1분반-백세밥상

프로젝트 개요

기술개발 과제

국문 : 시니어 개인 맞춤형 식사 관리 AI 에이전트

영문 : Senior Personal Customized Meal Management AI Agent

과제 팀명

백세밥상

지도교수

유*진 교수님

개발기간

2025년 9월 ~ 2025년 12월 (총 4개월)

구성원 소개

서울시립대학교 컴퓨터과학부 2021920*** 염*윤(팀장)

서울시립대학교 컴퓨터과학부 2021920*** 안*혁

서울시립대학교 컴퓨터과학부 2022920*** 부*은

서울시립대학교 물리학과 2019550*** 신*운

서론

개발 과제의 개요

개발 과제 요약

급속한 고령화로 초고령 사회 진입을 앞둔 대한민국에서 시니어 계층의 불규칙한 식습관과 영양 불균형 문제는 주요 사회적 과제로 부상했다. 기존 건강 관리 솔루션은 전 연령을 대상으로 하여 시니어의 특화된 요구를 반영하지 못하고, 복잡한 사용법과 한식 중심의 식단을 정확히 분석하지 못하는 기술적 한계를 지닌다.

본 과제는 이러한 문제 해결을 위해, 시니어 AI 맞춤형 기반 식사 관리 에이전트를 개발하는 것을 목표로 한다. 사용자가 스마트폰으로 식단 사진을 촬영하면, AI가 자동으로 음식 종류와 영양 성분을 분석하고 기록한다. 분석된 데이터는 사용자가 사전에 입력한 보유 질환 정보와 연계되어, 개인에게 최적화된 맞춤형 건강 피드백과 식단 가이드를 제공한다.

사용자 편의성을 위해 사진 촬영만으로 식단을 기록하는 직관적인 UI/UX를 설계하고, 백엔드에서는 RAG 및 대규모 언어모델을 활용하여 건강 관련 질문에 신뢰성 높은 답변을 실시간으로 제공한다. 이를 통해 시니어 사용자는 복잡한 과정 없이 자신의 영양 상태를 객관적으로 파악하고, 지속 가능한 식습관을 형성할 수 있다. 최종적으로는 시니어의 건강 증진과 삶의 질 향상에 기여하고, 나아가 국가 전체의 사회적 의료 비용 절감에 이바지하고자 한다.

개발 과제의 배경

1. 초고령 사회 진입과 시니어 헬스케어 수요 급증: 대한민국은 통계청의 장래인구추계에 따르면 2025년 65세 이상 인구 비중이 20.6%에 달하는 초고령사회로 진입할 것으로 전망된다. 이러한 급속한 고령화는 시니어 계층의 건강 관리 문제를 사회적 핵심 과제로 부상하게 하였다. 특히 만성질환 유병률이 높은 노년층의 불규칙한 식숍관과 영양 불균형은 건강 악화의 주요 원인으로 지목되고 있어, 개인 맞춤형 영양 관리 솔루션에 대한 시장의 요구가 폭발적으로 증가하고 있다.

2. 기존 솔루션의 한계와 시니어 디지털 접근성 향상: 현재 출시된 건강 관리 애플리케이션들은 대부분 전 연령을 대상으로 하는 범용적 기능을 제공하여, 시니어의 특화된 요구와 신체적 특성을 반영하지 못하는 한계가 존재한다. 또한, 복잡한 사용자 인터페이스는 디지털 기기 사용에 익숙하지 않은 시니어들에게 높은 진입 장벽으로 작용한다. 그러나 과학기술정보통신부의 조사에 따르면 60대 스마트폰 보유율이 98.3%에 달하는 등, 시니어 계층의 디지털 접근성은 크게 향상되었고, 이는 스마트폰 기반의 쉽고 직관적인 건강 관리 서비스가 성공할 수 있는 충분한 기반이 마련되었음을 시사한다.

