Fragestellung

Das ML-Bildanalyse-Modell TetraPackNet [1] wurde entwickelt, um im Logistik-Anwendungsfall Packstrukturerkennung Objekte spezifischer geometrischer Form auf Bildern präzise und zielgenau zu lokalisieren. Auf einem zugehörigen Datensatz wurde der Ansatz bereits untersucht und evaluiert. Doch ist das Modell für andere Use-Cases und Datensätze geeignet? Lässt es sich sogar weiterentwickeln, um nicht nur Tetragon-förmige Objekte, sondern auch Objekte anderer spezifischer geometrischer Formen präzise identifizieren zu können?

Vorgehen

• Analyse potenziell geeigneter Datensätze zur Erprobung von TetraPackNet aus vielfältigen Use-Cases

• Vorbereitung identifizierter Datensätze, sowie Training und Evaluation mit TetraPackNet

• Anpassung und Weiterentwicklung von TetraPackNet zur Präzisionssteigerung oder zum Einsatz in weiteren Anwendungsszenarien (z.B. Luftbild-Analyse)

• Zusammenfassung, Bewertung der Ergebnisse und Analyse bestehender Potenziale

• Begleitende Erfassung des Forschungsstandes und Identifikation verwandter Arbeiten