Wie voedselverspilling meet met AI en foto's, krijgt vroeg of laat de vraag van het bestuur of de auditor: klopt dat wel? Eerlijk antwoord: een foto geeft een schatting, geen weging. Wat dat betekent, waar een schatting sterk is en waar ze tekortschiet, en hoe je de cijfers verantwoord gebruikt, lees je hieronder.
Wegen is de gouden standaard, maar het kost veel werk
Wie het precies wil weten, weegt. Een weegschaal geeft grammen, en daar valt weinig over te twisten. Een weegschaal staat dan ook in de meeste handleidingen voor een nulmeting. Milieuplatform Zorgsector (MPZ) noemt bijvoorbeeld streeplijsten of emmers en een weegschaal, en adviseert minimaal twee weken te meten.
Alleen kost het tijd. In zijn methodiek voor ziekenhuizen schreef WUR in 2016 al dat het meten zelf "slechts beperkt te automatiseren" is: "Vaak komt het neer op het zelf wegen op het gewenste detailniveau." Wil je weten welk gerecht of welke afdeling de grootste post is, dan heb je een emmer per stroom nodig en iemand die elke weging noteert. Dat werk komt vaak terecht bij medewerkers die al weinig tijd hebben.
MPZ zegt er iets opvallends bij: "het gaat niet om op de gram nauwkeurig". Je meet om te zien waar het eten blijft, zodat je iets kunt veranderen. Houd dat vast bij de rest van dit verhaal.
Foto's van borden zijn een bestaande onderzoeksmethode
Bordresten beoordelen op een foto is geen nieuw idee. Onderzoekers en ziekenhuizen doen het al jaren: een foto is snel gemaakt en later rustig te bekijken.
Een voorbeeld is een validatiestudie in een ziekenhuis, gepresenteerd op het congres van de Nutrition Society of Australia in 2025. Beoordelaars schatten bij 1.763 borden op een foto welk deel van de maaltijd over was, op een schaal van zeven stappen, van 0 tot 100 %. Die schatting werd vergeleken met wegen. De samenhang was zeer hoog (rs = 0,99) en het gemiddelde verschil was 4,67 gram.
Er horen kanttekeningen bij. Het is een congresabstract, en het ging om schattingen door mensen, niet door AI. Bovendien was de spreiding per bord groter: de grenzen van overeenstemming liepen van ongeveer -50 tot +60 gram. Over veel borden samen klopt het beeld goed, terwijl een enkel bord er tientallen grammen naast kan zitten. Dat patroon geldt voor elke visuele schatting.
In de praktijk werkt het ook. Ziekenhuis Geel in België fotografeerde de borden die terugkwamen en woog de resten. Een van de gevolgen: de portie puree ging van drie naar twee scheppen, omdat van de drie scheppen er maar twee werden opgegeten. Voor zo'n inzicht hoef je niet tot op de gram te meten.
Voedselverspilling meten met AI: wat er met een foto gebeurt
AI doet ongeveer wat zo'n beoordelaar doet, maar dan bij elke foto en zonder dat iemand achteraf stapels foto's hoeft door te nemen. Het model herkent welk eten er ligt en schat hoeveel gram er over is, in totaal en per ingrediënt. Het weegt niets. Daarom staat er in een goed systeem "naar schatting" bij de uitkomst.
Daarvoor gebruikt het model vaste referenties. Een bord is ongeveer 27 cm, een opscheplepel bevat ongeveer 70 gram, een stuk vlees zo groot als een handpalm weegt ongeveer 100 gram en een aardappel ongeveer 150 gram. Een foto van bovenaf onderschat hoogte en volume, dus daar moet het model voor corrigeren. Voor pannen en schalen uit de keuken gelden andere referenties, zoals de maat van een gastronormbak.
Context maakt een schatting sterker. Is bekend wat er voor die maaltijd is ingekocht en opgediend, dan weet het model wat een normale portie is. Het kan dan schatten welk deel van een portie terugkomt, in plaats van te raden vanaf nul.
Verder horen er controles in te zitten op uitkomsten die niet kunnen kloppen. Denk aan meer rest van een gerecht dan er ooit is opgediend. Zo'n schatting moet worden begrensd of gemarkeerd, zodat iemand ernaar kijkt.
En een mens houdt het laatste woord. Ziet een medewerker dat de AI broccoli voor sperziebonen aanzag, of een portie te zwaar inschatte, dan past die dat per ingrediënt aan.
Waar een fotoschatting tekortschiet
Elke methode heeft zwakke plekken. Bij foto's zijn het vooral deze:
- Vloeibaar en gemengd eten. Soep in een kom, vla of een stamppot laat weinig zien van de diepte.
