Sie sind hier: Startseite → Proceedings
Artikelaktionen

Proceedings

Using Deep Neural Networks to Measure Puffer Levels in Real-time with Edge-Computing

Verwendung von tiefen neuronalen Netzen zur Messung von Pufferpegeln in Echtzeit mit Edge-Computing

  1. M.Sc. Matthias Elia Klos Institute for Materials Handling and Logistics (IFL) Karlsruhe Institute of Technology (KIT)
  2. M.Sc. Paolo Pagani Institute for Materials Handling and Logistics (IFL) Karlsruhe Institute of Technology (KIT)

Zusammenfassungen

Technological advances and increasing data traffic in the IoT environment lead to the relocation of sophisticated data processing to the edge of networks. At the same time, powerful object detection approaches based on deep neural networks have been developed in recent years. In this paper, an intelligent camera based on deep learning algorithms and consisting of low-cost hardware with limited computational and storage capacity is presented. The developed object detection solution enables real-time monitoring of the inventory of filled and empty small load carriers in a buffer zone.

Der technologische Fortschritt und zunehmende Datenströme im IoT-Umfeld führen dazu, dass anspruchsvolle Datenverarbeitungsprozesse an den Rand von Netzwerken verlagert werden. Gleichzeitig wurden in den letzten Jahren leistungsfähige Objekterkennungsansätze entwickelt, die auf tiefen neuronalen Netzen basieren. Im Rahmen dieser Arbeit wird eine intelligente Kamera vorgestellt, welche auf Deep-Learning-Algorithmen basiert und aus kostengünstiger Hardware mit beschränkter Rechen- und Speicherkapazität besteht. Die entwickelte Objekterkennungslösung ermöglicht die Überwachung des Bestands von gefüllten und leeren Kleinladungsträgern in einer Pufferzone in Echtzeit.

Keywords

Volltext

Lizenz

Jedermann darf dieses Werk unter den Bedingungen der freien Digital Peer Publishing Lizenz elektronisch über­mitteln und zum Download bereit­stellen. Der Lizenztext ist im Internet unter der Adresse http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html abrufbar.

Anzahl der Zitationen

Besuchen Sie Google Scholar um herauszufinden, wie oft dieser Artikel zitiert wurde.