Bohm, Marc ; Ziegenbein, Amina ; Metternich, Joachim (2020)
Bildanalyse zur Handhabung von Kleinladungsträgern mithilfe künstlicher neuronaler Netzwerke.
In: Zeitschrift für Wirtschaftlichen Fabrikbetrieb : ZWF, 115 (7-8)
doi: 10.3139/104.112296
Artikel, Bibliographie
Kurzbeschreibung (Abstract)
KI-basierte, bildgesteuerte Roboter können für das Handling von Kleinladungsträgern (KLT) in der Automobillogistik zurzeit noch nicht im Serienbetrieb eingesetzt werden, da die KLT-Erkennungsrate (Recall) moderner neuronaler Netzwerke bislang zu niedrig ist. Im Rahmen dieser Veröffentlichung wird daher untersucht, ob der Recall des neuronalen Netzwerks RetinaNet durch die Integration von Tiefenbildern verbessert werden kann. Im ersten Teil der empirischen Untersuchung wird aufgezeigt, dass der Recall durch eine Blending-Tiefenbildintegration signifikant verbessert werden kann. Durch weitere, von der Tiefenbildintegration unabhängige Optimierungsstrategien kann der Recall auf über 99,9 Prozent gesteigert werden.*)
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2020 |
| Autor(en): | Bohm, Marc ; Ziegenbein, Amina ; Metternich, Joachim |
| Art des Eintrags: | Bibliographie |
| Titel: | Bildanalyse zur Handhabung von Kleinladungsträgern mithilfe künstlicher neuronaler Netzwerke |
| Sprache: | Deutsch |
| Publikationsjahr: | 1 August 2020 |
| Verlag: | Carl Hanser Verlag |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | Zeitschrift für Wirtschaftlichen Fabrikbetrieb : ZWF |
| Jahrgang/Volume einer Zeitschrift: | 115 |
| (Heft-)Nummer: | 7-8 |
| DOI: | 10.3139/104.112296 |
| URL / URN: | https://www.hanser-elibrary.com/doi/10.3139/104.112296 |
| Kurzbeschreibung (Abstract): | KI-basierte, bildgesteuerte Roboter können für das Handling von Kleinladungsträgern (KLT) in der Automobillogistik zurzeit noch nicht im Serienbetrieb eingesetzt werden, da die KLT-Erkennungsrate (Recall) moderner neuronaler Netzwerke bislang zu niedrig ist. Im Rahmen dieser Veröffentlichung wird daher untersucht, ob der Recall des neuronalen Netzwerks RetinaNet durch die Integration von Tiefenbildern verbessert werden kann. Im ersten Teil der empirischen Untersuchung wird aufgezeigt, dass der Recall durch eine Blending-Tiefenbildintegration signifikant verbessert werden kann. Durch weitere, von der Tiefenbildintegration unabhängige Optimierungsstrategien kann der Recall auf über 99,9 Prozent gesteigert werden.*) |
| Freie Schlagworte: | KI, künstliche Inzelligenz |
| Fachbereich(e)/-gebiet(e): | 16 Fachbereich Maschinenbau 16 Fachbereich Maschinenbau > Institut für Produktionsmanagement und Werkzeugmaschinen (PTW) 16 Fachbereich Maschinenbau > Institut für Produktionsmanagement und Werkzeugmaschinen (PTW) > Management industrieller Produktion |
| Hinterlegungsdatum: | 26 Aug 2020 06:12 |
| Letzte Änderung: | 26 Aug 2020 06:12 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum