Durch individuelle Fingerabdrücke können Gegenstände durchgehend identifiziert werden. Um diesen Fingerabdruck hinzuzufügen, muss in der Regel ein Identifizierungsmerkmal (z. B. ein Barcode oder ein QR-Code) oder ein externer Tracker angebracht werden. Ziel dieses Forschungsprojekts war es, eine neue und nicht-invasive, kamerabasierte Methode für die Erkennung von Einzelteilen unter Verwendung von ortsabhängigen Hash-Algorithmen (LSH) zu testen.

LSH-Algorithmen unterscheiden sich von kryptographischen Hash-Algorithmen dadurch, dass sie denselben oder einen sehr ähnlichen Hash-Wert erzeugen, anstatt dass kleine Änderungen in den Eingabedaten sehr unterschiedliche Hash-Werte erzeugen. Daher sind sie resistenter gegen Störungen. Dies bedeutet, dass Punkte, die im Raum der Eingabedaten nahe beieinander liegen, auch im Datenraum des Hashwerts nahe beieinander liegen, was die Vorsilbe "ortsabhängig" erklärt. Oft wird diese Klasse von Algorithmen verwendet, um schnell ein doppeltes Bild oder Video in einer Datenbank zu finden.

Natürliche Schwankungen bei Rohstoffen und Produktionsprozessen sorgen während der Herstellung dafür, dass die Oberflächen für jedes einzelne Objekt einzigartig sind. Dies kann zur Identifizierung der Objekte genutzt werden, erfordert aber einen robusten Algorithmus, der mit Beleuchtungsschwankungen und Kamerarauschen umgehen kann. Für diese Aufgabe haben wir verschiedene LSH-Algorithmen getestet. Wir konnten zwar zeigen, dass LSH-Algorithmen generell für diese Anwendung geeignet sind, ihr technologischer Reifegrad war jedoch geringer als erwartet. Das bedeutet, dass sie derzeit nur als Proof of Concept dienen können. Um eine hohe Identifizierungsgenauigkeit zu erreichen ist eine erhebliche Bildvorverarbeitung erforderlich ist.