august 2025 - november 2025

Kvitteringsbasert matvaresøk

For Food Manager

Python
PostgreSQL
Embeddingmodeller
FastAPI

Martin Kaminski
Prosjektleder

Om prosjektet

Food Manager er en startup som ønsker å redusere matsvinn ved å gi brukerne bedre oversikt over hva de har hjemme. Vi utviklet en løsning som forbedrer koblingen mellom kvitteringsdata og produkter i deres matvaredatabase, slik at brukerne automatisk får oppdatert oversikt over kjøpte varer.

Utfordring

Den eksisterende løsningen ga ofte feil treff ved kobling mellom kvitteringsdata og produkter. Dette gjorde det vanskelig å opprettholde en pålitelig og oppdatert oversikt over hva brukeren faktisk har hjemme.

Løsning

Vi utviklet en tjeneste som automatisk analyserer informasjon fra kvitteringer og kobler dette til riktig produkt i Food Managers database.

  • Analyserer produktnavn, pris og størrelse fra kvitteringer
  • Bruker embeddingmodell for å representere produkter som vektorer
  • Søker etter lignende produkter med høy presisjon
  • Kombinerer flere faktorer som produsent, leverandør, vekt og dagligvarekjede
  • Der systemet er usikkert får brukerne opp flere forslag, slik at de enkelt kan velge best passende prpdukt

Løsningen ble integrert direkte i appen sammen med Texicon.

Resultat: Mer treffsikker kobling mellom kvittering og produkt

Løsningen gir en mer pålitelig og brukervennlig måte å koble kvitteringsdata til produkter. Det innebærer:

  • Mer presise treff mellom kvittering og produkt
  • Bedre oversikt over maten brukeren har hjemme  
  • Enklere og raskere oppdatering av matvarelisten  

Teknologi

Løsningen er utviklet i Python med PostgreSQL og FastAPI, og benytter embeddingmodeller for å muliggjøre presist søk og matching av produkter basert på kvitteringsdata.

AI
Data Science
Systemutvikling