diff --git a/README.md b/README.md
index 9301f3b..5f11be2 100644
--- a/README.md
+++ b/README.md
@@ -1 +1,313 @@
-# Frontend
\ No newline at end of file
+# 두피어나 
+한번의 터치로 두피를 진단하다.
+
+
+## **🪮 프로젝트 개요 및 소개**
+**두피어나**는 빗으로 두피 상태를 쉽고 빠르게 진단하고, 맞춤형 두피 케어 솔루션을 제공하는 AI 기반의 두피 분석 서비스입니다. **매일 사용하는 빗**을 활용하여 별도의 복잡한 과정 없이 매일 두피 상태를 확인할 수 있도록 도와주는 서비스입니다.
+
+
+
+
+---
+
+## 💡 개발 배경 및 필요성
+### 1) 프로젝트 개발 동기 및 목적
+
+
+- **건강보험심사평가원**의 조사에 따르면 국내 탈모 환자의 수는 2018년 22만 4,840명에서 2022년 24만 7,915명으로 지속적인 증가 추세로, 현대인들은 두피 염증, 비듬, 지루성 두피염 등 다양한 **두피 문제를 호소**하고 있습니다.
+- 그러나 정확한 진단을 위해 병원을 방문해야 하는 등 번거로움과 비용, 시간적 제약으로 인해 꾸준한 관리가 어려운 현실입니다.
+- 이러한 문제점을 해결하기 위해 **매일 하는 평범한 빗질**에 **하드웨어**와 **AI**를 결합해집에서도 손쉽게 두피 상태를 진단기록하고 개인 맞춤형 관리 솔루션을 제공하는 를 개발하게 되었습니다.
+
+### 2) 프로젝트 특·장점
+- 별도의 장비나 병원 방문 없이 두피 상태를 간편하게 진단이 가능합니다.
+- 인공지능 분석으로 가성비 높은 맞춤형 두피 관리 솔루션을 제공합니다.
+- 올리브영 등 쇼핑몰과 연동하여 최적의 케어 샴푸 등을 추천해줍니다.
+- 모바일 앱으로 실시간 진단 결과 확인 및 두피 이력 관리가 가능합니다.
+
+---
+
+## ⚙️ 주요 기능
+### 1) 🪮 SmartBrush를 활용한 두피 진단
+SmartBrush에 내장된 카메라와 센서로 두피 이미지를 촬영하고, AI가 **각질·유분·민감도·밀도·두께·탈모**를 종합적으로 분석하여 **양호, 경증, 중등도, 중증으로 진단**합니다.
+이를 통해 사용자는 **가정에서도 자신의 두피 상태를 빠르고 간단하게 알 수 있습니다.**
+
+
+
+ 
+ |
+
+ 
+ |
+
+
+
+### 2) 🧴 두피 MBTI별 제품 추천
+사용자의 두피 진단 결과를 한눈에 이해할 수 있도록 **두피 MBTI(트러블 폭풍형, 지성 민감형, 민감 건조형, 지성 비듬형, 건조 비듬형, 건조 트러블형, 깔끔 지성형, 밸런스형)로 유형을 분류**합니다. 분류된 MBTI 유형에 맞춰 샴푸, 린스, 트리트먼트/팩, 두피 토닉, 헤어 에센스를 **맞춤 추천**합니다.
+
+
+
+ 
+ |
+
+ 
+ |
+
+
+
+### 3) ✅ 두피 관련 질문과 진단을 통한 습관 챌린지
+두피 관련 질문과 진단을 통해 사용자의 두피 상태와 생활 습관을 분석하고, 결과에 따라 **습관 챌린지**를 매일 다르게 추천합니다. 챌린지는 **LIFESTYLE**(수면·스트레스·활동 습관 개선), **SCALP**(세정·건조·스타일링 루틴), **NUTRITION**(영양 균형·섭취 가이드) 세 가지 카테고리로 구성되며, 하루에 각 2개씩 제공됩니다.
