Motivation
Die Digitalisierung hat viele Arbeitsprozesse revolutioniert. Doch die Vektorisierung beziehungsweise Digitalisierung analoger Rasterbilder, wie beispielsweise Bauzeichnungen auf Papier oder eingescannte Dokumente, erweist sich nach wie vor als zeitraubend, da diese manuell durchgeführt werden muss. Unternehmen benötigen dringend eine effiziente Lösung, um wettbewerbsfähig zu bleiben.
Ziele und Vorgehen
Ziel des Vorhabens ist es, eine automatisierte Vektorisierungslösung zu schaffen, die nicht nur den manuellen Aufwand minimiert, sondern auch die Genauigkeit und Geschwindigkeit des Prozesses verbessert. Dazu werden Convolutional-Neural-Network-(CNN)-Modelle entwickelt und trainiert, um Linien, Kurven und Formen präzise in Rasterbildern erkennen zu können. Die Integration von Transformer-KI optimiert den Vektorisierungsprozess weiter, indem sie es ermöglicht, Pixel und Merkmale ganzheitlich zu betrachten. Die Kombination dieser KI-Ansätze erlaubt eine umfassendere und genauere Analyse von Rasterbildern. Eine automatisierte Prozessausführung wird implementiert, um die Vektorisierung zu automatisieren und den manuellen Aufwand zu minimieren. Zudem werden Deep-Learning-Techniken evaluiert, um die Leistung der KI-Modelle weiter zu verbessern. Anhand von Anwendungsfallstudien in verschiedenen Branchen wird die Lösung validiert und ihre Wirksamkeit in realen Szenarien ermittelt. Dabei werden Genauigkeit, Effizienz und Benutzerzufriedenheit bewertet.
Innovationen und Perspektiven
Die DOTD-Technologie soll die Vektorisierung von Bauzeichnungen und technischen Plänen durch den Einsatz modernster KI- und Automatisierungstechnologien revolutionieren. Die Lösung kann große Wettbewerbsvorteile für Branchen wie Architektur, Maschinenbau, Stahlindustrie und Elektronik bieten. Mit der Umsetzung und Einführung von DOTD wird der Standort Deutschland gestärkt und die Innovationsführerschaft in wichtigen Kernbranchen ausgebaut.