Wir entwickelten eine webbasierte PWA zur visuellen Inspektion von Kakaobohnen. Die Lösung kombiniert Bildklassifizierung, Objektdetektion und semantische Segmentierung mit einer praxisnahen Infrastruktur für Datapipelines, Experiment-Tracking und Edge-Devices.
Auftraggeber
QVISIONS GmbH
Dauer
36 Monate
Produkt
Dienstleistung
Expertise
Softwareentwicklung
Ziel des Projekts war die Entwicklung einer webbasierten PWA zur visuellen Inspektion von Kakaobohnen. Dabei sollten Bilddaten automatisiert ausgewertet und die Lösung so aufgebaut werden, dass sie sowohl in der Modellentwicklung als auch in einer produktionsnahen Umgebung zuverlässig genutzt werden kann.
Eine zentrale Herausforderung bestand darin, verschiedene Computer-Vision-Verfahren wie Objektdetektion, Segmentierung und Klassifizierung in einer einheitlichen Anwendung zusammenzuführen. Zusätzlich war die Datengrundlage schwierig, da Bewertungen der Kakaobohnen teilweise widersprüchlich waren. Dadurch mussten Datenerfassung, Modelltraining und Auswertung besonders sorgfältig abgestimmt werden, um belastbare Ergebnisse zu erzielen.
Programmiersprachen
Python
Technologien
DVC, Detectron, Docker, Docker-Compose, Flask, GitLab CI/CD, Keras, LabelStudio, MLFlow, NVIDIA Jetson, OpenCV, OpenVINO, PostgreSQL, PWA, TensorFlow, TensorRT, YOLO
Webbasierten Anwendung zur visuellen Inspektion von Kakaobohnen mit Kamerasteuerung, Bildanalyse und KI-gestützter Auswertung.
Ähnliches Problem?
Im Ergebnis entstand eine webbasierte Lösung zur visuellen Inspektion von Kakaobohnen mit integrierten Computer-Vision- und Machine-Learning-Komponenten. Durch versionierte Datapipelines, Experiment-Tracking und die Einbindung von Edge-Devices wurde eine belastbare Grundlage für den praktischen Einsatz geschaffen.
RIM2D ist ein bestehendes, hocheffizientes 2D-hydraulisches Simulationsmodell für fluviale, pluviale und urbane Hochwasser. Wir unterstützten im Rahmen einer strategischen Partnerschaft dabei, den Forschungscode um eine Webanwendung und eine cloudbasierte GPU-Simulationsumgebung zu erweitern und so den Transfer in ein marktfähiges Produkt zu ermöglichen.
Wir entwickelten eine S3-basierte Open-Source Datalake-Lösung zur zentralen Erfassung, Kategorisierung und Durchsuchbarkeit von Daten. Ziel war es, die manuelle Datenverwaltung durch eine integrierte Architektur mit Workflowsteuerung, Datenkatalog und Zugriffsschutz zu automatisieren und zu verbessern.