3. 한식 중심의 식단 분석 기술 부재: 시니어 계층의 식단은 국, 찌개, 다양한 밑반찬으로 구성된 한식이 중심을 이룬다. 하지만 기존 음식 인식 기술은 단일 메뉴나 정형화된 음식 분석에는 용이하나, 여러 음식이 한 번에 제공되고 국물 요리가 많은 한식의 특성을 정확히 분석하는 데 어려움이 있다. 따라서 시니어 유저에게 실질적인 도움을 주기 위해서는 한식에 특화된 고도화된 AI 음식 인식 및 영양 분석 기술의 개발이 필수적이다.

결론: 본 과제는 높은 스마트폰 보급률에도 불구하고, 기존 건강 관리 앱들의 복잡한 사용법과 어려운 정보로 인해 식습관 관리에 어려움을 겪는 시니어 계층의 문제점을 해결하고자 한다. 이를 위해, 스마트폰으로 음식 사진을 촬영하는 직관적이고 단순한 행위만으로 자신의 식단을 자동으로 기록하고 분석하는 사용자 인터페이스를 제공한다. AI 기반의 한식 특화 이미지 인식 기술은 국, 찌개, 다양한 반찬으로 구성된 복합적인 식단의 영양 성분을 정밀하게 분석하며, 사용자가 사전에 입력한 보유 질환 정보를 바탕으로 개인에게 최적화된 건강 피드백을 전달하는 핵심 기능이 있다. 이를 통해 사용자는 번거로운 과정 없이 자신의 영양 상태를 객관적으로 파악하고, 주도적으로 식습관을 개선하여 항산화, 질병 관리 등의 방법으로 건강 수명을 연장하는 효과를 기대할 수 있다. 장기적으로는 노년층의 만성질환을 효과적으로 예방 및 관리함으로써 국가 전체의 사회적 비용 절감에 기여하고, 시니어 디지털 헬스케어 시장을 선도하며 AI 기술 생태계에 긍정적인 파급 효과를 가져올 것이라 기대한다.

개발 과제의 목표 및 내용

본 개발 과제는 시니어 사용자의 편의성을 극대화하고 실질적인 건강 개선을 유도하는 것을 최종 목표로 삼는다. 이를 달성하기 위해 다음과 같은 네 가지 핵심 기능을 개발하고 구현하고자 한다.

AI 기반 음식 사진 인식 및 자동 기록: 스마트폰 카메라로 식사 사진을 촬영하면, AI 이미지 인식 기술이 국, 밥, 반찬 등 한식 상차림의 각 메뉴를 자동으로 식별하고 식단으로 기록하는 기능이다. 이는 디지털 기기 활용에 익숙하지 않은 시니어 사용자가 복잡한 수동 입력 과정 없이 단 한 번의 촬영만으로 식단을 기록하게 하여, 데이터 입력의 진입 장벽을 획기적으로 낮추고 서비스 사용률을 극대화하는 것을 목표로 한다.

한식 특화 영양 정보 정밀 분석: 인식된 음식 메뉴를 기반으로 칼로리, 탄수화물, 단백질, 지방 등 기본 영양소는 물론, 시니어 건강에 중요한 나트륨, 당류 등의 함량을 정밀하게 분석하여 제공한다. 특히 국물과 발효 음식이 많은 한식의 특성을 고려한 데이터베이스를 구축하여, 일반적인 영양 분석 앱보다 훨씬 정확하고 신뢰도 높은 정보를 제공함으로써 사용자의 식단에 대한 객관적인 이해를 돕는다.

보유 질환 기반 개인 맞춤형 피드백: 사용자가 사전에 입력한 당뇨, 고혈압 등 개인의 보유 질환 정보와 분석된 영양 정보를 연계하여 맞춤형 건강 피드백을 제공한다. 예를 들어, 혈압이 높은 사용자에게는 나트륨 섭취량에 대한 경고와 함께 저염식 대안을 제시하는 등, 어려운 영양 정보를 사용자가 이해하기 쉬운 실행가능한 조언의 형태로 변환하여 실질적인 식습관 개선을 유도한다.

식습관 통계 및 건강 리포트 시각화: 매일 기록된 식단 데이터를 축적하여 주간, 월간 단위의 영양 섭취 패턴, 식사 시간 규칙성 등을 분석하고, 이를 그래프나 차트 등 이해하기 쉬운 형태로 시각화하여 제공한다. 사용자는 자신의 식습관을 한눈에 파악하고 장기적인 변화를 추적할 수 있으며, 필요시 해당 리포트를 가족에게 공유하여 보다 체계적인 건강 관리를 받는 데 도움이 되도록 한다.

