YOLO11 기반 이미지 인식과 개인 맞춤형 건강 관리 추천 서비스 설계및 구현
Design and Implementation of a YOLO11-Based Image Recognition and Personalized Health Management Recommendation System
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현대인의 불규칙한 식습관은 영양 불균형을 야기하지만, 설문 중심의 영양제 추천은 실제 섭취를 충분히 반영하지 못한다. 본 연구는 사용자의 실제 음식 이미지 한 장만으로 음식 종류를 인식하고 영양소를 추정한 뒤, 연령·성별 등 사용자 정보에 따른 권장 섭취량과 비교하여 부족한 영양소를 도출하고 이에 근거해 영양제를 추천하는 개인 맞춤형 시스템을 제안한다. 다중 객체 라벨링으로 학습된 YOLO11을 적용하여 한식의 색상·질감 유사성과 복합 구성을 안정적으로 처리하며, mAP50 0.913,mAP50–95 0.835의 탐지 성능으로 복잡한 한식 이미지에서도 일관된 정확도를 보여 모바일 실시간 서비스에 적용 가능한 수준임을 확인하였다. 백엔드는 AWS 기반(FastAPI, S3, DynamoDB)으로 구현하고, 클라이언트는 Flutter로 분석·추천 결과를 시각화한다. ONNX 최적화를 통해 추론 지연을 줄여 모바일 환경에서 실시간 사용이 가능하다. 제안 시스템은 최소 입력으로 실제 식습관에 근거한 개인 맞춤형 건강 관리를 지원하는 실용적 파이프라인을 제시한다.
Abstract
This study presents a personalized health management system that automatically recognizes food from user images, estimates nutrients, and recommends supplements based on nutritional deficiencies. A YOLO11s model trained on a multi-labeled 150-class Koreanfood dataset achieves 0.913 mAP50 and 0.835 mAP50–95, improving detection of complex traditional meals with multiple side dishes. The system integrates AWS, FastAPI, S3, and DynamoDB for real-time processing, with a Flutter app for visualization. The ONNXoptimized model enables fast and efficient inference on mobile devices. The proposed end-to-end pipeline enhances accessibility topersonalized nutrition management and provides a practical framework for intelligent dietary monitoring and health improvement.