Kort antwoord: ja, nauwkeurig genoeg om echt nuttig te zijn, met één belangrijk onderscheid. AI-calorie-apps zijn heel goed in de eerste taak, herkennen wat er op je bord ligt, waar peer-reviewed onderzoek de nauwkeurigheid boven de 90% legt. Ze zijn minder precies bij de tweede taak, dat omzetten in een exact caloriegetal, omdat dat ook het inschatten van de portiegrootte vraagt. Het goede nieuws is dat dit voor elke methode geldt, ook voor handmatig tellen, en dat de kleine resterende afwijking je niet tegenhoudt om af te vallen als je consistent logt. Deze gids legt uit wat het onderzoek daadwerkelijk laat zien en hoe je uit elke app de meest betrouwbare cijfers haalt.
Wat “nauwkeurig” betekent voor het tellen van calorieën
Voordat je een app beoordeelt, helpt het om twee dingen te scheiden die mensen op één hoop gooien wanneer ze vragen of calorieën tellen nauwkeurig is.
Het eerste is herkenning: kan de app correct vaststellen dat je gegrilde zalm met rijst en broccoli eet, en niet kip met pasta? Het tweede is schatting: nu het weet welk voedsel het is, hoe dicht ligt het caloriegetal bij de werkelijke hoeveelheid die je at?
Dit zijn verschillende problemen, en apps zijn een stuk beter in het eerste dan in het tweede. Voedsel herkennen op een foto is iets wat moderne AI buitengewoon goed doet. De exacte calorieën vastpinnen is lastiger, omdat hetzelfde bord zalm en rijst honderd calorieën of meer kan schelen, afhankelijk van de portiegrootte, hoeveel olie er is gebruikt en hoe het is bereid. Geen enkele foto draagt die informatie perfect over.
Hier is het deel dat je vroeg moet verinnerlijken: geen calorietelling is ooit exact, wie of wat hem ook produceert. Een diëtist die je bord met het oog inschat, een voedingswaarde-etiket dat de fabrikant heeft gedrukt, en een AI-app maken allemaal een schatting. De juiste vraag is niet “is het perfect” (niets is dat), maar “is het consistent en dichtbij genoeg om mijn beslissingen te sturen.” Voor het veranderen van je gewicht is het antwoord ja, en de rest van dit artikel laat zien waarom.
Hoe goed is de AI nou echt?
Echt goed, en het verbetert snel. In peer-reviewed onderzoek herkennen deep-learning-voedselherkenningsmodellen voedsel met meer dan 90% nauwkeurigheid, met de beste rond de 93% (Queipo-Alvarez 2025; Huang en Wang 2022). Een review uit 2025 die 56 computervisie-onderzoeken bestrijkt, meldt dat convolutionele neurale netwerken en multi-task-frameworks “meer dan 90% nauwkeurigheid bij voedselsegmentatie en -herkenning” halen, en een apart systeem uit 2022 rapporteerde een herkenningspercentage “boven de 93%”.
CalcEat is gebouwd op ditzelfde soort technologie, getraind op een database van meer dan 3 miljoen geverifieerde voedingsmiddelen, dus in de grote meerderheid van de gevallen benoemt het in één keer wat er op je bord ligt. En voor alles wat verpakt is, slaat een barcodescan het schatten volledig over en haalt de exacte voedingswaarden van het etiket.
Het cijfer om te onthouden is dat de herkenningsstap, het deel dat vroeger het moeilijke was, grotendeels is opgelost. Wat echt lastig blijft, is de volgende stap.
Herkenning versus calorieschatting
Dit is het onderscheid dat vrijwel elk “de app had het mis”-verhaal verklaart, dus het is de moeite waard om precies te zijn.
Herkenning is het deel dat AI het best doet. Het voedsel op een bord benoemen is een patroonherkenningstaak, precies waar deep learning in uitblinkt, en daarom komen de cijfers hierboven boven de 90% uit.
