COSA È STATO UTILIZZATO:

È stato utilizzato in Python il framework KERAS

ALGORITMO:
Il modello CRNN, ovvero Convolutional Recurrent Neural Network, utilizza una CNN (onvolutional neural network) per estrarre le caratteristiche visive, che vengono rimodellate e alimentate a una LSTM (long short term memory network). L’output di LSTM viene quindi mappato allo spazio delle etichette dei caratteri con un Dense layer.

RETE:
La rete è stata addestrata, ottimizzata e testata utilizzando diversi open datasets forniti da Kaggle

SCOPO:
Questa rete neurale ha lo scopo di “leggere” e “interpretare” in modalità real time le etichette di prodotti di diversa tipologia e non ordinati ma presenti sullo stesso nastro trasportatore per poi comandare dei deviatori a valle per smistarli nei rispettivi punti di raccolta.