IPA 开发了一种强大的物体识别方法，它可能在人工智能和机器人以及物流方面有所帮助。

据报道，德国的科学家正在努力将传统的售货亭和货架转变为智能系统。据了解，弗劳恩霍夫制造工程与自动化研究所（IPA）研发了一种新型算法，它能够进行物体识别和环境检测，以应对服务和生产领域的高难度自动化任务。

自2020年1月至2022年12月，参与“Knowledge4Retail”（K4R）项目的团队一直致力于利用数字系统的力量，使实体零售再次成为客户的首选。他们在今年春季的最后一次会议上分享了他们的研究成果。项目的重要成果之一是K4R开源平台，这是一个位于版本控制系统Github上的资源库，零售商可以随时获取相关信息。零售公司可利用这个平台来连接虚拟世界和数字世界，以便更方便地分析商业流程，预测消费者的购买行为。项目合作伙伴探索了多种应用可能性，包括物流、分支机构建设、服务机器人，甚至全自动售货亭。

同时，3D图像处理技术也用于数字化未知的产品。IPA的研究人员扩展了他们的专业知识，并深入研究了3D图像处理的各种可能性。他们的一个关键成果是创建了零售产品的数字孪生模型。在这个过程中，所有产品，甚至那些以前从未见过的产品，都会被传感器（例如扫描器）记录下来，然后使用形状、颜色和纹理等各种信息进行三维建模。此外，他们还采用了机器学习技术——人工智能的一个子领域，与Kaptura合作进行建模。

通过这种方式开发的技术使得产品可以快速、高分辨率地进行3D建模。研究人员强调，建模过程中，产品的标识、营养价值或数量等语义信息被识别并以数字方式记录。例如，这些生成的模型可以成为分支机构、网上商店或自动化产品分析（例如实验室分析）的数字图像基础。

此外，他们还开发了针对零售优化的可扩展对象识别解决方案。这种解决方案通过精确的光学识别，为生产和物流环节提供了自动化选项。例如，他们开发的应用程序可以使机器人自动拣选垃圾箱（伸入箱内）或自动包装垃圾箱，适用于所有类型和形状的商品包装。更具体地说，这种任务也称为订单拣选或拣选和包装，在这个过程中，货物会从板条箱或货架上取下，然后整齐地包装在目标箱中。如今，随着在线交易的飞速发展，这个任务变得越来越重要。为了支持这些过程，可以使用数字化的3D产品模型，对每一个新产品进行全自动的、直接的物体识别训练，整个过程在一个小时内就可以完成。

这项工作的目标，不仅仅是帮助实体零售商在数字化浪潮中保持竞争力，更重要的是通过技术创新，提升客户的购物体验，使购物变得更加便捷和舒适。这个目标，正是K4R项目以及其合作伙伴们的追求，而这也是未来零售业的发展趋势。