KIT | KIT-Bibliothek | Impressum | Datenschutz

Damage and Tampering Assessment in Transportation Logistics and Warehousing using Deep Learning

Naumann, Alexander ORCID iD icon

Abstract:

Aufgrund der stetig wachsenden Versandnachfrage für wertvolle Güter in den nationalen und internationalen Lieferketten gewinnt die automatisierte Analyse von Schäden und Manipulationsversuchen während des Transportprozesses stets weiter an Bedeutung. Eine kontinuierliche und koordinierte Überwachung der transportierten Pakete durch den Einsatz moderner Bildverarbeitungsmethoden kann die rechtzeitige und effiziente Erkennung potenzieller Problemfälle erleichtern. Dies wiederum kann entscheidend dazu beitragen, die Unversehrtheit und Integrität der Fracht innerhalb des Transportnetzwerkes zu gewährleisten. ... mehr

Abstract (englisch):

Due to the steadily increasing amount of valuable goods in national and international supply chains, automated damage and tampering assessment during the transportation process is continuously gaining importance. Steady and streamlined monitoring of the transported parcels through the application of modern computer vision techniques can facilitate the timely and efficient detection of potential problems. This, in turn, can play a decisive role in ensuring the safety, security, and integrity of the cargo within the transportation network.

We first present a general and detailed literature review of computer vision applications in transportation logistics and warehousing. ... mehr


Volltext §
DOI: 10.5445/IR/1000174488
Veröffentlicht am 01.10.2024
Cover der Publikation
Zugehörige Institution(en) am KIT FZI Forschungszentrum Informatik (FZI)
Institut für Fördertechnik und Logistiksysteme (IFL)
Publikationstyp Hochschulschrift
Publikationsdatum 01.10.2024
Sprache Englisch
Identifikator KITopen-ID: 1000174488
Verlag Karlsruher Institut für Technologie (KIT)
Umfang xiii, 163 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Fördertechnik und Logistiksysteme (IFL)
Prüfungsdatum 20.09.2024
Schlagwörter Computer Vision, Deep Learning, Damage and Tampering Detection, Parcel Logistics, Synthetic Data Generation, 3D Reconstruction, Keypoint Detection, Change Detection
Referent/Betreuer Furmans, Kai
Tomizuka, Masayoshi
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page