- Eten dat onder ander eten ligt. Wat onder een servet of een plak brood zit, ziet geen camera.
- Slechte foto's. Te donker, scheef of zonder eten in beeld. Een goed systeem telt zo'n foto niet mee en laat zien dat hij ontbreekt, in plaats van te gokken.
- Een enkel bord. Zoals het onderzoek hierboven liet zien, zegt één bord weinig. Het gemiddelde over een week zegt veel meer.
Een bron van onzekerheid die vaak vergeten wordt, is de noemer. De Milieuthermometer Zorg rekent verspilling als percentage van het ingekochte gewicht. Als de inkoop van een maaltijd niet bekend is en er met een gemiddelde wordt gerekend, is het percentage minder precies, hoe goed de schatting van de resten ook is. Kijk dus ook hoeveel metingen met echte inkoopcijfers zijn gedaan.
Een nauwkeurigheidspercentage voor AI-schattingen van voedselresten kun je alleen geven als je het hebt getoetst tegen gewogen borden, in jouw soort keuken. Belooft iemand je een precies foutpercentage, vraag dan waartegen dat is gemeten.
Waarom trends en vergelijkingen meer zeggen dan de exacte gram
In hetzelfde rapport maakt WUR een punt dat vaak over het hoofd wordt gezien: "zegt een meting in kg an sich niet veel, omdat er geen referentiepunt is." Het rapport geeft zelf het voorbeeld: tweehonderd kilo per dag is een probleem bij honderd bewoners, maar niet bij tienduizend patiënten. Kilo's krijgen pas betekenis naast de inkoop, het aantal mensen en de vorige periode.
Juist daar is een schatting sterk. Meet je elke week op dezelfde manier, dan zie je of de lunch op afdeling A meer terugstuurt dan op afdeling B. Je ziet of de aardappelen na het avondeten minder werden toen de portie kleiner werd en nascheppen de norm werd. Of de verspilling dan 18,2 of 18,9 % was, verandert niets aan wat je gaat doen.
Op twee momenten telt de precieze waarde wel:
- Rond een drempel. Zit je dicht bij de 20 %-grens van de Milieuthermometer Zorg, of bij de 15 % die voor goud geldt, dan wil je zekerheid. Weeg dan een steekproef van borden en pannen naast de foto's, een week lang. Zo zie je zelf hoe dicht de schattingen bij jouw weging liggen.
- Bij een vergelijking met een nulmeting op een andere methode. Heb je vorig jaar gewogen en meet je nu met foto's, dan vergelijk je twee methodes. Doe bij de overstap een korte periode beide, of begin opnieuw met een nulmeting.
Zeven vragen voor elke meetmethode
Kies of beoordeel je een methode, dan helpen deze vragen. Ze gelden voor een weegschaal, een camera boven de afvalbak of een foto per bord:
- Wat wordt er gewogen en wat wordt er geschat?
- Kunnen medewerkers een fout corrigeren, en blijft zichtbaar wat er is aangepast?
- Hoe gaat het systeem om met foto's of wegingen die mislukken?
- Wordt verspilling afgezet tegen de inkoop, zodat je percentages krijgt in plaats van losse kilo's?
- Zie je per maaltijd, afdeling en ingrediënt waar het eten blijft?
- Waar worden beelden en gegevens verwerkt?
- Als er een nauwkeurigheid wordt genoemd: waartegen is die getoetst?
Meer achtergrond over waar verspilling in de zorg ontstaat en wat de normen vragen, lees je in Voedselverspilling in de zorg: wat het kost en hoe je het meet.
Zo gaat Waste Warrior Monitor om met schattingen
Waste Warrior Monitor volgt de aanpak hierboven. Medewerkers fotograferen na de maaltijd elk bord met resten, en de schalen en pannen die terugkomen. De AI schat per foto de grammen en ingrediënten, met vaste referentiematen en, als de inkoop bekend is, de portie van die maaltijd als richtlijn. Ingebouwde controles begrenzen of markeren onwaarschijnlijke schattingen. Drank en overige resten vul je zelf in grammen in, en ook dat telt mee.
Medewerkers kunnen elke schatting per ingrediënt aanpassen. De oorspronkelijke waarde van de AI blijft naast de correctie bewaard, zodat zichtbaar blijft wat er is veranderd. In de app staat "naar schatting" bij de ingrediënten, en op het dashboard laat "Wat ontbreekt" zien welke foto's mislukten en hoeveel metingen met een gemiddelde inkoop zijn gerekend. De beeldherkenning draait op servers in de EU.
Wil je zien hoe dat er met je eigen maaltijden uitziet? Bekijk Waste Warrior Monitor of plan een demo.
