Vision Engine

In korte tijd beeldherkenning toepassen

Zijn er bedrijfsprocessen waarbij beeldherkenning meerwaarde kan bieden in je bedrijf? Het is vaak lastig om hier 'ja' op te antwoorden, omdat de haalbaarheid vaak pas aangetoond kan worden nadat een groot deel van de ontwikkeling gedaan is. Daarom heeft Pegamento de Vision Engine opgezet. We nemen je mee in:

Wil jij weten wat we samen kunnen bereiken door de Vision Engine in te zetten in bedrijfsprocessen? Kijk verder of neem contact met ons op!

Wat is de Vision Engine?

Razendsnel beeldherkenning software op maat

Als het gaat om beeldherkenning software is de huidige markt verdeeld in twee segmenten. Er zijn voor specifieke niches specialistische toepassingen ontwikkeld en er is de mogelijkheid om maatwerk applicaties te ontwikkelen. Bij Pegamento zien we dat de specialistische toepassingen vaak niet eenvoudig toe te passen zijn op gevallen die afwijken en dat maatwerk risico met zich meebrengt, omdat er een significante investering gedaan moet worden om de haalbaarheid aan te tonen. Omdat we zelf veel maatwerk beeldherkenning software ontwikkelen hebben we de meest voorkomende bouwstenen gestandaardiseerd en volledig modulair uitgewerkt in de Vision Engine. Zo zijn we in staat om in korte tijd het merendeel van een maatwerk applicatie op te zetten en te valideren.

Een set aan standaard bouwblokken

Maar wat voor dingen zitten er al standaard in de Vision Engine? We maken een onderscheid tussen input, detectie & identificatie en output modules.

Input modules

Zoals de naam al zegt zorgen de input modules ervoor dat er beeld in de Vision Engine komt. Dat kan bijvoorbeeld via een USB of netwerk camera, via een API of webpagina maar het kan ook een map met video's of foto's zijn.

Detectie en identificatie modules

Deze modules zijn de kern van de software en zorgen specifiek voor de beeldherkenning. Hiermee kunnen afbeeldingen of videoframes geanalyseerd worden door middel van Artificial Intelligence. Maar ook wat meer klassieke beeldherkenning. We kunnen zo dingen detecteren, identificeren, volgen en tellen.

Output modules

Een toepassing heeft weinig nut als de resultaten niet ergens terecht kunnen komen. In de output module is het mogelijk om de resultaten weg te schrijven naar een database, terug te koppelen via een API of het tonen op een website of app.


Voorbeelden van toepassingen van de Vision Engine

We begrijpen goed dat beeldherkenning een middel is en nooit het doel op zich. Graag nemen we je mee in wat voorbeelden die we hebben kunnen realiseren met de modules in de Vision Engine:

  • Een vision systeem dat de kwaliteit van producten inspecteert en automatisch afwijst
  • Een desktop applicatie die afbeeldingen analyseert voor onderzoek
  • Een server applicatie die foto's analyseert en terugstuurt naar een app

De voordelen van de Vision Engine

Snel haalbaarheid aantonen

We kunnen in een Proof of Concept snel aantonen wat de haalbaarheid is, omdat er vaak geen ontwikkeltijd meer gaat naar het opzetten van randzaken. Zo zien we snel genoeg of uw toepassing haalbaar is en wat we kunnen verwachten aan accuraatheid.

Kortere development cycle

Vaak kunnen we voor een toepassing het merendeel realiseren met standaard componenten die we alleen nog in moeten stellen. Zo hebben we snel de basis van de software staan en is er in korte tijd een Proof of Concept of Minimum Viable Product.

Hogere software kwaliteit

Doordat we de modules van de Vision Engine vaker inzetten, profiteren alle klanten van de doorontwikkelingen die we doen. Ook wordt zo elk stuk uitvoeriger getest in meerdere situaties.

Een paar klantcases

feature matching

Het beoordelen van de kwaliteit van brood voor Bakkerij Amstelveld

De uitdaging voor Bakkerij Amstelveld was om te kunnen herkennen wanneer broodjes afwijkend zijn, waardoor ze problemen geven in de productielijn of niet geschikt zijn om aan klanten te leveren. Met een USB3 camera als input, een AI netwerk voor segmentatie en een AI netwerk voor kwaliteitscontrole stuurt de Vision Engine uiteindelijk een PLC aan als output om een rejectband te openen.

Het detecteren van objecten op het brugdek voor Rijkswaterstaat

Soms doen zich onveilige situaties voor op het brugdek. De operators zien dit en weten dat ze het brugdek niet moeten openen. Met 2 netwerk camera's als input, een AI Anomaly detection netwerk en een webpagina als output kan de Vision Engine de operators nog bijstaan in hun beslissing voor het geval ze iets over het hoofd zien.

Het meten van lengte van mensen met een app voor Ferring Pharmaceuticals

Het vaststellen van de exacte lengte is van belang voor het voorschrijven van groeihormonen. Een app levert een video van een persoon aan de Vision Engine op een server. Met Structure from Motion techniek bouwt de engine een 3D model, herkent en meet de persoon en als output wordt de lengte van de persoon teruggestuurd naar de app.

De Vision Engine toepassen?

De Vision Engine combineert de voordelen van een standaard product met de flexibiliteit van maatwerk. Maar om de voordelen voor een specifieke casus in te schatten hebben we altijd kennis nodig vanuit het vakgebied van onze klanten. We nemen dan ook graag de tijd om eens van gedachten te wisselen over de meerwaarde voor toepassingen. Neem contact op met ons voor een afspraak.

Misschien vind je dit ook interessant

Artificial Intelligence (AI) gebruiken we steeds vaker om automatiseringsvraagstukken op te lossen. Door zelflerende algoritmes wordt het steeds

Meer lezen
AI de beste oplossing? Terug naar klassieke beeldherkenning

ZienOndersteunt brugoperator bij het veilig bedienen van bruggenRijkswaterstaat heeft Pegamento aangewezen als partij met de beste oplossing om

Meer lezen
Klantcase – Rijkswaterstaat

Bakkerij Amstelveld gebruikt als eerste bakkerij in Nederland een systeem met een camera (beeldherkenning) en AI-netwerken om brood

Meer lezen
Bakkerij Amstelveld gebruikt beeldherkenning met AI van Pegamento voor controle op kwaliteit brood
>