KIT

Künstliche Intelligenz zur automatisierten, fälschungsresistenten Bestimmung von Tierhaaren

Textilien aus edlen Tierhaaren sind sehr hochpreisig und oftmals von Fälschungen betroffen, da es bisher keine Methode gibt, um Tierhaare objektiv und auch nach chemischen Behandlungen einwandfrei zu identifizieren. Deshalb soll eine Standardmethode zur fälschungsresistenten Identifikation von Tierhaaren basierend auf der automatisierten Analyse von licht- oder rasterelektronen-mikroskopischen (REM) Bildern entwickelt werden. Eine Toolbox extrahiert, basierend auf bestehenden Tierhaardefinitionen, die Parameter zur Identifikation des Tierhaartyps und prüft ihre Eignung mittels Machine Learning. Diesem Ansatz wird ein Deep Learning Verfahren gegenübergestellt, welches nicht die explizite Extraktion der genannten Merkmale aus den Bildern benötigt. Nutzer sind mittelständisch geprägte Betriebe im Bereich Garn-, Strick- und Gewebeherstellung, Veredlung, Konfektion und Handel, die in hochwertige und -preisige Woll- und Kaschmir-Textilien aus den Sparten Mode, Bekleidung und Heimtextilien involviert sind. Durch eine erfolgreiche, fälschungsresistente Tierhaaridentifikation werden Fälschungen aufgedeckt und dadurch in Zukunft seltener. Damit verbundene Imageverluste und nachgelagerte Kosten bei erst rückwirkender Fälschungserkennung können vermieden werden. Die Bearbeitung des Vorhabens erfolgt in enger Zusammenarbeit mit Verbänden und Betrieben aus diesen Branchen.

IGF Forschungsvorhaben 21376 N

Zusammenfassung der Ergebnisse

Kontakt
Projektleitung

Dr. Juliana Kurniadi

T
+49 241 80-23319
E-Mail Adresse anzeigen
Doktorand*in

Till Hülsmann, M.Sc.

T
+49 241 80-23183
Raum
B3.56
E-Mail Adresse anzeigen