MobileNetV2와 Random Forest 기반 AI 푸드 구조 플랫폼 설계

Context

수동 입력 기반의 기부 플랫폼으로 인한 데이터 부정확성 및 처리 지연 발생. 음식물 부패 전 신속한 수거를 위한 정량적 판단 지표 및 자동화된 분류 시스템 부재에 따른 비효율성 노출.

Technical Solution

• MobileNetV2 기반 Transfer Learning 적용을 통한 경량화된 Food Recognition 모델 구현
• 음식 카테고리, 무게, 용기 크기를 변수로 활용한 Random Forest Regressor 기반의 Serving Estimator 설계
• 카테고리, 잔여 시간, 보관 온도를 분석하여 High/Medium/Low 단계로 구분하는 Random Forest Classifier 기반 Expiry Risk Predictor 구축
• FastAPI를 활용하여 ML 모델의 예측 결과를 즉시 반환하는 고속 API 엔드포인트 및 모듈형 백엔드 아키텍처 구성
• 예측 정확도와 배포 효율성의 Trade-off 해결을 위해 리소스 소모가 적은 경량 모델 위주의 스택 채택

Key Takeaway

데이터셋이 제한적인 환경에서 도메인 특화 변수(무게, 온도 등)를 조합한 앙상블 모델과 경량 CNN 모델을 결합하여 실시간 의사결정 시스템을 구축한 사례.