beomgg.
Back to Projects

쏙식(Ssoksik) - AI 당뇨 식단 관리 솔루션

사진 한 장으로 식단을 기록하고 음식을 자동 인식하여 당 부하 지수 및 영양 정보를 시각화하는 AI 당뇨 관리 솔루션 앱

2025.07Source Code
Spring BootJavaAI

프로젝트 배경 및 목표

'쏙식(Ssoksik)'은 개인의 혈당 관리와 건강한 식습관 형성을 돕기 위해 기획된 AI 기반 종합 헬스케어 플랫폼입니다. 평소 건강과 식단 관리에 대한 관심, 특히 당뇨 환자분들의 일상적 피로도에 착안해 기존의 단순 기록형 앱에서 벗어나 최신 AI 기술을 활용한 맞춤형 분석 및 추천을 제공하는 것을 목표로 했습니다.

  • AI 기반 맞춤형 식단 추천: Google GenAI를 연동하여 혈당 수치와 식사 기록(이미지/텍스트)을 분석하고 실시간 피드백 제공
  • 멀티 플랫폼 통합 시스템: React Native 기반 모바일 앱(사용자용)과 React 기반 관리자 웹 대시보드 구축
  • 직관적인 기록 및 통계: 캘린더와 통계 차트를 통해 매일의 식단과 혈당 변화를 쉽게 파악

시스템 아키텍처 및 기술 스택

┌─────────────────────────────────────────────────────────┐
│                 Client Layer (Mobile & Admin)           │
│  - Mobile (React Native/Expo): User UI, Camera Input    │
│  - Admin (React/Vite): Web Dashboard, Statistics        │
└────────────────────────────┬────────────────────────────┘
                             │ HTTP / REST API (JWT)
                             ▼
┌─────────────────────────────────────────────────────────┐
│                 Core Backend (Spring Boot 4.0)          │
│  - Auth Domain: Spring Security, JWT Token Management   │
│  - Core Domain: Food Record, Blood Sugar Tracking       │
│  - AI Integration: Prompt Engineering, Data Parsing     │
└────────────┬───────────────┬────────────────┬───────────┘
             │ (JPA/SQL)     │ (HTTP)         │ (SDK)
             ▼               ▼                ▼
┌───────────────┐ ┌────────────────┐ ┌────────────────────┐
│   MySQL 8.0   │ │     AWS S3     │ │   Google GenAI     │
│ (User, Record)│ │ (Food Images)  │ │ (Vision & Text AI) │
└───────────────┘ └────────────────┘ └────────────────────┘

Frontend & Core

  • Framework (Mobile): React Native (Expo), React 19
  • Framework (Admin): React 19, Vite
  • Styling & Viz: Tailwind CSS v3, Recharts

Backend & Data

  • Framework: Java 21, Spring Boot 4.0, Spring WebMVC, Spring Data JPA
  • Storage & Security: MySQL, AWS S3, Spring Security (JWT)
  • AI & Integration: Google GenAI SDK, Springdoc OpenAPI

핵심 기술적 도전 및 해결 과정

Google GenAI 연동 및 프롬프트 최적화

  • Challenge: AI 분석 요청 시 응답 형식이 일관되지 않아 모바일 앱 내에서 UI로 파싱하는 데 잦은 렌더링 오류가 발생했습니다.
  • Solution: 백엔드에서 엄격한 프롬프트 엔지니어링을 적용하고, 응답을 특정 JSON 포맷으로 강제(Structured Output) 처리하여 클라이언트 단의 파싱 안정성을 크게 높였습니다.

대용량 이미지 처리와 AWS S3 업로드 최적화

  • Challenge: 모바일 기기에서 촬영한 고해상도 이미지를 그대로 전송하면 네트워크 지연과 스토리지 낭비가 심했습니다.
  • Solution: 클라이언트 단에서 Expo Image Picker를 활용해 이미지 리사이징을 선행하고, 백엔드는 AWS S3 연동을 통해 빠르고 안전하게 저장하는 업로드 파이프라인을 구축했습니다.

프로젝트 성과 및 배운 점

  • 통합 시스템 설계 경험: 모바일 앱, 관리자 웹, API 백엔드로 분리된 3개의 저장소를 동시에 운영하며, 각 플랫폼 간의 원활한 데이터 통신(REST API)과 아키텍처 설계 역량을 길렀습니다.
  • 최신 AI 기술 실무 적용: 외부 모델인 Google GenAI를 단순 연동하는 것을 넘어, 서비스의 핵심 비즈니스 로직에 결합해 사용자에게 실질적인 가치를 제공하는 방법을 체득했습니다.