시니어 헬스케어 시장 진입 및 경제적 가치 창출: 본 과제를 통해 개발되는 한식 특화 인공지능 식단 분석 기술은 기존 헬스케어 시장의 기술적 공백을 해소한다. 이 기술은 급증하는 노년층 건강 관리 시장에서 경쟁 우위를 확보한다. 향후 보험사, 요양기관 등과의 협력을 통한 B2B2C 서비스 모델로의 확장이 가능하며, 이를 통해 새로운 수익원을 창출하고 고부가가치 서비스 산업 성장에 기여하는 경제적 효과가 예상된다.

국가적 의료 비용 절감 및 사회적 부담 경감: 노년층의 만성 질환 관리는 국가 보건 재정 지출의 주요 항목이다. 본 서비스는 사용자에게 식습관의 주도적 개선을 유도하여 질환의 예방 및 관리를 지원한다. 장기적으로 노년층의 합병증 발생률과 의료 이용 비용을 감소시킨다. 이는 국가 전체의 사회적 부담을 실질적으로 완화하는 사회적 비용 절감 효과를 가져온다.

노년층의 디지털 정보 접근성 제고 및 삶의 질 향상: 사진 촬영이라는 직관적인 사용자 조작 방식을 채택하여 노년층의 디지털 헬스케어 서비스 접근 장벽을 낮춘다. 이는 기존 디지털 기기 사용에 어려움을 겪던 사용자들의 정보 격차 해소에 기여한다. 지속적인 건강 관리를 통해 노년층의 활동적인 건강 수명(Health Span)을 연장하고, 주도적인 생활 방식 유지를 가능하게 하여 노년기 삶의 질을 향상시키는 긍정적인 사회적 파급 효과를 창출한다.

인공지능 기반 한식 빅데이터 자원 구축 및 관련 산업 활성화: 서비스 운영을 통해 대규모의 한식 식단 이미지 및 영양 섭취 패턴 데이터가 지속적으로 축적된다. 이 데이터는 향후 음식 인식 기술의 정밀화 및 영양학 연구 발전에 필수적인 독점적 빅데이터 자원으로 활용된다. 이러한 데이터 생태계 구축은 관련 인공지능 연구 분야를 활성화하고, 헬스케어 컨설팅 및 영양 관리 에이전트 운영 등 새로운 서비스 직무 및 일자리를 창출하는 부수적 경제 효과를 유발한다.

기술개발 일정 및 추진체계

개발 일정

2025.09 ~ 2025.12

구성원 및 추진체계

염*윤(팀장): AI 에이전트 개발 안*혁: 프론트엔드 개발 부*은: 프론트엔드 개발 신*운: 백엔드 개발

설계

설계사양

제품의 요구사항

요구사항 목록
ID	구분	D or W	중요도	상세
R1	간편한 식사 기록	D	대	사용자는 복잡한 과정 없이 음식 사진 촬용 또는 텍스트로 식사 기록을 할 수 있어야 한다.
R2	정확한 영양 분석	D	대	사용자는 복잡한 과정 없이 음식 사진 촬영 또는 텍스트로 식사 기록을 할 수 있어야 한다.
R3	개인 맞춤형 식단 제안	D	대	사용자는 연령, 성별, 알러지, 건강 목표(근육 증가, 당뇨 관리 등)를 반영한 맞춤형 레시피 및 영양 가이드를 제공받기를 원한다.
R4	시니어 친화적 사용성	D	대	시니어 사용자는 복잡하지 않고 직관적인 UI/UX를 통해 서비스를 쉽게 이용할 수 있어야 한다.
R5	식습관 개선 피드백	W	중	사용자는 식사 기록 직후 제공되는 밀리포트 형태의 즉각적인 피드백과, 일/주 단위 분석을 기반으로 한 식습관 개선 피드백을 받고 싶어 한다.
R6	장기 식습관 분석	W	중	사용자는 밀리포트와 같은 즉각적 피드백을 넘어, 일/주 단위 식습관 개선 패턴 분석을 통해 영양 상태를 한눈에 파악하고 개선 방향을 알고자 한다.
R7	건강 관리 지속성	D	대	사용자는 앱 종료나 재실행 이후에도 이전 기록과 설정이 유지되는 연속적인 관리 경험을 원한다.

