Entwicklung eines dateneffizienten Deep Learning Verfahrens zur automatisierten Sendungsverfolgung in der Logistik

Abstract

Diese Arbeit befasst sich mit der Entwicklung eines dateneffizienten Deep-Learning-Verfahrens zur Erkennung von Nummern der Versandeinheit, das als Teil einer umfassenderen Lösung zur automatisierten Sendungs-verfolgung dient. Ziel ist es, die Erkennungsgenauigkeit bestehender Lösungen mit minimalem Datenaufwand zu übertreffen. Dazu werden aktuelle Methoden analysiert und eine Lösung auf Basis fortschrittlicher Techniken wie Convolutional Neural Networks und Objekterkennungsmodellen vorgestellt. Die abschließende Bewertung zeigt, dass der entwickelte Ansatz in Bezug auf Genauigkeit der bestehenden Lösung überlegen ist.

This thesis focuses on the development of a data-efficient deep learning method for recognizing Serial Shipping Container Codes, which is part of a more comprehensive solution for automated tracking. The aim is to surpass the recognition accuracy of existing solutions while using minimal data. To achieve this, current methods are analyzed, and a solution based on advanced techniques such as Convolutional Neural Networks and object detection models is presented. The final evaluation demonstrates that the developed approach outperforms the existing solution in terms of accuracy.