wickelt und bereits für verschiedene Branchen
wie Logistik, Einzelhandel oder das
Gesundheitswesen eingesetzt. Die passende
Hardware hierzu liefert der Kooperationspartner
Kaptura mit seinem 3D-Scansystem.
Für den Lebensmittelprüfer bedeutet
das: Der Aufwand für das Erstellen eines
fotorealistischen 3D-Modells und das
Erfassen der Objektdaten ist minimal. Er
stellt das zu prüfende Objekt in die Scanstation
und startet über die Bedienoberfläche
den Scanprozess. Dieser dauert je
nach verbauter Sensorik eine bis wenige
Minuten; der Fortschritt wird entsprechend
angezeigt. Alles Weitere übernimmt
die Software. Sie erstellt einzelne Farb-
und 3D-Aufnahmen von allen Seiten des
Objekts und führt diese zu einem konsistenten
3D-Objektmodell mit hochaufgelöster
Textur zusammen.
Abhängig von der Sensor- und Softwarekonfiguration
sind verschiedene
Ergebnisse möglich. So können 360-Grad-
Ansichten des Objekts aus einer festen
Perspektive ausgegeben werden, die auch
das Zoomen ins Bild ermöglichen. Des weiteren
erzeugt die Software 3D-Punktewolken
mit einer Genauigkeit im Submillimeterbereich
(zum Beispiel für die Extraktion
von Abmessungen) und schließlich
3D-Oberflächenmodelle (Meshmodelle).
Indem hochaufgelöste Farbbilder auf das
Oberflächenmodell projiziert werden, entsteht
ein fotorealistisches 3D-Modell, welches
rundherum betrachtet werden kann.
Mit den entwickelten Verfahren zur
Analyse der 3D-Modelle kann neben herkömmlichen
Stammdaten wie Größe und
Gewicht auch weiteres semantisches Wissen
extrahiert werden. So ist das Ablesen
von Zutaten, Nährwerttabellen, Allergenen,
Haltbarkeitsdatum oder Produktname
sowie das Erkennen und genaue Lokalisieren
von Siegeln, Symbolen und Logos
automatisiert möglich. Auch die Lokalisierung
bestimmter Objektteile wie Verschlüsse
ist möglich. Für die genannten
Ergebnisse kommen verschiedene Technologien
aus der Bildverarbeitung zum Einsatz.
Dazu gehören neben konventionellen
Methoden auch KI-basierte Methoden
wie maschinelles Lernen und Deep Learning
sowie hybride Ansätze. Die Informationen
werden als semantische Annotation
für das Objekt gespeichert. Dadurch wird
das 3D-Modell zu einem semantischen
digitalen 3D-Zwilling des modellierten
Objekts. Semantisch wird dieser digitale
Zwilling deshalb genannt, weil er neben
den Stammdaten eine Fülle an Objektinformationen
beinhaltet, die abgefragt und
ausgewertet werden können. Die gewonnenen
Informationen werden schließlich
strukturiert aufbereitet und beispielsweise
in eine Datenbank oder ein Laborinforma-
Nach der Generierung einer Punktwolke
(links) wird das Oberflächenmodell
(Mitte) berechnet und darauf basierend
ein texturiertes 3D-Modell erstellt
(rechts). Quelle: Fraunhofer IPA.
Laborflaschen aus
nachhaltigem PE-LD mit
über 30% Recyclinganteil
aus erneuerbaren Rohstoffen.
semadeni.com/circularline
Anzeige
Digitalisierung 13
/circularline
/circularline
