Intelligente beeldherkenning onderscheidt het verhaal in een foto

Beeldmateriaal bevat een waardevolle schat aan informatie, maar moest tot voor kort nog steeds door het menselijk brein worden geïnterpreteerd. Het bekijken en analyseren van foto’s is tijdrovend en conclusies die aan de hand van foto’s worden getrokken zijn subjectief. Denk bijvoorbeeld aan een schade-expert die een foto beoordeelt van de deuk in je auto. Maar wat nu als er een technologie is die sneller en objectiever denkt dan het menselijk brein?

Beeldherkenning, intelligenter dan ooit

Door recente ontwikkelingen op het gebied van Artificial Intelligence en hardware zijn computers steeds beter in staat om automatisch foto’s te interpreteren. Computers kunnen nu eenmaal in veel kortere tijd een grotere hoeveelheid data begrijpen die op een foto aanwezig is. Dat komt onder andere omdat ook de allerkleinste details worden herkend. Daardoor wordt nu informatie vergaard die niet met het menselijk oog kan worden waargenomen. Zo ontstaan er nieuwe inzichten.

Onuitputtelijke mogelijkheden

Misschien heb je zelf wel last gehad van het volgende voorbeeld. Veel reizigers ondervonden nadelige gevolgen toen er haarscheurtjes werden aangetroffen op de Merwedebrug bij Gorinchem. Een onderzoeksrapport gaf aan dat de levensduur van de brug nog maar zes dagen was. Maar liefst twee maanden lang was het verkeer op de A27 geblokkeerd.

Beeldherkenning had deze situatie kunnen voorkomen. Intelligente beeldherkenning herkent op tijd de noodzakelijke onderhoudswerkzaamheden. De impact van geautomatiseerde intelligentie kan dus enorm zijn voor het op gang houden van onze economie. Met als extra voordeel: een goed geanalyseerde foto kan ervoor zorgen dat de juiste bouwmaterialen worden meegenomen die noodzakelijk zijn om zo de brug effectief en efficient te repareren.

Een ander voorbeeld is dat beeldherkenning gekoppeld wordt aan kwaliteitscontrole- of productiesystemen. Door een reeks van foto’s te analyseren, wordt beoordeeld of de kwaliteitsstandaard gehaald wordt. Daarnaast worden mogelijk inefficiënte handelingen in het proces zichtbaar gemaakt.

Hoe werkt beeldherkenning?

Machine learning is de term waarover in dit verband veel wordt gesproken. Hiermee leert een computer beelden te herkennen en zo te classificeren. Maar zonder goede training en informatie kan de tool helemaal niets. De computer moet dus leren naar welke elementen het moet kijken als het bijvoorbeeld gaat om de beoordeling van kwaliteit. En leren begint altijd door te ‘voeden’, net zoals kinderen leren. Daarom moeten er eerst — voor elke categorie waarop wordt geclassificeerd — foto’s worden ingeladen. Deze moeten in eerste instantie handmatig, door deskundige mensen, worden beoordeeld. Zo kunnen verbanden worden gelegd tussen wat goed of fout is. Deze informatie wordt aan het systeem toegevoegd en laat de computer leren. Na een tijdje zoekt de machine, als een nieuwe foto wordt getoond, sneller dan de mens naar de verbanden die hij eerder heeft waargenomen om zo tot een score te komen. Dit gaat steeds beter en nauwkeuriger als de machine op juiste manieren en momenten wordt bijgestuurd.

Op basis daarvan creëert de computer een algoritme. Daarin wordt gekeken naar de logica tussen stappen, zogenoemde iteraties, die zich steeds herhalen. Met als resultaat dat de tool steeds intelligenter wordt. Alle verkregen data rondom beeldherkenning kan overigens lokaal of bij Open Circle Solutions in een cloudomgeving worden opgeslagen.

Samenvattend

De praktijk leert dat de toegevoegde waarde van beeldherkenning zeer divers is. Het beter kunnen voorspellen van onderhoudswerkzaamheden levert bijvoorbeeld minder risico op bij het opstellen van een serviceabonnement. Monteurs gaan beter voorbereid naar klanten en kwaliteitscontrole van productiesystemen kan met beeldherkenning geautomatiseerd worden.

De waarde voor klanten

Klanten worden sneller en professioneler geholpen door de inzet van beeldherkenning. Want er zijn geen discussies meer met een schade-expert, de servicemonteur neemt mee wat nodig is en is op tijd omdat hij niet in de file staat vanwege een maandenlang afgesloten brug.

Meer weten?

Ook een beeldherkennings- of machine learning oplossing realiseren of eens in gesprek gaan? Neem volkomen vrijblijvend contact met ons via +31 40 3041330 of info@opencirclesolutions.com. Je kunt ook het formulier onderaan de pagina gebruiken om je vraag te stellen. Wij nemen dan snel contact met je op.

Meer artikelen

Een reactieve web applicatie bouwen met Vert.x – deel 2

Voorwoord Als het je gelukt is om met aflevering 1 (episode-1) mee te doen, dan zou je nu een werkende Vert.x applicatie moeten hebben.   /reactieve-web-applicatie-met-vert-x/ Nu gaan we onze applicatie zodanig uitbreiden dat het een CSV-bestand kan importeren en het...

Terugkijken met trots, vooruit met veel ambitie

Dit jaar viert Open Circle Solutions, het Java maatwerkbedrijf in Eindhoven, zijn 5-jarig jubileum. Wat is er allemaal gebeurd in die 5 jaar? Wat waren de hoogtepunten en wat zijn de toekomstdromen? In een interview met één van de oprichters, Jordan van Est, komen we...

Een reactieve web applicatie bouwen met Vert.x

Dit is het eerste artikel in een serie artikelen: Een reactieve web applicatie bouwen met Vert.x Voorwoord Vandaag gaan we beginnen aan een nieuwe applicatie om een interessante Java API genaamd “Vert.x” te demonstreren.Dit artikel is onderdeel van een serie van...

Nieuwsbrief

Meld je nu aan voor Open Circle Stories en krijg een verzameling artikelen, tips, nieuws en verdiepingen in je mailbox.

Pin It on Pinterest

Share This