Kamera-Vorschau

Positioniere das lose Obst & Gemüse auf der Waage

Simuliert
SIMULATION-MODUS

Reales Produktbild erfassen (Datensammler)

Eigene Bilder: 0

Legen Sie Ihre echte Kartoffel mittig in das Zielkreuz und nehmen Sie 10-15 Bilder aus verschiedenen Winkeln/Entfernungen auf.

KI Schnellwahltasten

Vorschläge über Confidence-Schwellenwert > 85%

Warte auf Objekterkennung...

Legen Sie Obst auf die Waage

Virtueller Barcode-Scanner

Scanner-Status: Bereit
Scanner-Verlauf (Keystroke Logs)
Warte auf Erkennung...

Kassenzettel

Aktuelle Transaktion

Einkaufswagen ist leer

Zwischensumme: 0,00 €
Gesamtsumme: 0,00 €

Live-Kamerabild (Von oben)

Kalibriere die Null-Linie und richte das Produkt aus

Nicht kalibriert
SIMULATION-MODUS

Artikel-Details

Wähle den anzulernenden Artikel aus

Ausgewählter Artikel: Kein Artikel ausgewählt

Aufnahme-Steuerung

Serienaufnahme starten und Artikel drehen

Fortschritt: 0 / 10 Bilder

Das System nimmt im Sekundentakt automatisch 10 Bilder auf. Stupsen Sie das Produkt zwischen den Signaltönen leicht an, um verschiedene Ansichten zu erfassen.

Bilder-Galerie (Aktuelle Session)

Hier werden die 10 aufgenommenen Bilder angezeigt. Lösche fehlerhafte Bilder per Klick auf das X.

Session Bilder: 0
Schritt 1

Synthetische Datenpipeline

Generiere Trainingsdaten & Augmentierungen (Albumentations)

Erstellt 200 Trainings- & 50 Validierungsbilder (YOLO-Format)

Augmentierungs-Vorschau (Live-Pipeline)

Echtzeit-Störung (Shift, Rotate, Scale, Brightness, Noise) zur Vermeidung von Overfitting an Lichtbedingungen.

Klicke auf "Aktualisieren" um ein Bild und seine Albumentations-Störung anzuzeigen.

⚠ KI Gefahrenzone & Reset-Optionen

Trainingsdaten löschen oder das trainierte KI-Modell zurücksetzen

1. Trainingsbilder & Kalibrierung

Löscht alle selbst erfassten Trainingsbilder und setzt den kalibrierten Hintergrund zurück.

Nicht umkehrbar!

2. KI-Modell zurücksetzen

Löscht das trainierte PyTorch- und ONNX-Modell. Das System fällt danach in den Simulations-Modus zurück, bis ein neues Modell trainiert wird.

Setzt Inferenz auf Simulation zurück.
Schritt 3

ONNX-Export & Hardware-Inferenz

Modell-Optimierung für flüssigen Kassenbetrieb unter 50 ms

Konvertiert PyTorch (.pt) in ONNX (.onnx) für die Inferenz-Engine.
ONNX Compiler Logs
Warte auf Export-Trigger...
Inferenz-Zeit (CPU/NPU) - ms Warte auf Export
Lizenzen & Schutzrecht 100% OK Royalty-Free (BSD / MIT), kein GPL-Copyleft
Schritt 2

Transfer Learning (PyTorch)

Modelltraining auf SSDLite MobileNetV3-Large Basis

Status: Bereit Epoche: -/-

Klicke "Training starten" um den Feintuning-Prozess anzustoßen.

Lernkurve (Loss History)

2.0 1.0 0.5 0.0
Train Loss
Validation Loss

Artikel- & EAN-Verwaltung

Hinterlegen Sie die Barcodes (EAN) Ihrer Produkte für den virtuellen Scanner

Geben Sie für jede Produktklasse den gewünschten Barcode (EAN) ein. Wenn das System dieses Produkt stabil erkennt, simuliert der virtuelle Tastatur-Scanner diesen Barcode direkt in Ihr Kassenfenster (gefolgt von Enter).

Klasse (ML-Key) Name (Anzeige) EAN-Barcode (Tastaturemulation)