Definitie
Computer vision is het vakgebied dat computers leert om afbeeldingen en video te interpreteren. Wat een mens “ziet” (een auto, een persoon, een productdefect), kan een computer vision-systeem na training herkennen en analyseren. Typische toepassingen: objectherkenning, gezichtsherkenning, beschadigingsdetectie en bewegingsanalyse.
Moderne computer vision draait grotendeels op machine learning, met name op zogeheten convolutionele neurale netwerken. Bekende toepassingen: zelfrijdende auto’s, medische beeldherkenning, kwaliteitscontrole in fabrieken, beveiligingscamera’s en check-out systemen in winkels.
Waarom het ertoe doet voor MKB
Voor MKB in productie, retail, beveiliging of logistiek is computer vision een werkbare technologie geworden. De kosten zijn fors gedaald: een eenvoudige opstelling met een camera en cloud-analyse kan binnen een paar duizend euro werken. Toepassingen variëren van defectdetectie in productie tot tellingen van bezoekers in winkels.
Voor jouw bedrijf is het belangrijk realistisch te kijken: computer vision werkt het best in gecontroleerde omgevingen met heldere visuele kenmerken. Bij wisselende lichtomstandigheden of subtiele verschillen wordt het moeilijker en duurder.
Concreet voorbeeld
Een productiebedrijf van metalen onderdelen voerde visuele kwaliteitscontrole handmatig uit: medewerkers bekeken elk onderdeel op krassen en deuken. Doorlooptijd: 4 minuten per onderdeel, soms ontsnapten defecten.
Een computer vision-systeem werd geïntegreerd in de productielijn: een camera neemt opnames, een getraind model classificeert binnen 2 seconden of er defecten zijn. Twijfelgevallen gaan nog naar een mens. Doorlooptijd: 6 seconden voor 90% van de onderdelen, 4 minuten voor 10% twijfels. Productiecapaciteit met 30% omhoog, foutpercentage gehalveerd.
Misverstanden en valkuilen
- “Computer vision werkt out-of-the-box.” Voor generieke taken (gezichtsherkenning, vehicle detection) zijn er kant-en-klare modellen. Voor jouw specifieke producten of situatie is vaak training met je eigen beelden nodig.
- “Eenmaal getraind, altijd accuraat.” Veranderende omstandigheden (nieuw verpakking, andere belichting, ander product) vereisen vaak hertraining. Onderhoud is noodzakelijk.
- “Beelden in de cloud is veilig.” Afhankelijk van inhoud kan dit privacy- of AVG-vraagstukken oproepen. Voor sommige toepassingen (personeel of klanten in beeld) is on-edge-verwerking de juiste keuze.
- “AI ziet alles wat een mens ziet.” Niet noodzakelijk. Computer vision herkent waarop het getraind is. Onverwachte situaties kunnen onopgemerkt blijven.
Wanneer moet je hier wakker liggen, wanneer niet
Wakker liggen: als je veel visueel handmatig werk doet (kwaliteitscontrole, tellingen, classificatie) en dat is een bottleneck. Computer vision kan dat type werk significant versnellen.
Niet wakker liggen: als je werk vooral administratief of digitaal is zonder visuele componenten. Computer vision is dan niet relevant voor jouw processen.
Gerelateerde termen
- Machine learning: computer vision is een ML-toepassing.
- Edge computing: vaak gebruikt voor lokale beeldanalyse.
- AVG: relevant bij beelden met personen.
- Big data: training van computer vision vraagt vaak veel beelden.