Künstliche Intelligenz für das gesamte Produktportfolio

Die Vereinzelung und Verfolgung von schwer zu verarbeitenden kleinen E-Commerce-Sendungen wird mit künstlicher Intelligenz (KI) erheblich verbessert.

 

Bei Post- und Paketprozessen müssen Postanschriften aus Bildern extrahiert werden. Für Menschen ist dies kein Problem, da wir schnell Muster erkennen können, um bestimmte Informationen aus einer großen Datenmenge auszuwählen, zu verstehen und auszuwerten. Für Maschinen war es jedoch schwierig, da Informationen für die Verarbeitung zunächst in einzelne Prozessschritte unterteilt werden mussten, um verarbeitet zu werden. Mit dem KI-basierten Deep Learning ist es jedoch viel einfacher geworden, Maschinen zu trainieren.

 

Roboter lernen Sendungen zu vereinzeln

Ein typisches Beispiel für die Verwendung von Deep Learning ist das Trainieren von Robotern, einzelne E-Commerce-Sendungen aus einem Bulk Stream (Massenstrom) zu vereinzeln. Diese sind oft nicht nur klein, sondern häufig auch unförmig sowie teilweise schlecht verpackt. Zudem neigen die Sendungen dazu, bei der Verarbeitung auf Gurtsystemen leicht zu verrutschen, zu rollen oder zu kippen. Damit ein Roboter Sendungen aus einem Bulk Stream vereinzeln kann, muss ihm beigebracht werden, die Position einzelner Pakete zu erkennen. Hier verwendet Siemens Logistics ein auf Deep Learning basierendes System, mit dem die Objekte und ihre Form mithilfe eines Klassifizierungsschemas genau identifiziert werden können. Das Erkennungssystem identifiziert auch den optimalen Greifpunkt für den Roboter, damit das Paket sicher transportiert wird. Der Algorithmus im Inneren des Klassifizierungsschemas lernt aus jedem neuen Bild und optimiert daraufhin seine Bewertungskriterien. Die durch KI verbesserte Bildverarbeitung kann eine vollständig integrierte und automatisierte Lösung erstellen.

Adressen auf kleinen Paketen lesen

Ein weiteres Beispiel für maschinelles Lernen ist die speziell für kleine Pakete optimierte automatische Lesetechnologie.
Die wichtigsten Erfolgsfaktoren sind:

- die zuverlässige Erkennung des Empfängeradressblocks anhand vorab trainierter Etikettentypen,
- die korrekte Adressinterpretation, auch wenn die Adresse syntaktisch falsch ist, oder Elemente fehlen,
- die genaue Segmentierung einzelner Zeichen, insbesondere bei kleinen Schriftarten, die dazu neigen, ineinander zu verlaufen.

Die Lösung von Siemens Logistics beinhaltet auch auf die zuverlässige Erkennung handschriftlicher Adressen.

 

Fingerprint-Technologie für die Sendungsverfolgung

Darüber hinaus hat maschinelles Lernen dazu beigetragen, die bewährte Fingerprint-Technologie weiterzuentwickeln. Diese wurde ursprünglich konzipiert, um bei der Großbriefsortierung auf Barcodes und Etiketten zu verzichten. Heute ermöglicht Fingerprint auch eine zuverlässige Sendungsverfolgung in Paketsortiersystemen. Der Scan von nur einer Paketseite reicht für eine zuverlässige Erkennung aus – selbst wenn das Adressetikett nicht zur Kamera zeigt. Damit kann jetzt jede Seite eines Pakets zur Sendungsverfolgung verwendet werden, was zu geringeren Anforderungen an die Kamera-Hardware führt.

 

Deep Learning für das Verständnis von komplizierten Mustern

Die neuesten der oben angeführten Beispiele verwenden Deep Learning. Das ist eine maschinelle Lerntechnik, mit der Computern vermittelt wird, was für Menschen selbstverständlich ist: Lernen anhand von Beispielen. Deep Learning kombiniert die Fortschritte bei der Rechenleistung mit speziellen neuronalen Netzwerken, um komplizierte Muster in großen Datenmengen zu erkennen. Für die zuverlässige Handschriftenerkennung werden Daten aus dem speziellen Landesalphabet aufgezeichnet und gelabelt. Das vorab geschulte neuronale Netzwerk wird anschließend mit diesen neuen Daten weiter trainiert.

 

Jahrzehntelange Erfahrung bei der Verwendung von KI für das Adresslesen

Bei Siemens Logistics begannen die Arbeiten zur Entwicklung von Adresslesern in den 1970er Jahren. Die Technologie, die es ermöglichte, maschinengeschriebenen Text auf Briefen während der automatischen Sortierung zu erkennen und zu dekodieren, war der Wegbereiter für das Postgeschäft. Seit den 1990er Jahren profitieren Kunden weltweit von Software mit ausgereiften Technologien für maschinelles Lernen. Das Unternehmen ist bei den Entwicklungen in Bezug auf Hard- und Software führend. Kein Wunder, dass weltweit mehr als jeder zweite Brief mit Siemens-Technologie sortiert wird.

Erkennen von Mustern für die Roboter-Vereinzelung, das Lesen von Adressen sowie das Verfolgen von Paketen während des Sortierprozesses: Dies sind nur drei der vielen Anwendungen, die KI in unterschiedlichem Maße verwenden. Siemens Logistics bietet Kunden Lösungen, mit denen sie die Herausforderungen von heute und morgen erfolgreich meistern.

Zurück