156. [Streamlit] [AI] :Teachable Machine을 활용한 파충류 분류 AI(1)

 

 

 

 

 

🏆 프로젝트 개요: AI가 파충류를 분류한다!

파충류와 양서류는 형태적으로 비슷한 종이 많아 초보 사육자들에게 정확한 구분이 어렵습니다. 이에 따라 Teachable Machine과 Streamlit을 활용하여 사용자가 직접 이미지를 업로드하면 AI가 즉시 파충류의 종을 판별하는 웹 애플리케이션을 개발하였습니다.

본 프로젝트는 이미지 분석을 통해 15종의 파충류를 분류하고, 병원 검색 및 유튜브 영상 검색 기능을 추가하여 실질적인 활용도를 극대화하였습니다.

 

 

---

🎯 프로젝트 목표

1. AI 기반 종 분류 기능 제공
   • 업로드한 이미지를 분석하여, 파충류 15종 중 어느 종에 속하는지 예측
   • 모델이 제공하는 신뢰도(%)를 함께 출력
2. 병원 검색 기능
   • 사용자가 인식된 파충류를 치료할 수 있는 특수동물 병원 검색 가능
3. 유튜브 학습 기능
   • 해당 종에 대한 사육법, 건강 관리법 등을 유튜브에서 자동 검색
   • 영상 클릭 시 유튜브로 연결

---

🛠 기술 스택

기술/라이브러리 역할

Teachable Machine	AI 모델 학습 및 분류
Streamlit	웹 애플리케이션 UI
Pandas, NumPy	데이터 처리 및 관리
Matplotlib, Seaborn	데이터 시각화
YouTube API	파충류 관련 영상 검색
병원 검색 API	네이버/구글 병원 데이터 연계

 

---

🔍 AI 모델 개발 과정

1. 데이터 수집

• Kaggle의 Reptiles and Amphibians Dataset을 기반으로 이미지 수집
• 국내 애완 파충류 시장 정보(예: The Breeders)와 결합
• 15종의 대표적인 파충류를 포함

2. AI 모델 학습

• Google Teachable Machine을 활용하여 이미지 분류 모델 학습
• 데이터 증강(Augmentation)을 통해 모델의 일반화 성능 향상
• 학습 후 모델을 Export하여 Streamlit 앱에서 활용

3. Streamlit 웹 앱 개발

• 사용자가 이미지를 업로드하면, AI가 자동으로 종을 분류
• 병원 검색 및 유튜브 영상 검색 기능을 추가하여 사용자 편의성 강화

---

🖥 프로젝트 파일 구조

🔍 프로젝트 주요 기능

1️⃣ AI 기반 이미지 분석 (Teachable Machine 활용)

• 사용자가 사진을 업로드하면 AI가 종을 판별하고 확률(%)을 표시
• Kaggle의 "Reptiles and Amphibians Dataset"을 활용하여 초기 9종 → 15종으로 확장
• 레오파드 게코, 볼파이톤 등 다양한 모프(morph) 분석 가능
• 🏆 차별점:
  • 기존 앱(렙다이어리 등)과 달리, 모프 데이터 축적 및 유전자 예측 기능 제공
  • 종 분류 후 바로 병원 검색 & 유튜브 영상 추천 가능

📌 예제 코드 (Teachable Machine 활용)

import tensorflow.keras
from PIL import Image, ImageOps
import numpy as np

# AI 모델 불러오기
model = tensorflow.keras.models.load_model("model/teachable_machine_model.h5")

def classify_image(image_path):
    # 이미지 전처리
    image = Image.open(image_path).convert("RGB")
    image = ImageOps.fit(image, (224, 224), Image.ANTIALIAS)
    image_array = np.asarray(image) / 255.0
    image_array = np.expand_dims(image_array, axis=0)

    # 모델 예측
    prediction = model.predict(image_array)
    class_index = np.argmax(prediction)

    return class_index, prediction[0][class_index]

# 테스트 실행
image_path = "test_image/lizard1.jpg"
result, confidence = classify_image(image_path)
print(f"분류 결과: {result}, 확률: {confidence:.2f}")

✔ 설명:

• 이미지를 224x224 픽셀로 변환하여 AI 모델이 예측하도록 합니다.
• np.argmax(prediction)을 이용해 가장 높은 확률의 클래스를 선택합니다.
• 출력된 숫자를 종 이름과 매핑하여 사용자에게 결과 제공!

---

2️⃣ 특수동물 병원 검색 기능

• 파충류 전문 병원은 일반 동물병원보다 찾기 어려운 경우가 많습니다.
• 따라서 네이버/구글 API를 이용해 주변 병원을 검색할 수 있도록 구현했습니다.
• 🏥 네이버 검색 API 예제 코드

import requests

def search_hospital(query, location):
    client_id = "YOUR_NAVER_CLIENT_ID"
    client_secret = "YOUR_NAVER_SECRET"

    url = f"<https://openapi.naver.com/v1/search/local.json?query={query}&display=5&start=1&sort=random>"

    headers = {
        "X-Naver-Client-Id": client_id,
        "X-Naver-Client-Secret": client_secret
    }

    response = requests.get(url, headers=headers)

    if response.status_code == 200:
        data = response.json()
        return data["items"]
    else:
        return None

# 실행
hospital_list = search_hospital("파충류 병원", "서울")
for hospital in hospital_list:
    print(hospital["title"], hospital["address"])

✔ 설명:

• 네이버 검색 API를 사용하여 사용자의 위치 기반으로 파충류 병원을 검색합니다.
• 검색어를 "파충류 병원"으로 설정하여 불필요한 일반 병원은 필터링했습니다.
• 출력된 병원 정보를 지도와 연결하여 바로 이동할 수 있도록 UI 제공!

---

3️⃣ 유튜브 영상 검색 기능 (파충류 관리 & 질병 예방)

• AI가 분류한 종과 관련된 유튜브 영상을 자동으로 추천합니다.
• 예를 들어, 볼파이톤이 판별되면 "볼파이톤 키우는 방법" 영상 자동 검색
• 📺 유튜브 API 예제 코드

from googleapiclient.discovery import build

def search_youtube_video(query):
    api_key = "YOUR_YOUTUBE_API_KEY"
    youtube = build("youtube", "v3", developerKey=api_key)

    request = youtube.search().list(
        part="snippet",
        maxResults=5,
        q=query,
        type="video"
    )

    response = request.execute()

    return response["items"]

# 실행
videos = search_youtube_video("레오파드 게코 키우기")
for video in videos:
    print(f"영상 제목: {video['snippet']['title']}, URL: <https://www.youtube.com/watch?v={video['id']['videoId']}>")

✔ 설명:

• 유튜브 API를 사용해 사용자가 키우는 파충류와 관련된 영상을 검색합니다.
• 종 분류 후 자동 검색되어 유저가 즉시 영상을 시청할 수 있도록 함!
• 학습 & 정보 제공 목적으로 활용할 수 있음.

---

🚀 프로젝트의 차별점

✅ AI 모델을 이용한 실시간 이미지 분류

✅ 파충류 전문 병원 검색 기능 제공

✅ 유튜브 영상 검색을 통한 사육 정보 제공

✅ 모프(morph) 데이터 축적을 통한 교배 예측 기능 추가 가능

✅ 교육 및 연구 자료로 활용 가능 (학교, 박물관, 연구기관)

이 프로젝트는 단순한 애완동물 관리 도구를 넘어 실제 사육자, 브리더, 연구자 모두에게 유용한 데이터 기반 도구로 활용될 수 있습니다.