Open Access

In the contemporary retail environment, the extraction of price information from promotional brochures is labor-intensive and time-consuming. This thesis addresses this challenge by developing and evaluating an automated system to extract prices, crossed-out prices, and discounts from images. The proposed system aims to enhance the data acquisition process’s efficiency and accuracy, thus enabling timely and precise information retrieval while reducing manual effort. The research begins with a comprehensive review of existing methods for text recognition and extraction, highlighting the strengths and weaknesses of various approaches. Based on these insights, several models, including Parseq, DTrOCR, and CLIP4STR, are compared to identify the most effective solution for the task. The CLIP4STR model, leveraging a dual encoder-decoder architecture that integrates visual and cross-modal branches, is found to be particularly well-suited for recognizing and extracting prices from complex visual contexts in promotional images. Experiments are conducted to evaluate the performance of these models using a dataset comprising promotional images from five different retailers. The CLIP4STR model demonstrates superior performance, achieving high accuracy in extracting price information. Additionally, the system’s robustness is validated through various test scenarios, including handling discounts and crossed-out prices. The results of this thesis underscore the potential of applied artificial intelligence to transform retail data processing. By automating price extraction, businesses can significantly improve their data collection processes, leading to more informed decision-making and resource allocation. Future work will focus on refining the model, expanding the dataset, and integrating the system into real-world operational settings to further enhance its applicability and performance. This research contributes to the field of retail data processing by providing a scalable and efficient solution for price information detection, laying a strong foundation for future advancements in automated data extraction systems.

Tech Report

The invention relates to an oesophageal electrode probe (10) for bioimpedance measurement and/or for neurostimulation; a device (100) for transoesophageal cardiological treatment and/or cardiological diagnosis; and a method for the open-loop or closed-loop control of a cardiac catheter ablation device and/or a cardiac, circulatory and/or respiratory support device. The oesophageal electrode probe comprises a bioimpedance measuring device for measuring the bioimpedance of at least one part of the tissue surrounding the oesophageal electrode probe. The bioimpedance device comprises at least one first and one second electrode, wherein the at least one first electrode (12A) is arranged on a side (14) of the oesophageal electrode probe facing towards the heart and the at least one second electrode (12B) is arranged on a side (16) of the oesophageal electrode probe facing away from the heart. The device (100) comprises the oesophageal electrode probe (10) and a control and/or evaluation device (30), which is configured for receiving a first bioimpedance measurement signal from the at least one first electrode (12A) and a second bioimpedance measurement signal from the at least one second electrode (12B), and comparing same, and generating a control signal on the basis of the comparison. The control signal can be a signal for the open-loop or closed-loop control of a cardiac catheter ablation device and/or a cardiac, circulatory and/or respiratory support device.

Die Arbeit konzentriert sich auf die Gestaltung einer Sprachsteuerung für die Firma COS GmbH, um die Nutzer der Software "COSware" in ihren mobilen Anwendungen praxisgerecht zu unterstützen. Da es oft Situationen gibt, in denen Anwender aus praktischen oder gesetzlichen Gründen keine freien Hände haben, wird die Entwicklung einer Sprachsteuerung erforscht. Zunächst wird die theoretische Grundlage für eine Sprachsteuerung erarbeitet, wobei die verschiedenen Aspekte und Komponenten beleuchtet werden. Anschließend werden durch eine umfassende Anforderungsanalyse die erforderlichen Voraussetzungen für die Umsetzung festgelegt. Durch eine eingehende Marktanalyse werden verschiedene Produkte evaluiert, die für die Implementierung der Sprachsteuerung in Betracht gezogen werden können. Eine Architekturanalyse verdeutlicht, wie die einzelnen Komponenten realisiert und miteinander integriert werden können. Die Prototypentwicklung zielt darauf ab, eine erste Version der Sprachsteuerung innerhalb des COSware-Systems zu präsentieren. Zu diesem Zweck werden drei Prototypen mit den Anbietern Rasa, Google Dialogflow und Microsoft Copilot Studios entwickelt. Abschließend erfolgt eine Evaluierung und Bewertung aller Prototypen. Dadurch wird das Fazit gezogen, dass Rasa für COSware am besten geeignet ist. Obwohl die Benutzerfreundlichkeit bei Google Dialogflow höher ist, überzeugt Rasa durch die Konfigurationsmöglichkeiten und den Umfang des Frameworks. Zudem ist es von Vorteil, dass Rasa On-Premise betrieben werden kann, während Google Dialogflow ein Cloud-Produkt ist.

Der Beitrag untersucht als Praxisbericht niederschwellige Möglichkeiten Videos (hier Vorlesungsaufzeichnungen) aktivierend und studierendenorientiert in zeit-raumflexiblen (Online-) Vorlesungen zu implementieren.