Calorieschatting is lastiger, omdat er een tweede inschatting bijkomt: hoeveel. Om van “dit is rijst” “dit is 240 calorieën rijst” te maken, moet de app de portie schatten, en een foto is een platte, tweedimensionale weergave van een driedimensionale berg eten. Diepte, dichtheid en verborgen ingrediënten (de boter die door de rijst is geroerd, de olie waarin de kip is gebakken) zijn niet volledig zichtbaar. Dus terwijl het voedsel correct wordt herkend, draagt het caloriegetal meer onzekerheid.
Hoeveel onzekerheid? In het onderzoek belanden computervisie-caloriesystemen in een nuttige range. Eén systeem rapporteerde een calorieschattingsfout van “minder dan 10%”, en de review uit 2025 van de bredere literatuur vond “minder dan 15% relatieve fout in calorieschatting” over de methoden die werden onderzocht (Huang en Wang 2022; Queipo-Alvarez 2025). Dus een maaltijd die de app op 600 calorieën schat, ligt realistisch ergens in de buurt van 510 tot 690. Dat is een schatting, geen meting, en het is ruim dichtbij genoeg om nuttig te zijn, wat de volgende twee secties uitpakken.
Waarom geen calorietelling exact is
Het is verleidelijk om te denken dat de “echte” calorietelling een vast feit is en dat de app dat simpelweg niet haalt. In werkelijkheid werken zelfs de meest gezaghebbende bronnen met ranges. Drie redenen waarom geen telling, mens of AI, exact is:
1. Portiegrootte is de grootste variabele, en die is onzichtbaar op een foto. Twee porties pasta die op elkaar lijken, kunnen 50% in gewicht verschillen. Dit is de allergrootste bron van afwijking in elke foto-gebaseerde schatting, en daarom doet het verifiëren van de portie (volgende sectie) er meer toe dan welke app je gebruikt.
2. Zelfs gedrukte etiketten dragen een wettelijke marge. Mensen nemen aan dat het getal op een verpakking exact is. Dat is het niet. Onder de Amerikaanse FDA-regelgeving (21 CFR 101.9) mag een voedingswaarde-etiket een tolerantie hebben: voor van nature aanwezige voedingsstoffen hoeft het voedsel maar “minstens 80 procent van de op het etiket vermelde waarde” te bevatten, terwijl toegevoegde voedingsstoffen “minstens 100 procent” van de vermelde waarde moeten zijn (FDA, 21 CFR 101.9). Etiketten blijven het meest exacte getal dat je voor verpakt voedsel kunt krijgen, maar zelfs zij zijn niet tot op de calorie precies.
3. Mensen zijn onbetrouwbare vertellers van hun eigen inname, en dat is de echte maatstaf om te verslaan. Dit is de bevinding die het hele debat in een ander licht zet. In een klassiek onderzoek in de New England Journal of Medicine bleken mensen die geloofden dat ze niet konden afvallen op een caloriearm dieet, hun werkelijke voedselinname gemiddeld met 47% te onderrapporteren en hun lichamelijke activiteit met 51% te overrapporteren (Lichtman 1992). Het gat tussen wat ze dachten te eten en wat ze daadwerkelijk aten, was meer dan 1.000 calorieën per dag. Tegen die achtergrond is een AI-schatting die er ongeveer 10 tot 15% naast zit niet de zwakke schakel. Die is dramatisch eerlijker dan de typische menselijke gok.
Zelfs de onderzoekers die deze systemen bouwen, zeggen het ronduit. Zoals de auteurs van het artikel uit 2022 het stelden: “het schatten van voedselcalorieën is een lastig probleem. Zelfs een perfect beeldverwerkingssysteem kan niet perfect voorspellen” (Huang en Wang 2022). Het doel was nooit perfectie. Het is een betrouwbare, herhaalbare schatting.
Hoe je de meest nauwkeurige cijfers krijgt
Je kunt de nauwkeurigheid van elke app betekenisvol aanscherpen met drie gewoontes. Geen ervan vereist dat je elke maaltijd weegt, en ze gelden of je nu CalcEat gebruikt of een andere tracker.
- Scan barcodes voor alles wat verpakt is. Dit is de grootste verbetering die je in één keer maakt. Een barcode haalt de voedingswaarden van de fabrikant rechtstreeks op en slaat de schattingsstap volledig over, dus voedsel met een etiket is zo exact als voedsel maar kan zijn. Is een maaltijd half verpakt en half vers, scan dan het verpakte deel en schat de rest.
- Verifieer de portie, accepteer niet zomaar de standaardwaarde. Omdat de portie de grootste bron van afwijking is, betaalt een snelle controle zich meer terug dan wat dan ook. Je hebt zelden een keukenweegschaal nodig: een paar ijkpunten (een portie vlees ter grootte van je handpalm, een kommetje in je holle hand als ongeveer een kopje) brengen je het grootste deel van de weg. Onze gids over calorieën tellen zonder je eten te wegen loopt deze visuele schattingen in detail door.
- Log direct, voordat je het vergeet. Het nauwkeurigste logboek is dat wat daadwerkelijk vastlegt wat je at. Een foto maken aan tafel verslaat het ‘s avonds om tien uur reconstrueren van je dag uit je geheugen, precies het soort herinnering dat de 47% onderrapportage hierboven opleverde.
Doe deze drie dingen en je cijfers zijn zo goed als een niet-laboratoriummethode realistisch kan zijn.
Is het nauwkeurig genoeg om af te vallen?
Ja, en dit is de belangrijkste sectie, want dit is waar mensen het rekensommetje omdraaien.
Gewichtsverandering reageert op je gemiddelde inname over weken, niet op één enkele maaltijd. Dat verandert wat “nauwkeurig” hoeft te betekenen. Als je app er elke dag met een ongeveer vergelijkbaar percentage naast zit, volgt hij je trend nog steeds correct, omdat je naar de richting en het gemiddelde kijkt, niet naar een exact dagcijfer jaagt. Een consistente schatting die elke dag iets te hoog of iets te laag uitvalt, vertelt je nog steeds correct of je in een calorietekort zit en of dat tekort werkt.
Dit is precies waar loggen met foto en AI het voor de meeste mensen wint van handmatig tellen. Handmatig loggen is traag, en trage gewoontes worden opgegeven. Bijhouden waarmee je gestopt bent is niet 10% of 15% onnauwkeurig, het is 0% nauwkeurig, omdat het niet bestaat. Een foto en een barcodescan kosten seconden, en die snelheid is het verschil tussen elke dag loggen en het stilletjes opgeven halverwege de week. De wetenschap van het Lichtman-onderzoek is eigenlijk een waarschuwing over dat gat: de manier waarop het misgaat is niet een schatting die er iets naast zit, maar helemaal niet eerlijk loggen.
De winnende strategie is dus simpel. Gebruik de app om snel een consistente schatting te krijgen. Leun op barcodes voor exacte waarden waar je kunt. Laat de weegschaal dan de eindrechter zijn: weeg jezelf regelmatig, kijk naar de trend over twee tot vier weken, en stel je doel bij als de cijfers niet de kant op bewegen die jij wilt. Wil je een startpunt om op te mikken, dan schat onze caloriecalculator je dagelijkse doel op basis van je gegevens en doel, en hoeveel calorieën je per dag zou moeten eten legt uit hoe je dat getal leest. Van daaruit behandelt hoe je macro’s telt het opsplitsen van dat doel in eiwit, koolhydraten en vet als je meer structuur wilt.
De conclusie: AI-calorie-apps zijn nauwkeurig waar het telt, bij het herkennen van je voedsel en het geven van een consistent getal dat je daadwerkelijk volhoudt. Geen enkel hulpmiddel levert een perfecte calorietelling, maar die heb je niet nodig. Je hebt een gewoonte nodig die je kunt volhouden en een weegschaal om je eerlijk te houden. Wil je dat in de praktijk brengen, dan kun je een gratis plan maken en je volgende maaltijd in seconden loggen.
