Artikel

  1. Hochschule Kempten
  2. Forschung
  3. Forschungsinstitute
  4. IPI – Institut für Produktion und Informatik

22.04.2024

Data Science Stammtisch Allgäu meets Netzwerktreffen Industrie 4.0

ChatGPT jenseits der Website und Geschwindigkeitsschätzung von Fahrzeugen im Straßenverkehr.

V.l.n.r.: Prof. Bernd Lüdemann-Ravit und Prof. Frieder Heieck vom IPI Sonthofen begrüßten Dr. Stefan König (Senior Data Scientist, Ehrenmüller GmbH) zum Netzwerktreffen I4.0 am 16. April 2024. (Foto: Ehrenmüller, Ramona Cernik)

Letzte Woche fand das Netzwerktreffen Industrie 4.0 in Kooperation mit dem 19. Data Science Stammtisch Allgäu am IPI in Sonthofen statt. Ein herzliches Dankeschön an alle Teilnehmenden und die Referenten Tristan Kenneweg und Robert Kaps für die interessanten Vorträge! 

Tristan Kenneweg (Geschäftsführer und Softwareentwickler, TORIDA GmbH): 
"
ChatGPT jenseits der Website"
ChatGPT ist vielen von uns ein Begriff und ein täglich genutztes Tool. Doch die Mehrheit von uns beschränkt sich auf die Interaktion über die offizielle Website, wodurch ein Großteil seines Potenzials unerschlossen bleibt. In diesem Vortrag wurde ein Blick hinter die Kulissen geworfen und die vielfältigen Möglichkeiten aufgezeigt, die sich durch die programmatische Anwendung von ChatGPT eröffnen. Anhand eines praxisnahen Beispiels aus dem E-Commerce-Bereich demonstrierte TORIDA, wie man die Leistungsfähigkeit von ChatGPT voll ausschöpfen kann.

Robert Kaps (M.Eng. Electrical Engineering): 
„Speed Estimation of Vehicles Using Monocular Cameras“:
In diesem Vortrag wurde ein System zur Geschwindigkeitsschätzung von Fahrzeugen im Straßenverkehr vorgestellt. Durch die Anwendung eines modernen Convolutional Neural Network (CNN) für die Objekterkennung werden Fahrzeuge in Bildmaterial von einer monokularen Kamera identifiziert. Um Schwankungen der Begrenzungsrahmen der erkannten Fahrzeuge zu minimieren, erfolgt eine anschließende Computer-Vision-Verarbeitung, bei der das Nummernschild jedes Fahrzeugs erkannt wird. Die Geschwindigkeit wird durch Beobachtung der Größenänderung des Nummernschilds in aufeinander folgenden Bildern geschätzt. Das System basiert auf Machine Learning, Computer Vision und geometrischer Mathematik. Es wird angenommen, dass die Höhe und Breite des Nummernschilds a priori bekannt sind.

 

Zurück