Getir Lens — Getir Fikir #013

Fikir

Problem → Çözüm

Problem

Biten ürünün tam adını, markasını ve gramajını hatırlamak zor; kullanıcı yanlış ürünü sipariş ediyor ya da aramayla vakit kaybediyor. Kiler ve buzdolabı “görünmez” bir envanter.

Çözüm

Kullanıcı kamerayı rafa tutar; Getir Lens görünen ürünleri ve boş kalan yerleri tanır, geçmiş siparişlerle karşılaştırarak “burada normalde Tahin 300 g duruyordu” diye eksikleri tespit eder ve aynı ürünü tek dokunuşla sepete ekler.

Ürün

Temel özellikler

1Raf tanımaGörüntüdeki ürünleri marka ve gramajıyla tanır, düşük stokta olanları işaretler.

2Boşluk tespitiGeçmiş taramalara göre eksilen ürünleri “boş slot” olarak gösterir.

3Tam eşleşmeAynı marka ve boyut; yoksa en yakın alternatif.

4Son kullanma uyarısıOkunabilen tarihlerde “yoğurdun yarın bitiyor” uyarısı.

AI katmanı

Yapay zeka nerede devreye giriyor?

Cihaz üzerinde çalışan hafif bir dedektör ürünleri bulur; bulutta CLIP embedding’leri ile katalog eşleşmesi yapılır.

Cihaz üzerinde YOLOv8n (Core ML / TFLite) ile ürün kutusu tespiti, gerçek zamanlı
Kırpılan görseller için CLIP / SigLIP embedding’i → Milvus’ta 40.000 SKU görseliyle eşleme
Belirsiz eşleşmelerde Gemini Flash vision ile etiket okuma (marka, gramaj, SKT) ve doğrulama

Mimari

Nasıl çalışır?

KameraSwift / Kotlin • on-device YOLO

Görsel APIFastAPI + gRPC

Görsel EşlemeSigLIP • Milvus

Etiket OkumaGemini Flash vision

SepetSipariş geçmişi + yeniden sipariş

Teknoloji

Stack

Arayüz

Swift (Core ML)Kotlin (TFLite)ARKit

Backend

Python 3.12FastAPIgRPC

AI / ML

YOLOv8nSigLIPMilvusGemini Flash

Veri

PostgreSQLS3 (katalog görselleri)Redis

Altyapı & DevOps

Kubernetes + GPUTritonGitHub Actions

Go-to-market

Pazarlama & lansman

“Buzdolabını Getir’e göster” reklamıKamerayı buzdolabına tutan kullanıcı, eksikler 10 dakikada geliyor.

AR deneyim kampanyasıİlk Lens taramasında AR ile rafta Getir maskotu belirir, 40 TL indirim verir.

Teknoloji basınıTürkiye’nin ilk cihaz üstü raf tanıma market özelliği olarak teknoloji medyasında lansman.

Ölçüm

Başarı metrikleri (hedef)

%92top-1 ürün tanıma doğruluğu

1,2 sntarama → sepet önerisi

+%19yeniden sipariş oranı

Teslimat

MVP yol haritası

Hafta 1-2Görsel katalog indeksi40.000 SKU görseli için SigLIP embedding’leri ve Milvus indeksi.

Hafta 3-4On-device dedektörEv ortamı fotoğraflarıyla fine-tune edilmiş YOLO, Core ML ve TFLite dönüşümü.

Hafta 5-8Boşluk tespiti & SKTTarama geçmişiyle fark analizi ve son kullanma tarihi okuma.

Fİ

Fatih İnci — Full Stack Software Engineer

Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.