IPA 開發了一種強大的物體識別方法，它可能在人工智能和機器人以及物流方面有所幫助。

據報道，德國的科學家正在努力將傳統的售貨亭和貨架轉變為智能系統。據了解，弗勞恩霍夫制造工程與自動化研究所（IPA）研發了一種新型算法，它能夠進行物體識別和環境檢測，以應對服務和生產領域的高難度自動化任務。

自2020年1月至2022年12月，參與“Knowledge4Retail”（K4R）項目的團隊一直致力于利用數字系統的力量，使實體零售再次成為客戶的首選。他們在今年春季的最后一次會議上分享了他們的研究成果。項目的重要成果之一是K4R開源平臺，這是一個位于版本控制系統Github上的資源庫，零售商可以隨時獲取相關信息。零售公司可利用這個平臺來連接虛擬世界和數字世界，以便更方便地分析商業流程，預測消費者的購買行為。項目合作伙伴探索了多種應用可能性，包括物流、分支機構建設、服務機器人，甚至全自動售貨亭。

同時，3D圖像處理技術也用于數字化未知的產品。IPA的研究人員擴展了他們的專業知識，并深入研究了3D圖像處理的各種可能性。他們的一個關鍵成果是創建了零售產品的數字孿生模型。在這個過程中，所有產品，甚至那些以前從未見過的產品，都會被傳感器（例如掃描器）記錄下來，然后使用形狀、顏色和紋理等各種信息進行三維建模。此外，他們還采用了機器學習技術——人工智能的一個子領域，與Kaptura合作進行建模。

通過這種方式開發的技術使得產品可以快速、高分辨率地進行3D建模。研究人員強調，建模過程中，產品的標識、營養價值或數量等語義信息被識別并以數字方式記錄。例如，這些生成的模型可以成為分支機構、網上商店或自動化產品分析（例如實驗室分析）的數字圖像基礎。

此外，他們還開發了針對零售優化的可擴展對象識別解決方案。這種解決方案通過精確的光學識別，為生產和物流環節提供了自動化選項。例如，他們開發的應用程序可以使機器人自動揀選垃圾箱（伸入箱內）或自動包裝垃圾箱，適用于所有類型和形狀的商品包裝。更具體地說，這種任務也稱為訂單揀選或揀選和包裝，在這個過程中，貨物會從板條箱或貨架上取下，然后整齊地包裝在目標箱中。如今，隨著在線交易的飛速發展，這個任務變得越來越重要。為了支持這些過程，可以使用數字化的3D產品模型，對每一個新產品進行全自動的、直接的物體識別訓練，整個過程在一個小時內就可以完成。

這項工作的目標，不僅僅是幫助實體零售商在數字化浪潮中保持競爭力，更重要的是通過技術創新，提升客戶的購物體驗，使購物變得更加便捷和舒適。這個目標，正是K4R項目以及其合作伙伴們的追求，而這也是未來零售業的發展趨勢。