Caffit(카핏): 개인 맞춤 카페인 코치

2025-2-OSSProj-semicolon-02

0. 팀 구성

구분	성명	역할	소속
팀장	강서현	프론트엔드 · 백엔드	산업시스템공학과
팀원	김민솔	프론트엔드 · 백엔드	정보통신공학과
팀원	이은정	프론트엔드 · AI	산업시스템공학과

 

1. 개발 목표

• LLM 기반 음료 라벨 자동 인식
• 수면 데이터 기반 개인 반감기 추정
• AI Agent 기반 카페인 리포트 자동 생성
• 권장량 초과 시 실시간 알림
• 국내 음료 DB 기반 정확한 카페인 추적
   

---

2. 시스템 구조

2-1. 전체 아키텍처

• Frontend: React Native (TypeScript)
• Backend: Spring Boot (REST API)
• AI Module: Flask (Python, LLM + RAG + AI Agent)
• DB: MySQL (AWS RDS)
• 배포: AWS EC2 / Elastic Beanstalk / Docker  

유스케이스 다이어그램

 

시스템 블록 다이어그램

 

ERD

 

2-2. 주요 기능

1) 회원 관리

• 로그인/회원가입 (Google OAuth 예정)
• 마이페이지: 목표 설정, 알림 설정, 즐겨찾기 관리

2) 카페인 측정 관리

• 직접 등록
• 즐겨찾기 등록
• 사진 기반 음료 자동 인식 (LLM)

3) 통계 관리

• 수면 기록 관리
• 섭취 기록 관리리
• 월간 섭취 통계계
• 시간대별 농도 변화

4) 추천/리포트 관리

• 수면과 섭취 시각을 결합한 개인 민감도, 반감기 추정
• 실시간 잔여량 계산
• 권장량 초과 경고
• AI Agent 기반 자연어 리포트 자동 생성
  • 과다 섭취 패턴
  • 시간대별 위험 구간
  • 개인 민감도 변화

5) 지도

• 현재 위치 기반 카페 탐색
• 마커 기반 주변 카페 조회
   

---

3. 앱 화면

 

---

4. 실행 방법

Frontend

cd frontend
npm install
npx react-native run-android

Backend (Spring Boot)

cd backend
./gradlew bootRun

 

---

6. 기대효과

측면	내용
건강적	불면·불안 등 부작용 예방, 수면 질 향상
기술적	LLM·RAG 기반 이미지 인식, AI Agent 자율 분석
사회적	청소년·취약계층 보호, 건강 문화 확산
경제적	데이터 기반 음료 추천·마케팅 연계 가능

 

---

7. 자료 관리

제안 발표

수행계획서

수행계획발표자료

회의록  

중간 발표

중간보고서

중간발표자료

회의록  

최종 발표

최종보고서

최종발표자료

회의록

제품구성배포운영자료

시연동영상

 

---

8. 참고문헌

• 김예분 외, 대학생의 카페인 음료 섭취와 수면의 질, 대한보건학회지, 2014
• Seo & Lee, Perception and intake of caffeinated beverages, J. East Asian Society of Dietary Life, 2020
• Choi et al., Effects of caffeine dosage and timing on vascular/cognitive functions, Applied Sciences, 2025
• CaffeineCatch / Daily Coffee / CaffeInMe / PURIFY 앱 참조