Version : 1.0
Date de création : 26/05/2024
NutriJoy est une application mobile Android conçue pour aider les utilisateurs à surveiller et gérer leurs habitudes alimentaires. L'application permet de scanner les codes-barres des produits alimentaires et de visualiser les informations nutritionnelles à l'aide de graphiques clairs et interactifs.
- Scan de codes-barres : Obtenez instantanément les informations nutritionnelles des produits scannés.
- Recherche par mots-clés : Recherchez manuellement des produits.
- Historique et favoris : Suivez les produits déjà scannés ou enregistrez vos produits préférés.
- Comparaison des produits : Comparez deux produits pour faire des choix nutritionnels éclairés.
- Statistiques : Visualisez la consommation calorique par jour, semaine ou mois grâce à des diagrammes détaillés.
- Thème sombre : Choisissez un mode sombre pour une meilleure lisibilité.
-
Backend :
- MongoDB (système de gestion de bases de données)
- Firebase (authentification et gestion des sessions)
- Node.js (exécution des scripts backend)
- Retrofit (requêtes HTTP vers l'API OpenFoodFacts)
-
Frontend :
- Android Studio (environnement de développement)
- Java et XML (développement de l'interface)
activities: Contient les classes gérant les différentes pages de l'application.model: Définit les objets manipulés dans l'application.bdd: Gestion de la communication avec la base de données.network: Requêtes réseau vers l'API OpenFoodFacts.adapters: Affichage des listes déroulantes.fragments: Gestion des fenêtres et transitions de pages.
-
Cloner le dépôt :
git clone https://github.com/whoismathieu/nutrijoy.git cd nutrijoy -
Ouvrir le projet avec Android Studio.
-
Compiler et exécuter l’application sur un émulateur ou un appareil Android.
| Fonctionnalité | Statut |
|---|---|
| Scan de codes-barres | ✅ |
| Recherche par mots-clés | ✅ |
| Historique et favoris | ✅ |
| Comparaison de produits | ✅ |
| Statistiques (jour, semaine, mois) | ✅ |
| Thème sombre | ✅ |
| Filtrage avancé des produits | ❌ (à venir) |
- Suggestions de recettes basées sur les besoins nutritionnels de l'utilisateur.
- Amélioration de la base de données : Migration vers une base de données locale plus performante.
- Intégration de l’intelligence artificielle : Propositions personnalisées de produits ou de recettes.