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 > 10%

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 €
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.
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)