개념설계안

설계사양에 명시된 요구사항, 특히 복잡한 한식 상차림을 분석하여 개인 맞춤형 건강 점수를 산출해야 하는 핵심 과제를 해결하기 위해, 다음과 같은 독창적인 아이디어를 제시한다. 본 아이디어는 AI의 분석 철학과 데이터 처리 방식에서 차별점을 가지며, 팀원 간의 심도 있는 논의를 통해 도출되었다.

정밀 분석 및 정량 점수화 시스템: 이 설계안은 데이터 기반의 정밀성과 객관성을 최우선 가치로 두는 접근법이다. 시스템은 사용자가 업로드한 사진에서 객체 탐지 모듈을 통해 모든 음식을 개별적으로 식별하고, 한식 영양성분 데이터베이스와 연동하여 영양 정보를 추출한다. 이후 점수 산출 엔진이 이 데이터를 기반으로 단백질 요구량, 탄단지 균형 등 정의된 모든 공식을 실행하여 최종 점수를 정밀하게 연산한다. 이러한 방식은 프로젝트의 핵심 근거 자료인 점수 산출 로직을 가장 직접적이고 정확하게 구현하여 목표 부합성이 높고, 사용자의 식단을 수치적으로 분석하여 데이터에 기반한 객관적인 피드백을 제공할 수 있다.

상세설계 내용

소프트웨어 아키텍쳐 구조

Client: 사용자가 시스템과 상호작용하기 위해 사용하는 React Native 기반의 모바일 애플리케이션이다.
EC2: Amazon이 제공하는 클라우드 컴퓨팅 서비스로, 백엔드 시스템이 구동되는 물리적 서버 환경을 제공한다.
Docker: 컨테이너 기반 가상화 플랫폼이다. Spring Boot, FastAPI, Nginx 등을 독립된 컨테이너로 패키징하여 EC2 내에서 환경 충돌 없이 일관된 배포 환경을 보장한다.
Nginx: 리버스 프록시 서버로서, 클라이언트의 요청을 받아 URL 경로에 따라 Spring Boot 또는 FastAPI로 적절히 라우팅하는 단일 진입점 역할을 한다.
Spring Boot: 메인 백엔드 서버로, 사용자 요구사항 처리 및 데이터 관리 등 AI 분석을 제외한 전반적인 비즈니스 로직을 수행한다.
Fast-API: AI 분석 전용 서버이다. 유저가 입력한 식사 사진과 텍스트를 AI 모델로 분석하여 점수를 산출하고 피드백을 생성한다.
Redis: 인메모리 데이터 저장소로, RDB에서 조회 빈도가 높지만 변경이 적은 데이터(레시피, 일일 보고서 등)를 캐싱하여 응답 속도를 높인다.
MySQL (Amazon RDS): 애플리케이션의 핵심 정형 데이터를 관리하는 관계형 데이터베이스이다. 가용성과 운영 효율을 위해 AWS RDS를 사용한다.
S3: 사용자가 업로드하는 식단 이미지를 저장하는 클라우드 스토리지이다. FastAPI는 이곳에 저장된 이미지 URL을 통해 분석 작업을 수행한다.
Nginx: 고성능 웹 서버이자 리버스 프록시이다. 클라이언트(React Native)의 모든 요청을 가장 먼저 받아, 요청의 목적지(URL 경로 등)에 따라 Spring Boot(메인 로직)로 트래픽을 분산 및 라우팅하는 • 단일 진입점(Single Entry Point) 역할을 수행한다.

