[2025 WINTER DEV] 냉장고의 식품을 인식하고, 유통기한을 자동으로 기록 및 추적해주는 서비스 ‘요건 아직 정상이에요’, KwaKi팀

프로젝트 소개

‘요건 아직 정상이에요’는 냉장고에 보관된 식품을 인식하고, 유통기한을 자동으로 기록 및 추적하는 서비스입니다.

Computer Vision 기술을 활용하여, 바쁜 현대인들이 냉장고 속 식품을 잊지 않도록 리마인더 기능을 제공해 효율적으로 관리할 수 있게 도와줍니다.

OCR을 활용하여 실시간으로 유통기한을 인식하는 과정에서 각도와 조명에 따라 인식 결과가 왜곡되는 문제를 겪었습니다. 이를 해결하기 위해 EasyOCR, Tesseract, PaddleOCR 등 여러 OCR 엔진을 적용해 비교 테스트한 결과, PaddleOCR이 가장 안정적인 성능을 보여 최종적으로 적용하게 되었습니다.

팀원 소개

AI    현명	AI    민주

인터뷰

Q. Winter Dev 프로젝트에서 개발자로 참여한 경험을 설명해주세요. 어떤 역할을 맡았고, 주요 기술 스택은 어떻게 구성되었나요?

A. 저희 팀은 AI개발자 2명으로 구성되어서, AI모델 개발에 집중할 수 있었습니다. 데이터 전처리, AI모델 개발 및 학습, 성능개선, Streamlit을 통한 프론트엔드 개발 등 전반적인 것을 모두 경험할 수 있어서 개발해야 할 것들은 많았지만 여러 다양한 것들을 경험할 수 있어서 좋았던 것 같습니다. 저희가 사용한 주요 기술 스텍으로는 Python을 기반으로 Pytorch를 활용했고, 활용한 주요 모델은 YOLO, PaddleOCR 등이 있었습니다.

Q. 프로젝트를 하면서 어떤 문제를 겪었나요?

A. 프로젝트를 진행하며 YOLO 알고리즘을 활용해 객체 탐지 기술을 깊이 이해할 수 있었고, 이를 실제 데이터에 적용하면서 모델의 한계와 성능 개선 방법에 대해 고민할 기회가 되었습니다. 또한, 모델의 성능을 비교·분석하는 과정에서 문제 해결 능력이 향상되었습니다. 이러한 경험을 통해 전체적인 머신러닝 파이프라인을 설계하는 역량을 키울 수 있었습니다.

Q. 프로젝트를 하기 전 후 달라진 점이 있다면?

A. 프로젝트를 하기 전에는 Computer Vision분야에 관심은 있었지만 실제 프로젝트 경험은 적었는데, 이번 기회에 실제 모델도 학습시켜보고 최적화를 통한 성능 개선, Data Agmentation을 통한 학습 데이터 전처리, Streamlit을 통한 화면 구현 등 여러가지를 경험하면서 스스로 성장하는 기회가 되었던 것 같습니다.

Q. 프로젝트를 시작하는 팀에게 전해줄 꿀팁을 말해주세요!

A. YOLO모델이 사용하기 쉬운 것 같지만, 실제 웹캠을 활용한다면, 테스트 환경과 학습 환경이 달라 학습시에는 성능이 잘 나왔지만, 테스트할 때는 성능이 잘 나오지 않을 수도 있습니다. 그렇기 때문에 시간을 넉넉히 가지고 모델 학습 이후에 실제 웹캠을 활용한 환경에서 테스트해보고 학습 파라미터들을 바꿔가며 성능을 개선해 나가는 것이 좋을 것 같습니다!

Q. 개발자로서의 역량 향상을 위해 어떤 노력을 기울였으며, 이 프로젝트를 통해 어떤 기술적 성장을 이루었나요?

A. 주 1회 AI 관련 주제를 다루는 스터디를 진행하며 AI의 전반적인 개념, 다양한 모델, 그리고 실제 응용 사례에 대해 학습할 수 있었습니다. 또한, YOLO의 공식 문서를 분석하며 다양한 하이퍼파라미터의 역할과 설정 방법을 공부하는 등 성능 최적화를 위해 지속적으로 노력했습니다.

지금까지 냉장고 속 식품을 인식하고 유통기한을 자동으로 관리하는 ‘요건 아직 정상이에요’ 서비스를 개발한 KwaKi팀의 이야기를 전해드렸습니다! AI 기술을 활용해 더욱 정교한 서비스를 만들어가는 과정이 인상적이었습니다. 앞으로의 행보도 응원하겠습니다 감사합니다! 🙌