캡스톤디자인 10팀 README.md

＊ 코드는 위쪽 branch를 참고해주세요!

📝 프로젝트 소개

2022 KMUCS 다학제간캡스톤디자인 최우수상(1위) 수상

How Cook : 재료 이미지 인식을 통한 레시피 추천 서비스

최근 코로나19 펜데믹 이후로 사람들은 가정 내에서 직접 요리를 하고 싶어하는 욕구가 늘어나고 있습니다. 하지만 1인가구는 보통 가정 내에서 혼자 머무르는 경우가 많기 때문에 건강한 식문화에 대한 교류 및 접근성이 낮은 상황입니다. 이에 대한 문제를 의식하게 되어 본 프로젝트는 예상 수요층인 1인 가구가 좀 더 쉽게 건강한 식문화에 접근할 수 있도록 도와주는 플랫폼을 기획하게 되었습니다. 이미지 속 재료 인식을 기반으로 레시피를 검색해주는 기능과 레시피를 추천해주는 기능을 구현하고자 합니다. 또한 이러한 레시피를 공유할 수 있도록 공유 커뮤니티를 구현하게 되었습니다. 이 서비스를 통해 1인 가구 및 가정 내에서 사진 촬영 한 번으로 건강한 식문화에 접근할 수 있는 환경을 구현하고자 합니다.

📝 Project Abstract

How Cook : Recipe recommendation service through material image recognition

Since the recent COVID-19 pandemic, people have a growing desire to cook at home. However, since single-person households usually stay alone in the home, exchanges and access to healthy food culture are low. Being conscious of this problem, this project came to plan a platform that helps single-person households, the expected demand group, to more easily access healthy food culture. We want to implement a function that searches for a recipe based on the recognition of ingredients in an image and a function that recommends a recipe. We've also implemented a sharing community to help you share these recipes. Through this service, we want to create an environment where single-person households and other households can access healthy food culture with just one photo shoot.

💻 소개 자료

• 📎 How Cook 소개 페이지
• 📎 How Cook GitHub Wiki⭐
• 📎 How Cook 중간 발표 PDF
• 📎 How Cook 중간 발표 시연 영상
• 📎 How Cook 최종 발표 PDF
• 📎 How Cook 최종 발표 시연 영상
• 📎 How Cook 수행결과보고서 PDF
• 📎 How Cook 포스터 PDF
• 📎 How Cook 서비스

🎥프로젝트 소개 동영상

10-.-.mp4

🎥프로젝트 시연 동영상

10-.mp4

👨‍🍳 팀 소개 및 역할

1. 👩 강지수

   • Role: 재료 이미지, 레시피 크롤링 및 라벨링, Frontend
   • Student ID: ****3460
   • Email: [email protected]
   • Github: @kjsoo-1010

2. 👨 박준용

   • Role: 재료 이미지 데이터 구축, 이미지, 문자 인식 모델 학습 및 이미지 전처리
   • Student ID: ****5298
   • Email: [email protected]
   • Github:@junyong1111

3. 👨 이원주

   • Role: DB 설계, Backend, Frontend
   • Student ID: ****1671
   • Email: [email protected]
   • Github: @WonjuLee

4. 👩 이세희

   • Role: Frontend, Backend, 인공지능 모델 서버 구축
   • Student ID: ****1987
   • Email: [email protected]
   • Github: @Sehee-Lee-01

🔎 사용 환경 설정 및 시작하기

🛠 Frontend

📎Code 보러가기

yarn package 설치

• yarn 설치 후 진행
• package.json 패키지 설치

yarn install

로컬 환경 실행

yarn start

🛠 Backend

📎Code 보러가기

yarn package 설치

• yarn 설치 후 진행
• package.json 패키지 설치

yarn install

API 테스트 환경 설정

• vscode extensions rest client 설치
• .rest 파일 생성
• API 명세서 참고하여 확인

### 유저 정보 확인  
POST http://localhost:4000/users HTTP/1.1
Content-Type: application/json

{
    "userId": 1,
    ...
}

DB(MySQL) 연동 설정 방법

• MySQL 설치 후 서버 연동
• root에 .env 환경변수 파일 생성 후 작성

DB_LOCAL_HOST = localhost # IP address
DB_LOCAL_PORT = 3306 # Port number
DB_LOCAL_USERNAME = root # Username
DB_LOCAL_PASSWORD = 0000 # Password of DB
DB_LOCAL_DATABASENAME = capstone # DB name

로컬 환경 실행

yarn local

🛠 Data Modeling

📎Code 보러가기

필수 라이브러리 설치

1. YOLO 설치

pip install opencv-python
pip install numpy as np
pip install cmake
pip install dlib
https://drive.google.com/file/d/1ol3yLt2zao2ZQB_t4DSbmOU-BWUag6LV/view?usp=sharing  
	<해당 다운로드 파일을 YOLO/weights/ 경로에 넣어주세요>

2. OCR 설치

sudo apt install tesseract-ocr 
sudo apt-get install tesseract-ocr-kor
pip install opencv-python
pip install pytesseract

3. 로컬 환경 실행

python3 OCR.py  -> OCR 모델 실행
python3 YOLOv3.py -> YOLO 모델 실행

📌더 자세한 정보 알아보기(Git Wiki)