1) 문제점
- 사용자가 식사할 때마다 칼로리 계산이 어려워 건강 관리에 어려움
- 내용이 복잡한 영양 성분표를 일일이 확인해야 하는 비효율 발생
- 개인 식단 기록이 체계적이지 않아 장기간 건강 관리 목표 달성에 한계

2) 프로젝트 목표
- 편의성: 음식 사진만으로 즉시 칼로리와 영양소를 분석하는 기능 개발
- AI 기반 인식: GPT-4 Vision을 통해 다양한 음식을 자동 인식하는 기능 개발
- 기록 관리: 개인 식단 분석 결과를 체계적으로 저장하고 관리하는 시스템 구축

3) 주안점
- 다국적 요리 인식 및 가공식품 라벨 분석을 통한 정확한 영양 정보 제공
- 대용량 음식 데이터베이스 구축으로 광범위한 음식 인식 정확도 향상
- 직관적 UI/UX 설계를 통한 사용자 편의성 및 접근성 개선

4) 기대효과
- 건강 관리에 대한 접근성 향상과 개인 맞춤형 영양 관리 서비스 제공
- AI 기술을 활용한 실시간 음식 인식으로 편리한 칼로리 계산
- 대용량 음식 데이터베이스 구축으로 정확한 영양 정보 제공

1) 포트폴리오 소개
- 건강 관리를 원하는 일반 사용자를 위한 AI 기반 식단 분석 서비스 개발
- 음식 사진 한 장으로 칼로리와 영양소를 자동 분석하는 헬스케어 AI 서비스
- OpenAI GPT-4o 모델을 활용한 음식 인식 및 영양 정보 제공

2) 작업 범위
- Full-Stack 개발 및 AI 통합
- Frontend: React + TypeScript 기반 SPA 개발
- Backend: Node.js + Express API 서버 구축
- Database: PostgreSQL + Drizzle ORM 설계 및 구축
- AI Integration: OpenAI GPT-4 Vision API 연동
- DevOps: Replit 배포 환경 구성
- 지원환경: 반응형 웹 (모바일/데스크톱)

3) 주요 업무
- AI 음식 인식 및 영양 분석 시스템
- 음식 사진 분석: GPT-4o 모델을 통한 다국적 요리 자동 인식
- 영양소 계산: 162,583개 음식 DB 매칭으로 정확한 칼로리·영양소 산출
- 가공식품 특화: 포장지 라벨 인식을 통한 가공식품 정확도 향상
- 분석 기록 관리: 과거 식단 분석 결과 저장 및 조회 시스템
- 대용량 데이터 관리: Excel/CSV Import를 통한 147,999개 가공식품 DB 구축
- 실시간 API 테스트: 개발자용 음식 인식 테스트 도구

4) 주안점
- 깔끔하고 직관적인 UI
- AI 인식 정확도: 전 세계 요리 인식을 위한 최적화된 프롬프트 설계
- 대용량 데이터 처리: 147,999개 데이터를 배치 처리로 안전하게 Import
- 실시간 성능: Base64 이미지 전송 및 OpenAI API 최적화
- 직관적 UX: 드래그 앤 드롭 업로드와 5탭 구조의 명확한 인터페이스
- 데이터 정합성: 일반 음식과 가공식품을 분리한 이중 테이블 구조
- 확장성: TypeScript 기반 타입 안전성과 모듈화된 아키텍처