Computer vision

Wat is computer vision?

Computer vision is software die beelden en video interpreteert. Een camera legt vast, het model vertelt wat erop staat: welk product op de band ligt, hoeveel dozen er in het rek staan, waar de kras op het paneel zit.

Voor een computer is een foto een raster van getallen, één per pixel. Een model leert patronen herkennen in die getallen: de eerste lagen van zo'n neuraal netwerk pikken randen en simpele vormen op, diepere lagen combineren die tot volledige objecten.

Trainen doe je met voorbeelden. Je verzamelt beelden mét en zonder wat je zoekt en je labelt ze: goedgekeurd, afgekeurd, kras, deuk. Het model stelt zijn interne parameters bij tot zijn voorspellingen kloppen met jouw labels. Dat is supervised learning, toegepast op beeld.

Niemand programmeert dus regels zoals "een kras is een dunne donkere lijn". Het model zoekt zelf uit welke pixelpatronen bij welk label horen, zoals een nieuwe medewerker aan de controlepost die geen definitie krijgt maar voorbeelden.

Wat kan computer vision?

Classificatie
Het model geeft een label aan de volledige afbeelding. Dit is een factuur. Dit product is afgekeurd.

Objectdetectie
Het model vindt objecten én zegt waar ze staan, met een kader errond. Daarmee kan je tellen: zes paletten op deze foto.

Segmentatie
Het model verdeelt het beeld pixel per pixel in zones: je weet niet alleen dat er roest op de plaat zit, maar ook hoeveel oppervlakte.

OCR
Tekst uit beeld halen is een deelgebied van computer vision. OCR leest gedrukte en zelfs handgeschreven tekst uit foto's en scans.

Wanneer gebruik je computer vision?

1. Kwaliteitscontrole aan de lijn. Een camera boven de band controleert elk stuk en houdt defecte producten tegen voor ze de fabriek verlaten.

2. Documenten en facturen verwerken. OCR haalt bedragen, datums en leveranciers uit scans en foto's, ook uit handgeschreven bonnen.

3. Voorraad tellen. Objectdetectie telt paletten in het magazijn of producten in het rek op camerabeeld.

4. Veiligheid op de werkvloer. Een model herkent of iemand een helm draagt of een afgesloten zone binnenwandelt, en stuurt meteen een melding.

Klassiek model of multimodaal taalmodel?

Naast het klassieke, zelf getrainde model is er een tweede route: een multimodaal model zoals GPT-4o, Gemini of Claude. Je stuurt een foto mee met je vraag en krijgt meteen antwoord, zonder training. De afweging:

Trainingsdata
Een klassiek model heeft gelabelde voorbeelden nodig, als richtlijn zo'n vijftig beelden per label om te starten. Een multimodaal model werkt direct.

Kost
Eens getraind is een klassiek model goedkoop per beeld en kan het lokaal draaien. Een multimodaal model rekent per beeld af via de API, en dat telt op bij hoge volumes.

Snelheid
Een klein getraind model antwoordt snel genoeg om elk stuk op een lopende band te beoordelen. Een multimodaal model heeft per beeld merkbaar meer tijd nodig.

Nauwkeurigheid
Een getraind model doet één taak, maar doet die consistent. Multimodale modellen begrijpen zowat elk beeld, maar tellen en lokaliseren bij benadering. Anthropic waarschuwt zelf dat Claude bij veel kleine objecten mis kan tellen.

Vuistregel: hoge volumes, één vaste taak en realtime nodig? Dan een klassiek getraind model. Wisselende documenten, lage volumes en context nodig? Dan een multimodaal model. Microsoft bouwt zijn klassieke Custom Vision-dienst trouwens af en schuift generatieve modellen naar voren.

Wat heb je nodig om te starten?

Voorbeelddata uit je eigen omgeving. Foto's van jouw producten, jouw lijn, jouw documenten. Stockfoto's leren het model de verkeerde dingen.

Labels. Iemand die het verschil kent tussen goed en fout markeert de voorbeelden. De operator die de controle vandaag manueel doet, is vaak de beste labeler.

Een doordachte camera-opstelling. Vaste positie, stabiel licht, voldoende resolutie. Als een mens het verschil niet ziet op de foto, ziet het model het ook niet.

Waar moet je op letten bij het gebruik van computer vision

Lichtomstandigheden. Een model dat getraind is bij daglicht kan de mist ingaan wanneer de avondploeg het tl-licht aansteekt. Houd de omstandigheden constant, of neem alle varianten op in je trainingsset.

Bias in je trainingsbeelden. Het model leert alleen wat het zag. Trainde je enkel op één verpakkingsformaat of één type document, dan faalt het stilletjes op de rest. Die vertekening heet bias.

Privacy en GDPR. Zodra personen herkenbaar in beeld komen, verwerk je persoonsgegevens en is de GDPR van toepassing. Je hebt dan een rechtsgrond nodig en op de werkvloer gelden extra regels voor camerabewaking. Beperk wat je filmt tot wat je echt nodig hebt en maak gezichten waar mogelijk onherkenbaar.

FAQ over computer vision

1. Hoeveel beelden heb ik nodig?
Microsoft hanteert als richtlijn vijftig beelden per label om een eerste model te trainen. Kies je voor een multimodaal model, dan heb je geen trainingsset nodig.

2. Is computer vision hetzelfde als beeldherkenning?
Beeldherkenning is één taak binnen computer vision: een label geven aan een beeld. Computer vision omvat ook objectdetectie, segmentatie en OCR.

3. Mag ik zomaar camerabeelden van mijn werkvloer gebruiken?
Nee. Met herkenbare medewerkers in beeld verwerk je persoonsgegevens en gelden de GDPR en de regels rond camerabewaking op het werk. Informeer je medewerkers en bekijk of beelden zonder personen volstaan.