🌐 OSS Team Project

2024학년도 1학기 전북대학교 OSS 팀 프로젝트

🗣 목차

🚀 영칼로리

• ✅ 프로젝트 명
• ✅ 팀 구성
• ✅ 기술 스택
• ✅ 개요
• ✅ 주요 기능
• ✅ 서비스 구성도
• ✅ 기대 효과
  
  

💡 실행 방법

• 📁 폴더 구조
• 🧑🏼‍🍳 Front-end
• 🧑🏼‍🍳 Back-end
• 🧑🏼‍🍳 Android Emulator
• 🔑 필수 설정
• ⚠ 주의 사항
  
  

📄 프로젝트 문서화

🚀 영칼로리

✅ 프로젝트 명

🧑🏼‍🍳 영칼로리 = 영양소 + 칼로리

✅ 팀 구성

✅ 기술 스택

✔ Front-end

✔ Back-end

✔ API

✔ Tool

✅ 개요

다이어트나 건강 관리와 같은 이유로 식단 조절이 필요한 사람한테 도움을 줄 수 있는 식단 관리 지원 프로그램

✅ 주요 기능

1. 소셜 로그인 연동 지원 (Google / Kakao)

2. 사용자가 업로드한 음식 사진을 분석하여 사진에 있는 음식의 영양 성분, 칼로리 등의 정보 제공

3. 분석한 음식 정보를 바탕으로 사용자 목표 섭취량 달성 여부 확인

4. 사용자의 식단에서 부족한 영양 성분을 기반으로 음식 또는 근처 식당 추천

✅ 서비스 구성도

✅ 기대 효과

• 식단 관리가 필요한 사람에게 자동으로 음식에 대한 정보 (영양소, 칼로리) 를 제공 및 취합하여 사용자의 식단 관리 지원
• 사용자의 하루 목표 섭취량 달성 여부가 한 눈에 보이므로 체중 관리에 동기부여
• 메뉴 선정 및 식당 선택에 대한 고민 감소
  
  

“식습관을 기록하는 앱 사용자를 대상으로 한 연구 결과 대상자의 약 77.9%에서 성공적인 체중 감량 효과를 확인했으며 이 중 23%는 본인 체중의 10% 이상 감량 에 성공한 것으로 나타났다.”

[출처] 의학신문

💡 실행 방법

💻 필요한 툴

• Visual Studio Code
• Android Studio

🐍 Python 3.11 버전 이상 사용을 권장합니다.

❗ 📁 Front-end, 📁 Back-end 폴더를 VS Code 를 통해 따로 실행시킵니다.

📁 폴더 구조

├── 📁 Front-end
│   │
│   └── ...
│
├── 📁 Back-end
│   │
│   └── ...
│   
├── 📁 Image
│   
└── 📁 ...

🧑🏼‍🍳 Front-end

🚀 실행

1. node.js 를 설치합니다.
   
   
2. VS Code 를 통해 Front-end 폴더를 실행합니다.
   
   
3. npx expo start 를 터미널 창에 입력하여 Expo 를 실행시킵니다.
   
   

🧑🏼‍🍳 Back-end

VS Code 를 통해 Back-end 폴더를 실행합니다.

🔗 Google Drive에서 음식 인식 및 양 추정 모델 다운로드

1. Google Drive 다운로드 링크로 이동합니다.
   • yolov3
   • quantity_est
     
     
2. 다음 파일들을 다운로드합니다.
   • yolov3.zip
   • quantity_est.zip
     
     

🚦 파일 압축 해제

1. yolov3.zip 파일을 압축 해제합니다.
   
   
2. quantity_est.zip 파일을 압축 해제합니다.
   
   

🪄 파일 정리

1. 압축 해제한 파일들을 Back-end/FoodRecognition 폴더에 위치시킵니다.
   
   

📦 필요한 패키지 설치

1. Back-end/requirements.txt 파일을 확인합니다.
   
   
2. pip install -r requirements.txt
   
   

🚀 실행

❗ 실행 전 🔑 필수 설정을 확인합니다.

1. app.py 파일을 실행시킵니다.
   
   

⚠ 오류 발생 시

quantity_est yolov3 인식이 안될 경우 (원인 ➡ 파일 압축 해제 과정에서 파일 중복)

• Back-end/FoodRecognition/foodRecognition.py 코드 아래와 같이 수정

from quantity_est.quantity_est.food_quantity_model import quantity
from yolov3.yolov3.food_recognition_model import detect, get_nutrients

🌈 How to use API

Swagger : localhost:5000/swagger

🧑🏼‍🍳 Android Emulator

⚙ 설정

1. Android Studio 를 설치합니다.
   
   
2. Android Studio 프로젝트를 No Activity 로 생성합니다.
   
   
3. Device Manager 창의 + 버튼을 눌러 Create Virtual Device 를 선택합니다.
   
   
4. Pixel 8 을 선택하여 Android Emulator 생성을 완료합니다.
   
   
5. Android Emulator 를 실행시킵니다.
   
   
6. Android Emulator 의 Location 을 현재 위치로 바꿔줍니다.
   • Android Emulator 실행 후 ... 버튼을 누릅니다.
   • Location 을 눌러 현재 위치로 설정 후 Set Location 을 누릅니다.
     
     

7. 프로젝트 Image 폴더 안의 사진들을 Android Emulator 에 넣어줍니다.

   • Drag & Drop
   • Image 폴더 안의 사진들을 Android Emulator 화면에 직접 끌어다 넣습니다.
     
     

• 직접 설정

  • Android Studio 에서 "View" > "Tool Windows" > "Device Explorer"를 선택합니다.
  • Device Explorer 창에서 에뮬레이터의 파일 시스템을 탐색합니다.
  • /sdcard 또는 /storage/emulated/0 디렉토리를 찾아서 선택합니다.
  • Pictures 폴더를 선택하여 Image 폴더 안의 사진을 넣습니다.
    
    

🚀 실행

1. Expo 를 실행시킨 Front-end 터미널로 돌아옵니다.
   
   
2. Front-end 터미널에서 a 키를 눌러 Android Emulator 를 통해 어플을 실행합니다.
   
   

🔑 필수 설정

1. 📄 프로젝트 문서화 Notion 에 정리되어 있는 API KEY 참고하여 파일에 넣습니다.
   
   

⚠ 주의 사항

Google Login

1. ngrok 설치 후 터미널에서 실행합니다.
   
   
2. ngrok http 5000 입력 후 나온 주소를 확인합니다.
   
   
3. Google Cloud Console 에 접속합니다.
   
   
4. Google Client ID Google Client Secret Google Redirect URI 를 설정합니다.
   
   
5. Back-end/Login/login.py Front-end/screens/GoogleLogin.js 의 코드를 알맞게 수정합니다.
   
   

📄 프로젝트 문서화

1. GITHUB

   • GITHUB LINK
     
     

2. NOTION

   • 프로젝트 계획서
   • 프로젝트 진행 현황
   • 프로젝트 결과 보고서
   • API KEY
     
     

3. SWAGGER

   • Back-end/app.py ➡ localhost:5000/swagger