stacked carton recognition
1.0.0
SCD：一個堆疊的紙箱數據集用於檢測和分割
即使是最先進的倉庫管理系統（WMS）也取決於人類，而人類犯了錯誤。導致運營成本的這樣的誤差之一就是托盤的錯位。放錯位托盤是丟失的托盤。 WMS顯示其位置，但不存在。要查找丟失的托盤，倉庫必須進行定期庫存計數，如果手動完成，這是昂貴且緩慢的。
托盤的手動計數可以用AI/ML代替。需要以下步驟來實施自動AI輔助托盤計數/標識：
上述系統可以連接到無人機，該無人機在倉庫內執行自主/半自治的Flightrs，並將視頻流或圖像發送到服務器，該服務器確實對象檢測/識別/匹配。
該存儲庫包含筆記本和代碼，以微調和部署多種模型。我們正在使用堆疊的紙箱數據集來微調模型，以識別堆放在倉庫托盤上的紙箱盒的片段。
下面的兩個圖像顯示了來自SCD數據集的圖像的示例：
我們的目標是微調Florence-2模型，以便以最高精度在圖像上註釋紙箱段。
隨著項目的進行，將添加筆記本
0_scd_download_explore.ipynb
在此筆記本中，我們下載了堆疊的紙箱數據集並探索其內容
1_SCD_CREATE_DATASET_FT_DETR.IPYNB
在此筆記本中，我們進行了必要的破壞信息，並創建以下3個數據集：
3_florence_2_zero_shot.ipynb
在此筆記本中，我們在Val_df的一系列圖像中測試零射擊佛羅倫薩-2性能。我們可以看到該模型表現出相當合理的精度，因此是進行微調的良好候選人。
4_fine_tune_rt_detr.ipynb
在此筆記本中，我們微調RT-DETR模型。不幸的是，我們未能通過此模型取得足夠的成果。
