プロテインの飲み残しは見た目で分かる？容器の底と残量を分けて記録する習慣

2026.11.01
ヨガとからだの小さな疑問

計量の道具が写っていても、実測したことにはならない

量の推定を助ける道具を比べた別のランダム化実験では、成人128人（うち男性66人）が17種類の食品の量を推定した。18〜39歳の女性に限った結果ではないため、その集団の誤差率としてそのまま当てはめることはできない。比較したのは、立方体の基準物、変形できる粘土の立方体、家庭用計量カップ、補助具なしの重量推定である。道具を持たせれば成績が一律にそろうかを考える材料になる。[8]

立方体の基準物を使った群の推定誤差の中央値は18.9%で、計量カップ群は87.7%、粘土の立方体群は44.8%、補助具なしの重量推定群は23.5%だった。立方体の基準物は、計量カップに対して12食品で誤差が有意に小さく、5食品では同程度だった。これは研究内での推定課題の比較結果である。[8]

ここで、「計量カップは正確ではない」と読み替えるのは誤りである。食品の量を推定するために補助具を使う課題と、実際の液体を器具へ移して量を読む作業は同一ではない。この研究の誤差率を、家庭で液量を実測したときの誤差率にすることはできない。研究で何をしたかを残さず、道具の名前と成績だけを抜き出すと、意味が変わってしまう。[8]

また、中央値は、観察された値を順に並べたときの中央を示す。ある人の飲み残しが必ずその割合だけずれるという予告ではない。立方体の基準物の群でも、個別の推定の誤差にはばらつきがあった。良い成績の方法を使うことと、毎回同じ精度で推定することは分けて考える必要がある。[8]

家庭の記録へ戻すなら、「道具を置いて見た」「目盛りを実際に読んだ」「写真から判断した」を区別したい。これは入力欄を増やすためではなく、同じ数値の中に異なる確かめ方を混ぜないためである。計量カップが写真に写っていても、その写真が液量を直接測った証拠になるとは限らない。

容器の外に印を付けた場合も、その印が何を意味するのかが先にある。自分が見やすい位置を示した印なのか、量を確認して付けた印なのか。見た目を思い出すための目安と、量を読むための目盛りを同じ名前で扱わなければ、記録の読み違いを減らす工夫になる。

初日の汗は、予約した人だけが持ち帰れる。

体験レッスンを予約体験専用 03-6665-0898 LINE

写真が読めることと、栄養量が分かることを分ける

画像評価のスコーピングレビューは、最初に特定した522件から84件を採用して、食品画像を使う評価技術を整理した。対象は食品の識別や容積推定を扱う研究である。多くのシステムは主要栄養素やエネルギーの推定で検証されていたが、ナトリウムなどの微量栄養素を推定できるものは少数だった。[4]

レビューで整理された従来の流れは、画像の中で食品の領域を分け、何の食品かを識別し、量を見積もり、栄養を計算するというものだ。深層学習などの技術が進歩しても、「何の飲み物か」と「どれほど残っているか」は違う問いである。飲み物の名前が正しく出た画面を見て、残量の推定まで正しいと判断しないようにしたい。[4]

別のレビューも、食品認識と容積推定の手法を、使われた画像データの特徴と結び付けて評価している。つまり、どんな画像を使って試した方法なのかが、成績を理解する際の条件になる。家庭の透明でない容器、暗い台所、ふたを付けたままの写真へ、そのまま研究の成績を移すことはできない。[3]

スマートフォンで食品を認識し、量や熱量を推定する仕組みの系統的レビューでは、分類に寄与した特徴の説明を試みた研究は1件だったと報告された。著者らは、分類や量・熱量の推定に至る説明を提供する必要性を指摘している。結果の数字が細かく表示されることと、その数字の根拠を確かめられることは別なのである。[5]

飲み残しを記録する際にも、写真の役割を決めておくとよい。飲んだ後の状態を保存するためなら、写真そのものが役に立つ。液量を確定するためなら、写真から量を求める方法と、その条件を別に考える必要がある。さらにたんぱく質量へ換算するなら、成分の情報が加わる。こうした段階の区別は、画像評価研究の処理の分け方に沿っている。[3][4]

「写真あり、残量は未測定」という記録は矛盾しない。見えた状態は残しているが、数値にはしていないという意味である。逆に、写真から得た推定値なら「画像による推定」として保存する。自分で目盛りを読んだ値と並べるときに、その違いが分かる書き方にしておきたい。

よくある誤解

「容器がほぼ空なら、用意した分を取ったと書いてよい」。用意した分は出発点の量であって、飲んだ量そのものではない。食事量の自己申告には主観的な量の判断が入り得るため、用意した量だけで摂取量を代表させない方がよい。残った状態が確認できるなら、その情報も記録の材料になる。[9]

「毎日同じ容器だから、残量を見分ける感覚は正確だ」。慣れたという感触と正確さは分ける必要がある。若年成人の比較試験では、本人の正確さに対する評価が実際の結果と食い違っていた。同じ容器を使う工夫は比較条件をそろえるために採用できるが、感覚の正しさを証明するものにはならない。[7]

「人工知能が飲み物を当てたら、飲んだたんぱく質量も分かる」。食品の識別、容積、栄養計算は関連していても別の課題である。画像の評価技術を整理したレビューでも、それぞれを区別している。名前の正解だけを見て、残量や栄養の推定まで正解扱いするのは飛躍だ。[3][4]

