Biogas

Biomasse

Erneuerbare allgemein

Energieeinsparung

Erdwärme

Grünes Geld

Klimaschutz

Kraft-Wärme-Kopplung

Meeresenergie

Mobilität

Photovoltaik

Solarthermie

Wärmepumpen

Wasserkraft

Windenergie

content-Partner

Anwendung von FOST zur Annotierung von Metallverbundabfällen

In diesem Paper wird ein halbautomatischer Video-Annotation-Ansatz vorgestellt, der den Annotierungsaufwand im Bereich des maschinellen Sehens erheblich reduziert. Das entwickelte Tool, genannt 'Fast Object Segmentation and Tracking Tool' (FOST), wurde speziell für das KIRAMET-Projekt zur Segmentierung und Verfolgung von Metallverbundabfällen entwickelt.

Es ermöglicht die Segmentierung und Klassifizierung von Objekten in Videos mit einem einzigen Klick, gefolgt von einer automatischen Annotation durch Interpolation und Verfolgung über nachfolgende Frames. Der manuelle Segmentierungsprozess wird durch den 1-Click-Algorithmus von FastSAM unterstützt, während die automatische Segmentierung durch Berechnung des optischen Flusses zwischen Frames erfolgt. Das verwendete Dataset besteht aus Videos von zerkleinertem Stahlschrott, wobei jedes Objekt anhand seiner Materialklasse kategorisiert wurde. Die Ergebnisse zeigen, dass FOST präzise Segmentierungen mit geringen Berechnungszeiten erreicht, die je nach Anzahl und Größe der Objekte variieren. Durch gezieltes Nachtraining des vortrainierten FastSAM-Modells mit eigenen Daten können die Ergebnisse weiter verbessert werden. Darüber hinaus kann FOST aufgrund seiner flexiblen Implementierung in vielen industriellen Projekten im Bereich des maschinellen Sehens Anwendung finden.