Objekterkennung anhand des Druckabbildes

Type: Semester thesis
Student: Martin Schreiber
Advisor: Jan Meyer
Project: Textile Pressure Sensor

Der Detailhandel hat unter hohen Out-of-Stock raten zu leiden, die bis zu 4% Umsatzeinbussen verursachen. Auch modernes Supply-Chain Management konnte nicht viel an dieser Tatsache ändern, da die meisten Out-of-Stock Situationen im Laden selbst durch leere Regale entstehen. Oftmals wären die Produkte jedoch im Lager des Shops noch vorhanden. In dieser Arbeit wird ein drucksensitiver Schaum, der die Gewichtsverteilung auf dem Schaum messen kann, vorgestellt, der als Überwachungstool eingesetzt werden kann. Über den ganzen Schaum sind kapazitive Sensoren verteilt. Durch Belastung wird der Schaum verformt und die kapazitiven Sensoren ändern ihren Wert.

Aus diesen Druckabbildern wird nun mittels Computer Vision Algorithmen versucht zu erkennen, was für Objekte auf dem Schaum stehen. Das Druckabbild wird vorverarbeitet, segmentiert und die einzelnen Regionen werden klassifiziert. Dabei werden zwei verschiedene Ansätze miteinander verglichen. Eine Korrelationsbasierte Klassifikation und eine Klassifikation mit Feature Extraktion und einem Naiv-Bayes Klassifikator. Als Features werden Histogramme und die Bildtopologie verwendet. Durchschnittlich wird eine korrekte Erkennungsrate von 80% erreicht.