この区別は、記録する人に完全さを要求するためではない。毎朝の飲み物を研究室の測定に変える必要はない。知りたいのが習慣の有無なら、その目的に合う記録を選ぶ。量を詳しく確かめたい事情があるときだけ、数字がどう得られたかまで確認する。健康状態に関わる摂取量の判断は、医師に相談する対象である。

今日からできること

飲む前の量と残りを、同じ記録の中で区別する。19〜26歳の124人を対象にした試験でも、記録方法で成績が異なったため、入力した値の出所を意識する。[7]
容器を替えた日は、そのことをメモする。器の寸法と形を事前に求める研究を参考に、見た目の基準まで無条件に引き継がない。[16]
写真を使うなら、状態の保存なのか量の推定なのかを決める。84件の論文を整理したレビューでも、食品の識別、量、栄養の計算を分けて扱っている。[4]
道具の名前だけで値を信用しない。128人の推定実験では補助具によって誤差が異なった。実際に読んだ目盛りと、道具を参考にした目分量を分けて書く。[8]
アプリの使いやすさとは別に、数値の確かめ方を確認する。25種類の料理と飲み物を使った試験では、660mLの緑茶飲料で写真選択が最も良い成績だった。方法の向き不向きは食品や容器ごとに考え、判断できない量は未確認のまま残す。[7]

記録を見返すときは、残した日だけに印を付けて反省材料にする必要はない。「飲み残しがあった」「飲み切った」「確認しなかった」を同じ扱いにせず保存すればよい。飲み切ることを達成条件にすると、量を確かめるという当初の問いが、完食の採点に変わってしまう。

朝の予定に合わず残したなら、その日の記録はその日の記録である。翌日に帳尻を合わせる方法をここから導くことはできない。食事評価のレビューが扱うのは、食べたものや量をどう捉えるかという課題だ。計測の話を、その人の必要量や追加摂取の判断へ直結させずに使いたい。[9]

yogaのレッスン前の様子生徒の足もとにあるヨガマット立川駅徒歩1分年中無休の溶岩ホットヨガスタジオ

オンザショア立川店で、生活に置ける時間を探す

飲み物の記録と同じく、運動もまず生活のどこに置くかを考えるところから始めたい。オンザショア立川店は営業時間が8:00〜23:30で、年中無休である。仕事や家の予定と照らし合わせ、通う時間を検討するための情報として利用できる。

場所は東京都立川市曙町2-14-10 エトロワビル3F、JR立川駅北口から徒歩1分だ。溶岩プレートを敷いたスタジオでのホットヨガに加え、常温のヨガ、ピラティス、女性専用のキックボクササイズ、ボクササイズ、HIIT、パーソナルトレーニングがあり、ヨガだけで25種類以上のレッスンがある。

参加する種目を選ぶ前に、利用条件も確認したい。妊娠中は溶岩ホットヨガには参加できず、常温のマタニティヨガがある。医師から運動を止められている方は利用できない。

体験レッスンのヨガは税込1,980円で、60分のレッスン、バスタオル2枚、フェイスタオル1枚、ヨガマットのレンタルを含む。実際の時間枠を試し、続ける場所を考える機会として使える。店の案内と料金を確認し、体験の予約へ進める。

参考文献

[3] A Review of Image-Based Food Recognition and Volume Estimation Artificial Intelligence Systems — Konstantakopoulos FS, Georga EI, Fotiadis DI., 2024, IEEE reviews in biomedical engineering. DOI: 10.1109/rbme.2023.3283149

[4] Advancements in Using AI for Dietary Assessment Based on Food Images: Scoping Review — Chotwanvirat P, Prachansuwan A, Sridonpai P, Kriengsinyos W., 2024, Journal of medical Internet research. DOI: 10.2196/51432

[5] Mobile Computer Vision-Based Applications for Food Recognition and Volume and Calorific Estimation: A Systematic Review — Amugongo LM, Kriebitz A, Boch A, Lütge C., 2022, Healthcare (Basel, Switzerland). DOI: 10.3390/healthcare11010059

[7] Usability of Food Size Aids in Mobile Dietary Reporting Apps for Young Adults: Randomized Controlled Trial — Liu YC, Wu ST, Lin SJ, Chen CH, Lin YS, Chen HY., 2020, JMIR mHealth and uHealth. DOI: 10.2196/14543

[8] The international food unit: a new measurement aid that can improve portion size estimation — Bucher T, Weltert M, Rollo ME, Smith SP, Jia W, Collins CE, Sun M., 2017, The international journal of behavioral nutrition and physical activity. DOI: 10.1186/s12966-017-0583-y

[9] Image-Based Food Classification and Volume Estimation for Dietary Assessment: A Review — Lo FPW, Sun Y, Qiu J, Lo B., 2020, IEEE journal of biomedical and health informatics. DOI: 10.1109/jbhi.2020.2987943

[16] Dining Bowl Modeling and Optimization for Single-Image-Based Dietary Assessment — Li B, Sun M, Mao ZH, Jia W., 2024, Sensors (Basel, Switzerland). DOI: 10.3390/s24186058

この記事の情報は2026年10月時点のものです。個別の健康状態については医師にご相談ください。