Königstein, Robert (2016)
Optical Recognition of Transport Boxes for Logistics Applications.
Technische Universität Darmstadt
Bachelorarbeit, Bibliographie
Kurzbeschreibung (Abstract)
This bachelor thesis will propose a novel approach for recognizing transport boxes on pallets in goods receipt in logistics. Especially if pallets are not labeled with barcodes or RFID-tags, it is very time consuming, to manually recognize and count the incoming boxes. Therefore, a measuring station, in which the pallets are recognized, is presented. Two images of opposite sides of the pallet are taken and further processed by a modular software to recognize and count the transport boxes. The process is divided into three main steps. In the first step, the input images are segmented to gain one image snippet for each transport box present in the image. This is done by morphologically transforming the input images and extracting the boundaries of the boxes. In a second step, each of the prior calculated image segments is classified by a multi-machine support vector machine, trained with histograms of visual words received by a Bag-of-Words model, in combination with colour information. Finally, the classification results of the images taken from two opposite perspectives of the pallet are merged to get an overall statement, of how many and which type of transport boxes are stacked on the pallet. In dieser Bachelor-Thesis wird eine neuer Ansatz vorgestellt, um Transportkisten, die auf einer Palette gestapelt sind, beim Wareneingang zu erfassen. Gerade wenn die Paletten weder mit Barcodes, noch mit RFID-Tags versehen sind, kostet es viel Zeit, die Transportkisten manuell zu erfassen. Daher wird ein Design einer Messstation zur optischen Erfassung der eingehenden Paletten vorgeschlagen, bei dem je ein Bild von zwei gegenüber liegenden Seiten einer Palette aufgenommen wird und eine Software daraufhin erkennt, welche Transportkisten wie oft vorhanden sind. Dieser Prozess besteht aus drei Schritten. Zuerst werden die Bilder in Bildausschnitte segmentiert, sodass auf jedem nur noch eine Transportkiste zu sehen ist. Dies wird durch die Anwendung morphologischer Transformationen auf die Bilder erreicht. Im zweiten Schritt werden die gewonnenen Bildausschnitte mit einer Support Vector Machine (SVM) klassifiziert und unter Berücksichtigung der Farbinformation des Bildausschnitts einem Kistentyp zugeordnet. Die SVM wird mit Histogrammen von visuellen Wörtern, die mit dem Bag-of-Words Modell erstellt wurden, trainiert. Zum Schluss werden die Ergebnisse der Bilder von beiden Seiten verglichen und somit eine Gesamtaussage über die Anzahl der Transportkisten der einzelnen Typen erreicht.
| Typ des Eintrags: | Bachelorarbeit |
|---|---|
| Erschienen: | 2016 |
| Autor(en): | Königstein, Robert |
| Art des Eintrags: | Bibliographie |
| Titel: | Optical Recognition of Transport Boxes for Logistics Applications |
| Sprache: | Englisch |
| Publikationsjahr: | 2016 |
| Kurzbeschreibung (Abstract): | This bachelor thesis will propose a novel approach for recognizing transport boxes on pallets in goods receipt in logistics. Especially if pallets are not labeled with barcodes or RFID-tags, it is very time consuming, to manually recognize and count the incoming boxes. Therefore, a measuring station, in which the pallets are recognized, is presented. Two images of opposite sides of the pallet are taken and further processed by a modular software to recognize and count the transport boxes. The process is divided into three main steps. In the first step, the input images are segmented to gain one image snippet for each transport box present in the image. This is done by morphologically transforming the input images and extracting the boundaries of the boxes. In a second step, each of the prior calculated image segments is classified by a multi-machine support vector machine, trained with histograms of visual words received by a Bag-of-Words model, in combination with colour information. Finally, the classification results of the images taken from two opposite perspectives of the pallet are merged to get an overall statement, of how many and which type of transport boxes are stacked on the pallet. In dieser Bachelor-Thesis wird eine neuer Ansatz vorgestellt, um Transportkisten, die auf einer Palette gestapelt sind, beim Wareneingang zu erfassen. Gerade wenn die Paletten weder mit Barcodes, noch mit RFID-Tags versehen sind, kostet es viel Zeit, die Transportkisten manuell zu erfassen. Daher wird ein Design einer Messstation zur optischen Erfassung der eingehenden Paletten vorgeschlagen, bei dem je ein Bild von zwei gegenüber liegenden Seiten einer Palette aufgenommen wird und eine Software daraufhin erkennt, welche Transportkisten wie oft vorhanden sind. Dieser Prozess besteht aus drei Schritten. Zuerst werden die Bilder in Bildausschnitte segmentiert, sodass auf jedem nur noch eine Transportkiste zu sehen ist. Dies wird durch die Anwendung morphologischer Transformationen auf die Bilder erreicht. Im zweiten Schritt werden die gewonnenen Bildausschnitte mit einer Support Vector Machine (SVM) klassifiziert und unter Berücksichtigung der Farbinformation des Bildausschnitts einem Kistentyp zugeordnet. Die SVM wird mit Histogrammen von visuellen Wörtern, die mit dem Bag-of-Words Modell erstellt wurden, trainiert. Zum Schluss werden die Ergebnisse der Bilder von beiden Seiten verglichen und somit eine Gesamtaussage über die Anzahl der Transportkisten der einzelnen Typen erreicht. |
| Freie Schlagworte: | Business Field: Virtual engineering, Research Area: Computer vision (CV), Machine learning, Object recognition, Computer vision, Image segmentation, Bag-of-words |
| Fachbereich(e)/-gebiet(e): | 20 Fachbereich Informatik 20 Fachbereich Informatik > Mathematisches und angewandtes Visual Computing |
| Hinterlegungsdatum: | 09 Mai 2019 10:32 |
| Letzte Änderung: | 09 Mai 2019 10:32 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum