Fenster- und Türenproduzenten greifen bei der Auswahl ihrer Produktionsmaterialien auf vorgefertigte Aluminiumprofile zurück. Für so viele verschiedene Produkte gibt es auch dementsprechend viele unterschiedliche Profiltypen. Tausende von verschiedenen Profiltypen, die sich in ganz kleinen, schwer erkennbaren Details voneinander unterscheiden, bedeuten eine logistische Herausforderung. Da die Anzahl unterschiedlicher Profile so hoch ist und sich die Profile jedoch auf den ersten Blick teilweise recht ähnlich sehen erfordert die Profilerkennung Mitarbeiter*innen, welche über spezifisches und langjährig erworbenes Wissen verfügen müssen.
Um den Mitarbeiter*innen diese Aufgabe zu erleichtern
wurde von uns ein neuronales Netz zur Objekterkennung getestet. Der Test ging der Frage nach, ob diese Objekterkennung zur Identifikation der unterschiedlichen aber recht ähnlichen Profile genutzt werden kann. Daraufhin wurde der Prototyp einer Applikation zur Objekterkennung entwickelt. Mit einem Smartphone könnte von den Beschäftigten im Lager ein bestimmtes Profil fotografiert werden. Die Applikation könnte bei der Identifizierung und Zuordnung des Profils zum Kunden unterstützen. Die digital unterstützte Objekterkennung würde in diesem Fall den Auswahlprozess der Profile enorm erleichtern. Das Personal würde dadurch entlastet und die Fehlerquote verringert.