AI Store에서 AI코딩으로 만들어진 앱을 만나보세요!
지금 바로 방문하기

AI 영수증 분석기 구축: GPT-4 Vision + Streamlit

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

인공지능

대상자

AI 및 웹 앱 개발자, 데이터 과학자

난이도: 중급 (Streamlit 및 OpenAI API 활용 경험이 필요)

핵심 요약

  • GPT-4 Vision + Streamlit 활용으로 72시간 내 실용적인 영수증 분석 앱 개발
  • JSON 형식 명시이미지 품질 평가를 통해 90%+ 정확도 달성
  • 프론트엔드(streamlit_app.py) 및 AI 로직(processor.py) 분리된 아키텍처 구현

섹션별 세부 요약

1. 개요 및 목표

  • 문제 정의: 월말 영수증 수동 입력의 비효율성 해결
  • 목표: 이미지 기반 구조화 데이터 추출 및 소비 분석
  • 기술 스택: Streamlit, GPT-4 Vision, PIL, Streamlit Cloud

2. 핵심 코드 구조

  • analyze_receipt 함수:

- 이미지 품질 평가(check_image_quality)

- GPT-4 Vision API 호출 및 JSON 형식 지시(prompt)

- 예외 처리(json.JSONDecodeError)

  • check_image_quality 함수:

- 해상도(800x600 이상), 파일 크기(100KB 이상), 세로 모드 권장 여부 평가

3. 프론트엔드 구현

  • Streamlit UI:

- 파일 업로더(st.file_uploader)

- 분석 결과 표시(st.write, st.metric)

- 세션 상태 활용(st.session_state)

  • 통계 표시:

- 총 영수증 수, 총 지출, 평균 지출 계산(get_stats)

4. 배포 및 성능

  • Streamlit Cloud 활용한 간단한 배포 프로세스

- GitHub에 푸시 → OPENAI_API_KEY 설정 → 배포

  • 성능 지표:

- 명확한 이미지: 90%+ 정확도

- 품질 낮은 이미지: 60% 정확도

- 처리 시간: 3~7초

5. 핵심 학습 사항

  • JSON 형식 명시가 일관된 출력을 보장
  • 이미지 품질 평가가 정확도에 직접적 영향
  • 예외 처리사용자 피드백이 필수적

결론

  • JSON 스키마 명시이미지 품질 평가를 통해 높은 정확도 달성
  • Streamlit의 간결한 UIGPT-4 Vision의 강력한 이미지 분석 조합이 핵심
  • 미래 기능: CSV 내보내기, 카테고리 분류, 예산 경고, 모바일 앱 확장 권장