Dieses Projekt für einen niederländischen Kunden erfüllt sehr hohe Anforderungen:

• Falsche Klassifikationsrate kleiner als 1e-3
• Poolgrösse von mehreren hundert Kistentypen
• One-shot learning für neue Kistentypen
• Kisten im hinteren Turm dürfen nicht gezählt werden
• Geometrische Variabilität in der Stapelung
• Verschiedenartige Käfige und Spanngurte
• Garantiert geräteunabhängige Trainingsdaten
• Kurze Projektlaufzeit

Für die Lösung des Problems war eine Kombination von Detektionsverfahren erforderlich. Darunter ein individuell zugeschnittenes statistisches Voting Verfahren, RGBD-basierte Detektion mit kundenspezifischem Tiefenmessverfahren, sowie ein Yolo Neuronales Modell. Für das Training des Neuronalen Modells wurde automatisches und von Menschen assistiertes Labeling aus Daten im Feld eingesetzt. Es wurden mehrere Zählvorrichtungen dieses Typs realisiert.

Ansprechpartner: Prof. Dr. Martin Weisenhorn