Die vorliegende Bachelorarbeit mit dem Titel "Ableitung von Bruchflächen-Topographien mittels künstlicher neuronaler Netze" ist eine Machbarkeitsstudie, in der eine Möglichkeit untersucht wird, hochauflösende Raster-Elektronen-Mikroskop (REM)-Bilder zur präzisen Bestimmung der Topographie von Bruchflächen in Materialien zu nutzen. Ziel der Arbeit ist es, ein Verfahren zu entwickeln, das durch den Einsatz künstlicher Intelligenz den langwierigen und komplexen Prozess der manuellen Topographieerfassung ersetzt. Dies soll die Effizienz in der Materialprüfung steigern und tiefere Einblicke in das Verhalten von Materialien unter Belastung ermöglichen. Die Vision, die dadurch angestrebt wird, ist zukünftig, wichtige Zähigkeitskennwerte anhand von Bruchflächeninformationen abzuleiten. Ein großer Teil der Machbarkeitsstudie behandelt die Datenentstehung und Datenvorverarbeitung. Mit einem Raster-Elektronen-Mikroskop werden hochauflösende Graustufenbilder von Bruchflächen erzeugt. Das Weißlichtinterferometer scannt die Bruchfläche und erzeugt eine passende Topographie. Während der Datenvorverarbeitung werden die anfangs fehlerbehafteten Daten anhand mehrerer Methoden präpariert und für das Modell vorbereitet. Mithilfe geometrischer Transformationen wie Drehen oder Beschneiden werden das REM-Bild und die Topographie gemappt. Eine Gradient-basierte Helligkeitsfunktion soll unerwünschte Helligkeitsunterschiede auf Bruchflächenbildern vermeiden, sodass diese nicht zu viel Einfluss auf das Modell nehmen. Anschließend wird ein U-Net trainiert, welches das Graustufenbild als Input nimmt und eine dazugehörige Topographiematrix generieren soll. Häufig auftretende Artefakte bei Convolutional Neural Networks, wie Schachbrettmuster oder ein, durch das Zero-Padding entstehender, schwarzer Rahmen, werden mit besonderen Features in der Modellarchitektur vermieden. In diesem Modell ersetzt ein Reflective-Padding das standardmäßige Zero-Padding, um den Effekt des schwarzen Rahmens zu umgehen. Für das Hochskalieren der Bilder während der Up-Convolution bedient sich das Modell an einer nearest neighbor Interpolation. Die Ergebnisse werden durch Metriken wie Root-Mean-Squared-Error oder prozentuale Abweichung evaluiert. Dabei werden die Vorhersagen auf den unterschiedlichen Bereichen der Bruchfläche analysiert. Das Modell zeigt vielversprechende Ergebnisse in der Topographie-Generierung und bietet eine Grundlage für weitere Forschungen in diesem Gebiet.

Diese Bachelor-Thesis beschreibt die Entwicklung eines universellen Flashers zur Aktualisierung von Betriebssystemen auf Revolution Pi-Modulen. Angesichts bestehender Herausforderungen bei der Aktualisierung dieser Geräte entwickelt diese Arbeit ein Gerät, das eine einfachere und fehlerresistente Aktualisierung ermöglicht. Der Flasher kombiniert speziell entworfene Hardware mit einer Software, die auf einem Linux-Betriebssystem basiert, und bietet eine benutzerfreundliche Oberfläche über ein integriertes Touch-Display. Die Ergebnisse zeigen, dass der Flasher eine zuverlässige Alternative zu bestehenden Methoden darstellt, was die Wartung und Aktualisierung von Revolution Pi-Modulen erheblich vereinfacht.

In der folgenden Arbeit wird die Entwicklung einer Menüsteuerung für Füllstandsensoren dokumentiert. Diese soll es ermöglichen, die Sensoren auch innerhalb von explosionsgefährdeten Bereichen zu bedienen. Alle verwendeten Ansätze analysieren dabei Geräuschsignaturen, die durch die Interaktion eines Benutzers mit dem Gehäuse des Füllstandsensors entstehen und klassifizieren diese unter Verwendung von künstlicher Intelligenz. Dabei wird in zwei Ansätze mit unterschiedlichen Gehäusen unterteilt: das bereits vorhandene Gehäusedesign und eine modifizierte Version davon. Für jedes Gehäuse wurden mehrere Lösungsansätze entwickelt und deren Ergebnisse miteinander verglichen. Dabei wird vor allem auf Bild- und Zeitreihen-Klassifikation mithilfe von Convolutional Neural Networks eingegangen. Für diese Arbeit wurden Trainingsdaten mit beiden Gehäusetypen aufgezeichnet und die Aufnahmen anschließend mit Labeln im Dateinamen versehen. Dabei wurden zunächst vier Klassenlabel definiert, die in beiden Ansätzen klassifiziert werden sollen. Bei der Arbeit mit dem modifizierten Gehäusedeckel wurde eine zusätzliche Rauschklasse definiert. Anhand dieser Datensätze wurden verschiedene Ansätze implementiert und evaluiert. Die Lösungsansätze mit dem bestehenden Gehäusedesign konnten keine zufriedenstellenden Ergebnisse liefern. Das modifizierte Gehäuse hingegen erreicht mit einem Zeitreihen-Convolutional-Neural-Network eine finale Accuracy von ca. 95%. Dazu wurden einige Augmentierungs- und Optimierungsschritte durchgeführt. Die Ansätze, die das Standard-Gehäusedesign zur Signalgenerierung verwenden, hatten einen Nachteil bei der Aufnahme des Datensatzes. Durch die Rundung des Gehäuses und der fehlenden Führung kam es häufig zum Abrutschen oder zu unvollständigen Signalen während der Aufnahmen, was die Klassifizierung erschwert hat. Die späteren Ansätze mit dem modifizierten Gehäuse konnten dieses Problem umgehen und unter anderem dadurch deutlich bessere Ergebnisse erzielen.

Knight Götz von Berlichingen (1480–1562) was born into a time of upheaval during the transition from the late Middle Ages to modern times. Götz bravely defended the ideals of declining chivalry. He fought in numerous battles and engaged in several “feuds” with various other knights and even cities; during the Landshut War of Succession (1504/05), he lost his right hand in 1504 due to a cannonball splinter injury.