PIE — Pharm Info Explorer

PIE (Pharm Info Explorer) started as a project for learning to work with image data. You could train an ML model to tell medications apart, but for this problem that is costly and inefficient — so PIE instead extracts the information a pharmacist actually uses to identify a pill: the imprint (via OCR), the shape and formulation, the colour, read straight from a photo and looked up through public APIs. From there the aim was to link everything the matched drug's record holds, so the whole point of identification — learning what the medication actually is — happens in one place.

• Identification — photo and live camera, with a detection-box overlay and result stabilization across recent frames so a live reading doesn't flicker between candidates.
• Counting — counting the pills you take is something existing apps already ship; doing it at the same time as identification felt worth having, so it's added on here. Spread out on a plain surface it's accurate; a dense or overlapping pile returns a best-effort count explicitly flagged crowded with advice to spread them, because 2D plus occlusion is the honest ceiling of the classical approach.
• Cabinet & DUR — add, edit and delete what you actually keep at home, and run a DUR duplicate-ingredient check across it, which catches the real risk of taking the same active ingredient twice under two brand names. The intended direction folds in prescription reading and your own medication history, growing from single-pill identification into a DUR-style platform for managing what you personally take.
• Drug detail — normalized sections in a modal, with the raw public-API response inspectable behind it.

A deliberate constraint: no ML, no trained models. Vision is classical OpenCV plus EasyOCR, judged not worth the cost on the target hardware. Accuracy comes instead from cleaner features, a signal-priority search (imprint → form → shape → colour → dose), and human-in-the-loop refinement — you review and edit the detected fields, then re-search. PIE isn't at a shippable level yet; it's kept as a record of the learning process behind all this.

PIE는 원래 이미지 데이터 학습을 목표로 시작한 프로젝트입니다. ML로도 의약품을 구분할 수 있지만 이 문제에서는 상당히 비효율적이라, 대신 의약품 식별에 실제로 쓰는 정보 — OCR로 읽는 식별자, 모양과 제형, 색상 — 를 사진에서 추출해 공공 API로 조회하는 방식을 택했습니다. 나아가 식별한 의약품의 정보를 편리하게 연결해, 식별의 목적인 의약품 정보 습득을 하나의 플랫폼으로 구현하고자 했습니다. 복용 중인 약의 개수 세기는 기존 앱에도 있는 기능이지만 식별과 동시에 이루어지면 좋겠다는 생각으로 함께 얹었고, 여기에 처방전 식별과 나의 복용력을 더해 개인 복용을 관리하는 DUR 개념의 플랫폼으로 확장하는 것을 지향합니다.

식별과 개수 세기, 수동 검색은 앱에 내장된 약 25,000건 MFDS 알약 카탈로그로 동작하므로 키나 네트워크 없이 오프라인에서 작동합니다. 약품 상세와 DUR 중복 검사는 MFDS·HIRA 공공 API를 사용하며, 키가 없으면 값을 지어내지 않고 빈 상태로 물러납니다. OCR·모양·색상 추출이 모두 비면 카탈로그를 무작정 조회하는 대신 NO_MATCH를 반환합니다. 앱은 어떤 경우에도 조작된 약품 정보를 반환하지 않습니다.

아직 출시할 수준은 아니지만, 학습의 과정을 기록한 프로젝트로 남겨 두었습니다. 핵심 워크플로는 완성되어 있고, 실제 촬영 샘플로 임계값을 조정하는 정확도 튜닝과 운영용 API 설정이 남아 있습니다.

Live / 바로가기: pie.simplicity-is-art.com · Status / 상태: Concept (컨셉) · Approach / 접근: 학습 모델 없이 고전 CV + 사람 보정

Explore the project · 프로젝트 자세히 →