🚀 Live Demo: https://foodscan-ai-nine.vercel.app
FoodScan AI transforma tu móvil en un nutricionista de bolsillo. Escanea códigos de barras y recibe un análisis instantáneo basado en tu perfil único (Alergias, Dietas: Vegano, Keto, etc.) potenciado por Inteligencia Artificial.
| Escáner Inteligente | Análisis IA | Perfil de Salud |
|---|---|---|
![]() |
![]() |
![]() |
Este proyecto sigue una arquitectura Clean Code con separación estricta de responsabilidades:
- Framework: Angular 17+ (Standalone Components, Signals).
- Estilos: SCSS Modular con metodología BEM.
- Diseño: Glassmorphism, animaciones CSS nativas y diseño 100% Responsive.
- Características: Escaneo visual (ZXing), Modo manual, PWA Ready.
- Runtime & Despliegue: Node.js + Express alojado en Railway.
- Base de Datos: MySQL en la nube (Gestionada con Sequelize ORM).
- IA & Rendimiento: Llama-3-70b (vía Groq SDK) con sistema de Caché Global (
AnalysisResult) para evitar peticiones redundantes y latencia. - Calidad: ESLint, Prettier, Morgan (Logs), Helmet (Seguridad) y validación de variables de entorno.
FoodScan-AI/
├── backend/ # 🔧 API REST (Node.js + Express)
│ ├── src/
│ │ ├── controllers/ # Lógica de negocio
│ │ ├── services/ # IA (Groq) + OpenFoodFacts
│ │ ├── models/ # Sequelize ORM
│ │ └── routes/ # Express routes
│ ├── package.json
│ └── .env.example
│
├── frontend/ # 🎨 SPA (Angular 17)
│ ├── src/
│ │ ├── app/features/ # Scanner, History, Profile
│ │ ├── app/shared/ # Componentes reutilizables
│ │ └── styles/ # SCSS con BEM
│ ├── package.json
│ └── vercel.json
│
├── docs/ # 📚 Documentación
│ ├── IA_WORKLOG.md # Diario de desarrollo con IA
│ ├── DOCKER_DEPLOYMENT.md # Documentación de despliegue con Docker
│ ├── INFORME_AUDITORIA_FINAL.md # Informe basado en los criterios, realizada por la IA
│ └── assets/ # Screenshots
│
├── LICENSE # MIT License
├── SECURITY.md # Política de seguridad
└── README.md # Este archivo
Puedes ejecutar FoodScan AI de dos maneras: la recomendada (Docker) para un despliegue rápido, o la manual para desarrollo.
Ideal para evaluar el proyecto sin configurar entornos locales.
- Prerrequisitos: Docker y Docker Compose instalados.
- Configurar variables:
cp .env.docker.example .env # Edita .env y añade tu GROQ_API_KEY - Levantar el stack:
docker-compose up -d --build
- Cargar datos demo:
docker-compose exec backend npm run seed - Acceso:
- Frontend: http://localhost (o puerto 8080 según config)
- Backend: http://localhost:3000
- Adminer: http://localhost:8888 (Gestión DB)
Para desarrollo activo y depuración.
- Requisitos: Node.js v18+ y MySQL Server.
- Configurar Backend:
cd backend cp .env.example .env # Configura tus credenciales locales
npm install npm run seed npm run dev
- Configurar Frontend:
cd ../frontend npm install npm start - Acceso: http://localhost:4200
El desarrollo de este proyecto ha sido asistido por IA actuando como "Senior Architect". Puedes consultar el registro completo de prompts, decisiones de arquitectura y resolución de problemas en:
- ✅ Escaneo en Tiempo Real: Detección automática de códigos de barras con ZXing
- ✅ Análisis IA: Llama-3-70b analiza ingredientes contra tu perfil
- ✅ Búsqueda Manual: Input alternativo para códigos sin cámara
- ✅ Historial Persistente: Todos tus escaneos guardados en MySQL
- ✅ Responsive Design: Optimizado para móvil y desktop
- ✅ Arquitectura BEM: CSS modular y mantenible
- Ve a Perfil, selecciona "Vegano".
- Escanea "Nutella" (código:
3017620422003). - Resultado: 🔴 No Apto (Contiene Leche).
- Ve a Perfil, selecciona "Omnívoro".
- Escanea "Nutella".
- Resultado: 🟡 Apto con Reservas (Score nutricional bajo, pero compatible).
El desarrollo de FoodScan AI es un proyecto vivo. Actualmente se está trabajando en una rama paralela (feature/v2-redesign) proyectada para el próximo mes, que incluirá un rediseño completo y nuevas funcionalidades core.
Novedades planificadas para la V2:
- 🎨 Nueva Interfaz UI/UX (Stitch): Rediseño integral de la plataforma hacia un modelo de "Dashboard" más analítico, moderno y estructurado.
- 🔐 Sistema de Autenticación: Módulo de Login/Registro seguro para que los usuarios puedan mantener su perfil y sincronizar su historial en múltiples dispositivos.
- ❤️ Favoritos y Comparador: Nueva sección para guardar productos recurrentes y una herramienta para comparar macros y alérgenos de dos productos frente a frente.
- 📈 Analíticas Avanzadas (Health & Habits): Gráficos evolutivos del progreso nutricional mensual y seguimiento de macronutrientes en base al perfil biométrico del usuario.
Hugo Sabater
- GitHub Profile
- Proyecto realizado como TFG para Desarrollo de Aplicaciones Web (DAW).
Este proyecto está bajo la licencia MIT.
¿Preguntas o sugerencias? Abre un issue en GitHub.