+
+
+
+ 
+ |
+
+ 
+ |
+
+
+
+### 4) 📜 두피 월별 레포트
+사용자가 매일 SmartBrush로 진단한 누적 진단 데이터를 기반으로 월별 변화 추이를 시각화하여 보여줍니다. 사용자의 진단 데이터가 매일 저장되고 한 달 단위로 쌓이게 되면, **개인별 기준선이 형성**되어 **더 정확하고 신뢰도 높은 판단이 가능**해집니다.
+
+
+
+ 
+ |
+
+
+
+### 5) 🗓️ 진단 캘린더
+두피 분석 캘린더를 통해 사용자는 **월별 두피 상태 변화를 한눈에 확인**할 수 있습니다. 또한 원하는 날짜를 클릭하면 해당일의 진단 결과를 상세히 확인할 수 있습니다.
+
+
+
+ 
+ |
+
+ 
+ |
+
+
+
+---
+
+## ✨ 기대효과 및 활용분야
+- **일상 속 두피 진단** : 빗 하나로 언제 어디서나 간편하게 두피 상태 확인이 가능합니다.
+- **전문 서비스 대체** : 고가 장비 없이 정밀 진단 가능, 비용·시간 부담 해소됩니다.
+- **산업 연계 확장** : 뷰티샵·클리닉·의료기관과 협업 가능한 플랫폼 확장이 가능합니다.
+- **기업 연동 강화** : 쇼핑몰과 연계해 제품 추천 및 구매까지 연결이 가능합니다.
+- **개인화 관리 지원** : 데이터 기반 맞춤 케어와 두피 관리 가이드 제공이 가능합니다.
+
+---
+
+## 🛠️ 기술 스택
+- 프론트엔드
+[](https://skillicons.dev)
+
+- 백엔드
+[](https://skillicons.dev)
+
+- AI
+[](https://skillicons.dev)
+
+- 하드웨어
+[](https://skillicons.dev)
+
+- 배포 및 관리
+[](https://skillicons.dev)
+
+---
+
+## 👥 팀원
+| 김희원 | 남시윤 | 박효진 | 장다연 |
+|:------:|:------:|:------:|:------:|
+| 
|
| 
| 
|
+| [@heeone1](https://github.com/heeone1) | [@nadomola](https://github.com/nadomola) | [@phjlia2430](https://github.com/phjlia2430) | [@noeyadd](https://github.com/noeyadd) |
+
+
+
+---
+## 💡 시스템 구성도
+### 🔹 아키텍처 구조
+
+
+### 🔹 하드웨어 구조
+
+
+ |
+ 하드웨어 설계도
+ |
+
+ SmartBrush 내부
+ |
+
+
+
+ 
+ |
+
+ 
+ |
+
+
+
+---
+
+## 🎥 작품 소개 영상
+[](https://youtu.be/cVYWDxybcYY?si=ZxseDR4PNyukEOeK)
+
+---
+## 🖥️ 핵심 소스코드
+
+ UV 측정 및 이미지 자동 업로드
+
+```C++
+Adafruit_VEML6070 uvSensor = Adafruit_VEML6070();
+float uvEMA = 0.0f, meanUV = 0.0f, varUV = 0.0f;
+uint16_t baseUV = 0;
+
+void calibrateUV() {
+ setIT(IT_8T);
+ uint32_t sum = 0;
+ for (int i = 0; i < CALI_SAMPLES; ++i) {
+ sum += uvSensor.readUV();
+ delay(20);
+ }
+ baseUV = sum / CALI_SAMPLES;
+ uvEMA = baseUV;
+ meanUV = baseUV;
+ varUV = fmaxf(5.0f, (float)baseUV * 0.2f);
+}
+
+String getUVState(uint16_t uv) {
+ float sigma = sqrtf(fmaxf(1.0f, varUV));
+ float z = ((float)uv - (float)baseUV) / fmaxf(1.0f, sigma);
+ if (z <= 1.0f) return "건성";
+ else if (z <= 2.5f) return "보통";
+ else return "지성";
+}
+
+~~
+
+void loop() {
+ uint16_t raw = uvSensor.readUV();
+ float sigma = sqrtf(fmaxf(1.0f, varUV));
+ float z = ((float)raw - (float)baseUV) / fmaxf(1.0f, sigma);
+ float deltaRise = (float)raw - uvEMA;
+
+ if (armed && (z >= Z_ON || deltaRise >= DELTA_ON)) {
+ uint16_t medianUV; float burstEMA;
+ burstMeasure(medianUV, burstEMA);
+ String state = getUVState(medianUV);