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

완료작품의 평가

평가항목	평가방법	적용기준	개발 목표치	비중(%)	평가결과
1. 클라이언트-서버 연동 안정성 및 데이터 처리 정확도	API 통신 테스트 및 예외 처리 검증	API 통신 성공률 및 예외 처리 안정성 검증	통합 테스트 시나리오 통과 및 크리티컬 이슈	40%	데이터 파이프라인 연동 성공 및 예외 처리 로직 적용 완료
2. 통신 간의 Response Time	유저가 요청한 api에 대해, 평균 응답 속도를 측정	-	20ms를 목표로 함	25%	캐시 miss Avg time: 27.12ms, 캐시 hit Avg time: 14.34ms
3. 시니어 사용자 친화성	UI 시연 및 사용 흐름 점검	직관적 정보 전달 여부	5초 이내 정보 인지	35%	점수, 게이지, 그래프 중심 UI를 통해 시니어 사용자가 식사 상태를 직관적으로 파악할 수 있도록 구현됨

향후계획

어려웠던 내용들

점수 산출 모델 설계의 어려움

사용자의 질병 관리를 위한 점수 산출 모델 설계하는 과정에서, 음식종류, 나이, 성별 등 다양한 요소를 고려해야 했고, 질병(고혈압, 고지혈증, 근감소증, 황잔변성, 심근셩색, 뼈질환) 유형에 따라 점수 산출 기준을 달리 구성하는 데 어려움이 있었다.

피드백 체감 효과 및 지속 사용 유도 한계

AI가 피드백을 제공하더라도 사용자가 즉각적인 효과나 변화를 체감하기 어려운 문제가 있었고, 점수 산출 모델 특성상 점수가 전반적으로 낮게 산출되는 경향이 있어, 사용자에게 동기 부여보다는 부담으로 인식될 가능성이 있었다. 이로 인해 서비스의 실효성과 장기적인 지속 사용 의향을 높이는 데 한계가 있었다.

백엔드-AI-프론트엔드 연동의 복잡성

각 시스템 산 데이터 흐름과 역할을 정의하고 안정적으로 연동하는 과정에서 구조 설계 및 디버깅에 어려움이 있었다.

실행 환경별 UI 일관성 확보의 어려움

로컬 개발 환경(에뮬레이터/실기기)에서 UI가 서로 다르게 보이거나, 빌드 이후 실제 앱에서 UI가 달라지는 문제가 발생해 화면을 반복적으로 수정/검증하는 과정이 시간 많이 소요하고 어려웠다.

시니어 사용자 관점의 UI/UX 설계

가독성과 단순성을 유지하면서도 필요한 정보를 충분히 제공하기 위한 UI 구성에 고민이 많았다.

테스트 사용자 확보의 어려움

실제 앱 사용 환경을 검증하기 위한 테스트 사용자를 모집하는 데 어려움이 있었다.

차후 구현할 내용

대화형 건강 관리 에이전트 도입

사용자의 식사 기록과 리포트 데이터를 기반으로 대화를 통해 식습관 개선 방향을 안내하는 인터랙티브 에이전트를 구현할 계획이다.

리포트 기반 질의응답 기능

사용자가 “오늘 왜 점수가 낮았어?”, “이번 주에 부족한 영양소는?”과 같은 질문을 하면, 일간/주간 리포트 분석 결과를 바탕으로 설명을 제공하는 기능을 추가할 예정이다.

시니어 친화 음성 기반 인터페이스

텍스트 입력이 어려운 사용자를 위해 음성 입력 및 음성 안내 기능을 대화형 에이전트와 연계하여 구현할 예정이다.

소셜 로그인 기능 확장

카카오, Gmail, 네이버 로그인 기능을 추가하여 사용자 로그인 과정을 더 간편하게 개선할 예정이다.

iOS/웹 지원 및 멀티플렛폼 확장

현재는 개발 환경 제약으로 Android 중심으로 개발이 진행되었으나, 향후 iOS에서도 동일한 기능을 제공할 수 있도록 플랫폼을 확장할 계획이다. 또한 웹 버전으로 확장하여 다양한 기기에서 일관된 사용자 경험을 제공하고자 한다.

항목(품명, 규격)	수량	단가	금액(단위 천원)
AI API 사용료	4개월	10	40
AWS 서버 사용료	4개월	100	400
모바일 앱 배포 비용	1회	150	150
도메인 및 보안 인증 비용	1회	100	100
외부 자문료료	9시간	150	1350
개발 인건비	4명*4개월	7000	28000