oplossing

beeldherkenning

Home → Beeldherkenning

Een foto zegt meer dan duizend woorden

Door recente ontwikkelingen op het gebied van big data en data science zijn computers inmiddels in staat om foto’s beter te classificeren dan mensen

Helaas is het analyseren van foto’s zeer tijdrovend en subjectief. Beeldmateriaal bevat echter een schat aan informatie. Door recente ontwikkelingen op het gebied van big data en data science zijn computers inmiddels in staat om foto’s beter te classificeren dan mensen. Bedrijven die deze technologie omarmen zijn in staat om:

  • Monteurs beter voorbereid naar klanten toe te sturen
  • Machines tijdig van onderhoud te voorzien om defecten te voorkomen
  • Kwaliteitscontrole te automatiseren en standaardiseren

Hoe werkt beeldherkenning?

Bij het herkennen van zeer specifieke details op een afbeelding is het belangrijk dat de tool die dit gaat doen goed getraind is. De tool is als een baby: het heeft het vermogen te leren en beter te worden maar zonder training of informatie kan deze niks. Zoals een baby leert wat goed en fout is kan een machine dit ook leren bij bijvoorbeeld het beoordelen van kwaliteit.

Allereerst moet er voor elke categorie waarop geclassificeerd wordt foto’s ingeladen worden die vervolgens handmatig beoordeeld worden. Hierdoor kunnen er verbanden gelegd worden tussen wat bijvoorbeeld goed of fout is. Wanneer een nieuwe foto wordt getoond zoekt de machine dan naar de verbanden die hij eerder heeft gezien om zo tot een score te komen. Dit gaat steeds beter en nauwkeuriger als de machine op de juiste manier en momenten bijgestuurd wordt.

Bijvoorbeeld: het herkennen op een foto van de juiste vissoort uit de lijst van Nederlandse zoetwatervissen, zodat de kenmerken van de vis getoond worden. De opdracht is: “Herken 46 zoetwatervissen van een foto, waarbij de vis in de volle lengte op zijn zij in beeld is, met meer dan 85% betrouwbaarheid.”

De vissoorten zijn hier de categorieën. Om het beeldherkenningsalgoritme te trainen, moeten er van alle soorten vissen die herkend moeten worden, voldoende voorbeeldfoto’s verzameld worden. Bij iedere voorbeeldfoto wordt aangegeven welke soort in welk deel van de foto zichtbaar is.

De data scientist selecteert een algoritme, bouwt een applicatie, verzamelt metrieken en optimaliseert het beeldmateriaal. Het algoritme wordt getraind met afbeeldingen. Deze training leidt tot modellen die categorieën met een bepaalde betrouwbaarheid automatisch kunnen filteren.

Een model (= een getraind algoritme) analyseert zelfstandig nog niet eerdere geziene afbeeldingen op basis van de beschikbare informatie en kent deze toe aan de vastgestelde categorieën.

Als een model betrouwbaar is, kan het gebruikt worden voor het automatiseren van routinetaken. Het algoritme wordt geïntegreerd in bestaande processen en geschikt gemaakt voor productie. Denk hierbij aan het schaalbaar maken van de oplossing, beveiliging toevoegen, beschikbaarheid creëren, e.d.

In de fasen 3 t/m 5 stuurt de data scientist waar nodig bij. Dit kan door het algoritme aan te passen en optimaliseren, bepaalde instellingen te wijzigen tijdens het trainen, extra beeldmateriaal te gebruiken voor extra trainingen, e.d. Net zolang tot het systeem zo foutloos mogelijk is.

Kwaliteit

Bij het analyseren van foto’s is het niveau van detail dat het algoritme kan herkennen cruciaal. Veel bestaande algoritmes analyseren tot 5 lagen diep, dit betekent dat er zo’n 3000 concepten onderscheiden kunnen worden. Ons algoritme is in staat om 15 lagen diep te analyseren, dit betekent dat er zo’n 4E17 (400 biljard) concepten onderscheiden kunnen worden. Hierdoor zijn wij in staat de kleinste details te herkennen en dus zeer nauwkeurig en accuraat foto’s te classificeren. Uw data wordt lokaal gehost zodat u alles in eigen beheer houdt. Dit is zeker voor bedrijfsgevoelige data ideaal. Wanneer dit minder van belang is, kan er ook gekozen worden om de data op te slaan in de cloud.

Eindproduct

Uiteindelijk leidt de inzet van beeldherkenning tot een oplossing die automatisch aangeeft welk onderdeel kapot is, een score geeft aan de kwaliteit van het schilderwerk of wanneer onderhoud vereist is. Deze categorieën kunt u zelf kiezen en één van onze data scientists schrijft er dan een geschikt algoritme bij zodat na training van de machine deze zelf nieuwe foto’s correct kan plaatsen.

 

Vragen of geïnteresseerd?

Neem contact met ons op.

+31 40 304 1330 | info@opencirclesolutions.nl

 

case

Golf Management Systeem

Software die als doel heeft om iedere golfer een onvergetelijke dag te bezorgen. Een compleet systeem realiseren gebruikmakend van de modernste technologieën.

e-book

Meer weten over beeldherkenning?

Download het hier.

Pin It on Pinterest