+ sendUVToServer(medianUV, state);
+ captureAndUploadImage();
+ armed = false;
+ lastTriggerMs = millis();
+ } else {
+ sampleAmbientSlow(raw);
+ }
+
+ delay(IDLE_POLL_MS);
+}
+```
+
+
+
+ 두피 진단 AI 코드
+
+```python
+from flask import Flask, request, jsonify
+import torch
+from efficientnet_pytorch import EfficientNet
+from torchvision import transforms
+from PIL import Image
+import numpy as np
+
+torch.serialization.add_safe_globals({'EfficientNet': EfficientNet})
+
+app = Flask(__name__)
+
+# Load all models
+model_paths = {
+ "미세각질": "model1_full.pt",
+ "탈모": "model2_full.pt",
+ "모낭사이홍반": "model3_full.pt",
+ "모낭홍반농포": "model4_full.pt",
+ "비듬": "model5_full.pt",
+ "피지과다": "model6_full.pt",
+ "모발밀도": "model7_full.pt"
+}
+
+models = {}
+for name, path in model_paths.items():
+ m = torch.load(path, map_location=torch.device('cpu'), weights_only=False)
+ m.eval()
+ models[name] = m
+
+# Preprocessing
+transform = transforms.Compose([
+ transforms.Resize([600, 600]),
+ transforms.ToTensor(),
+ transforms.Normalize(mean=[0.485, 0.456, 0.406],
+ std=[0.229, 0.224, 0.225])
+])
+
+@app.route("/ai", methods=["POST"])
+def ai():
+ # image 필드로 여러 개 업로드
+ files = request.files.getlist('image')
+ if not files:
+ return jsonify({'error': 'No image provided'}), 400
+
+ # 질환별 확률 누적
+ sum_probs = {disease: None for disease in models.keys()}
+ valid_count = 0
+
+ with torch.inference_mode():
+ for f in files:
+ try:
+ image = Image.open(f.stream).convert('RGB')
+ except Exception:
+ # 잘못된 이미지는 평균에서 제외
+ continue
+
+ x = transform(image).unsqueeze(0) # [1, 3, H, W]
+
+ for disease, model in models.items():
+ logits = model(x) # [1, C]
+ prob = torch.softmax(logits[0], dim=0).cpu().numpy() # [C]
+
+ if sum_probs[disease] is None:
+ sum_probs[disease] = prob.copy()
+ else:
+ sum_probs[disease] += prob
+
+ valid_count += 1
+
+ if valid_count == 0:
+ return jsonify({'error': 'All images were invalid'}), 400
+
+ # 평균 확률 → 최종 결과
+ results = {}
+ for disease, s in sum_probs.items():
+ mean_prob = s / float(valid_count)
+ pred = int(np.argmax(mean_prob))
+ conf = float(mean_prob[pred])
+ results[disease] = {
+ "class_index": pred,
+ "confidence": round(conf, 3)
+ }
+
+ return jsonify({
+ "count": valid_count, # 평균에 사용된 유효 이미지 수
+ "results": results
+ })
+
+if __name__ == "__main__":
+ app.run(host="0.0.0.0", port=5000)
+ #app.run(host="0.0.0.0", port=8000)
+```
+
+
+