개발기간: 2024.05 ~ 2024.12
Built with Python
육류에 대한 고객/구매자의 맛에 대한 선호도(Tasty preference) 데이터를 육류 이미지와 분석된 미각 데이터로 나누어 체계적으로 수집하고 이를 기반으로 이미지 기반의 육류에 관한 상세한 맛 데이터를 자동으로 분류하고 예측하는 인공지능 예측 모델을 구축하여 향후 고객/구매자들에게 최적화된 육류 개인화 추천을 위한 시스템 개발을 목표로 하며 프로젝트를 추진했습니다.
육류 및 유저 데이터의 조회/입력/수정/통계/예측 등 관리 및 조회가 가능한 어드민 웹 페이지입니다.
관리자 및 연구자가 사용하기 위한 페이지로 개발되었습니다.
접속 주소 : http://deeplant-web.s3-website.ap-northeast-2.amazonaws.com
육류 맛 예측 인공지능 위한 데이터 수집에 사용되는 어플리케이션입니다.
육류 이력 번호 조회, 사진 촬영, 관능평가 및 실험 데이터 등록, 조회, 수정이 가능합니다.
APK 설치 경로 : http://deeplant-web.s3-website.ap-northeast-2.amazonaws.com
-
git repository clone
-
[환경 변수 및 Secret 변수 설정]
-
git push origin main
git clone https://github.com/deun115/20242R0136COSE48002.git
cd test-web
npm install
npm run start
- flutter 설치
- Android Studio를 활용하여 에뮬레이터 실행 혹은 실제 모바일 기기 연결
git clone https://github.com/deun115/20242R0136COSE48002.git
cd app/structure
flutter pub get
flutter run
1) Docker-Compose로 실행하기
- cd test-flask/
- docker-compose.yml 파일이 위치한 경로로 이동
- docker ps
- docker compose version
- 도커와 도커 컴포즈 설치 여부 확인
sudo docker-compose up-d
- docker compose build 및 실행
2) 가상환경을 통해 로컬에서 실행하기
python3 -m venv venv
source venv/bin/activate
- 가상환경 생성 및 실행
- cd test-backend/
docker run -d -p 5000:5000 --name mlflow-server ghcr.io/mlflow/mlflow mlflow server --host 0.0.0.0
- 공식 도커 이미지를 활용하여 mlflow 서버 키기
pip install -r requirements-dev.txt
- 서버 실행에 필요한 파이썬 패키지 설치
gunicorn --bind 0.0.0.0:8080 --workers 2 --timeout 600 app:app
- flask 서버 실행
- 만약 터미널에서 로그 확인하고 싶다면
--log-level [info|debug]
argument 추가
이원준 (Wonjun Lee) | 원하진 (Hajin Won) | 최순혁 (Sunhyuk Choi) | 최승민 (Seungmin Choi) | 양은서 (Eunseo Yang) | 최다영 (Dayoung Choi) | 김태관 (Taekwan Kim) | 김태우 (Taewoo Kim) |
---|---|---|---|---|---|---|---|
GitHub: @wonjuneee | GitHub: @wonhj12 | GitHub: @recon48 | GitHub: @sdouf5054 | GitHub: @deun115 | GitHub: @dayoung20 | GitHub: @TTKKWAN | GitHub: @skitw427 |
고려대학교 컴퓨터학과 3학년 | 고려대학교 컴퓨터학과 3학년 | 고려대학교 컴퓨터학과 3학년 | 고려대학교 컴퓨터학과 3학년 | 고려대학교 컴퓨터학과 4학년 | 고려대학교 데이터과학과 3학년 | 고려대학교 컴퓨터학과 2학년 | 고려대학교 컴퓨터학과 3학년 |