stacked carton recognition
1.0.0
SCD: مجموعة بيانات كرتون مكدسة للكشف والتجزئة
حتى أنظمة إدارة المستودعات الأكثر تقدماً (WMS) تعتمد على البشر ، والبشر يرتكبون أخطاء. واحدة من هذه الأخطاء التي تؤدي إلى تكاليف التشغيلية هي سوء معاناة المنصات. البليت في غير محله هو لوح ضائع. يُظهر WMS موقعه ، لكنه ليس موجودًا. للعثور على المنصات المفقودة ، يتعين على المستودعات أداء عد المخزون الدوري ، والذي - إذا تم القيام به يدويًا ، يكون مكلفًا وبطيئًا.
يمكن استبدال العد اليدوي من المنصات بمنظمة العفو الدولية/مل. هناك حاجة إلى الخطوات التالية لتنفيذ حساب/تحديد البليت الآلي بمساعدة AI:
يمكن توصيل النظام الموصوف أعلاه بطائرة بدون طيار ، والتي تقوم بتنفيذ flightrs مستقلة/شبه مستقلة داخل المستودع ويرسل دفق الفيديو أو الصور إلى خادم ، والذي يقوم بالكشف/التعرف/المطابقة للكائنات.
يحتوي هذا المستودع على أجهزة الكمبيوتر المحمولة والرمز لضبط ونشر العديد من الطرز. نحن نستخدم مجموعة بيانات الكرتون المكدسة لضبط النموذج للتعرف على شرائح صناديق الكرتون المكدسة على المنصات في المستودعات.
تُظهر الصورتان أدناه مثالًا على صورة من مجموعة بيانات SCD:
هدفنا هو ضبط طراز Florence-2 بحيث يقوم بتعليق شرائح الكرتون على صورة ذات دقة أقصى.
سيتم إضافة أجهزة الكمبيوتر المحمولة مع تقدم المشروع
0_scd_download_explore.ipynb
في هذا الكمبيوتر الدفتري ، نقوم بتنزيل مجموعة بيانات Carton المكدسة واستكشف محتوياتها
1_SCD_CREATE_DATASET_FT_DETR.IPYNB
في دفتر الملاحظات هذا ، نقوم بإعداد التقارير اللازمة وإنشاء مجموعات البيانات الثلاثة التالية:
3_florence_2_zero_shot.ipynb
في دفتر الملاحظات هذا ، نقوم باختبار أداء Flor-2 Zero-Shot Flor-2 على مجموعة مختارة من الصور من Val_DF. يمكننا أن نرى أن النموذج يظهر دقة معقولة تمامًا ، وبالتالي فهو مرشح جيد للضبط.
4_fine_tune_rt_detr.ipynb
في هذا الكمبيوتر الدفتري ، نقوم بضبط نموذج RT-DETR. لسوء الحظ ، فشلنا في تحقيق نتائج جيدة بما يكفي مع هذا النموذج.
