Nell'ambito del nostro progetto, abbiamo lavorato all'assegnazione automatica di componenti odontotecnici personalizzati. Terminata la produzione, infatti, i componenti sfusi, raggruppati in un ciclo di produzione, sono per ora assegnati manualmente ai rispettivi ordini. Nell'automatizzare questo processo, l'unicità e le dimensioni complesse dei singoli componenti rappresentano una sfida importante per i convenzionali metodi di riconoscimento degli oggetti.

Il team del nostro progetto ha testato diverse tecniche che vanno dalla classica elaborazione delle immagini agli approcci basati sul 3D. Il Deep Few-Shot Learning basato sul riconoscimento di un particolare set ridotto di immagini si è rivelato il metodo più promettente. In pratica, per ogni lavoro di produzione viene generata una piccola quantità di immagini sintetiche, le cui caratteristiche astratte vengono estratte da CLIP e utilizzate per addestrare un semplice classificatore feed-forward. Grazie alla prototipazione su più prospettive di ripresa e all'uso dell'inferenza trasduttiva, è possibile raggiungere un elevato grado di precisione nell'assegnazione delle immagini webcam dei componenti agli ordini dei clienti.