Abschlussarbeit (Bachelor/Master): Design und Training eines Convolutional Neural Networks zur zielgerichteten Detektion von Logistik-Objekten

Studentische Abschlussarbeit

Themen-Schwerpunkt: Logistik und Supply-Chain-Optimierung, Maschinelles Lernen, Produktion und Logistik
Studiengänge: Maschinenbau, Verwandte Studiengänge, Wirtschaftsinformatik, Wirtschaftsingenieurwesen

Umfeld

Künstliche Intelligenz, Digitalisierung und Automatisierung sind aktuelle 'Buzzwords', die auch in der Logistik zahlreiche innovative Anwendungen begleiten. Im Rahmen verschiedener Forschungs- und Industrieprojekte arbeiten wir beispielsweise daran, Logistiksendungen anhand einzelner Bilder zu erkennen, zu analysieren und zu verstehen. Diese automatisierte Packstrukturerkennung wird durch den zielführenden Einsatz von Convolutional Neuronal Networks (CNNs) in komplexen (Bild-) Verarbeitungspipelines ermöglicht.

Im Kontext solcher kognitiven Systeme soll ein neuartiges Design für Objektdetektoren auf Basis von CNNs entwickelt, implementiert und evaluiert werden. Hierbei ist das Ziel dieser Arbeit, existierende Detektionsmodelle, welche Objekte anhand einer Bounding Box oder ihrer Pixelmaske lokalisieren so zu erweitern, dass andere geometrische Formen gefunden werden.

Aufgaben

  • Konzeption und Design einer CNN-(Meta-)Architektur zur Tetragon-basierten Objektdetektion
  • Implementierung des Modells aufbauend auf existierenden Basiskomponenten (Tensorflow)
  • Training eines Modells zur Detektion von Packstückkomponenten unter Verwendung existierender Logistik-
  • Datensätze aus unseren Projekten
  • Umfassende Evaluation der Ergebnisse

Wir bieten

  • ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern
  • eine wirtschafts-/industrienahe Arbeitsumgebung und -organisation
  • eine angenehme Arbeitsatmosphäre
  • ggf. die Möglichkeit zu einer anschließenden Promotion im beschriebenen Themenfeld

Wir erwarten

  • selbständiges Denken und Arbeiten
  • Grundkenntnisse in maschinellem Lernen oder Optimierungsverfahren und in der Bildverarbeitung
  • Grundlegende Programmierkenntnisse (z.B. Python, C++, Java)
  • Erste Praxis-Erfahrungen mit TensorFlow oder vergleichbaren Deep-Learning-Frameworks
  • sehr gute Deutsch- oder Englischkenntnisse

Bewerbung

Wir freuen uns auf Ihre digitale Bewerbung an Frau Laura Dörr, doerr@fzi.de, mit folgenden Unterlagen:

  • aktueller Notenauszug
  • tabellarischer Lebenslauf

Weitere Informationen