணவுகளில்: மதிப்பீட்டைத் தொடக்கப் புள்ளியாகக் கொண்டு, உங்கள் சொந்த அறிவை சேர்த்து, தேவைப்பட்டால் சேமிப்பதற்கு முன் மதிப்பைத் திருத்துங்கள்
• முக்கியமான போலஸ் முடிவுகளில் (மிக அதிக KH, ஹைபோ ஆபத்து): எப்போதும் சொந்த அறிவு / தரவுத்தளம் / தொகுப்பு விவரங்களைச் சேர்த்துக்கொள்ளுங்கள்
• பம்புடன்: உங்கள் உணவுகள் வழக்கமாக எவ்வளவு விலகுகின்றன என்ற அனுபவத்தைச் சேகரித்து, மதிப்பீட்டை உங்கள் தனிப்பட்ட காரணியால் திருத்துங்கள்

இணைய இணைப்பு இல்லாமல் பின்வரும் பகுதிகள் செயல்படும்:

• வரலாற்றில் தேடுதலும் வடிகட்டுதலும்
• பதிவுகளை கைமுறையாக உருவாக்குதலும் திருத்துதலும்
• புள்ளிவிவரத் தாவலைக் காட்டுதல்
• தரவுகளை ஏற்றுமதி செய்தல் (CSV/JSON)
• புகைப்படங்களை எடுத்து பிற்கால பகுப்பாய்விற்குக் குறித்து வைத்தல்

பின்வருவனவற்றுக்கு இணைப்பு தேவை:

• AI பகுப்பாய்வு (புகைப்படம் வழங்குநருக்கு அனுப்பப்படும்)
• தானியங்கி பார்கோடு தேடல் (Open Food Facts)
• Nightscout ஒத்திசைவு (Nightscout தரவுகளிலிருந்து BG வளைவு, Treatment பதிவேற்றம்)