Computer vision (CV) en machine vision (MV) zijn vormen van kunstmatige intelligentie die visuele input opnemen en interpreteren. Mensen gebruiken de termen regelmatig door elkaar heen. Begrijpelijk, omdat de technieken elkaar behoorlijk overlappen. Beeldherkenning is bijvoorbeeld een belangrijk gedeeld kenmerk.
Zowel bij CV als bij MV gebruikt het systeem beelden om een analyse te maken en ervoor te zorgen dat gebruikers daarnaar kunnen handelen. En dat alles met een snelheid en een nauwkeurigheid die het menselijk oog en het menselijk brein nooit kunnen evenaren. In dit artikel kijken we naar toepassingen van deze technologie in de maakindustrie.
Het verschil tussen computer vision en machine vision
Het verschil tussen de twee zit ‘m niet zo zeer in de techniek, maar in de toepassing van de techniek. Computer vision is gericht op het oppikken en verwerken van afbeeldingen. Hierbij ligt de focus op beeldherkenning en het bieden van bruikbare observaties.
Machine vision komt daar eigenlijk uit voort – als een subcategorie van computer vision – waarbij de techniek ingezet wordt in een industriële omgeving. Hoewel de grens vaag is, kun je computer vision dus definiëren als een techniek gebouwd om beeldherkenning te automatiseren. MV is dan te typeren als de toepassing van deze techniek in de ‘echte wereld’.
Machine vision: computer vision in de maakindustrie
Machine vision is van onschatbare waarde voor het optimaliseren van alle mogelijke productiedoelstellingen, bijvoorbeeld kwaliteit, kosten en snelheid. Zo kan je machine vision gebruiken om producten te inspecteren op fouten of beschadigingen.
Soms zijn die afwijkingen zo klein, dat computers ze niet eens alleen sneller detecteren dan mensen, maar dat mensen dezelfde waarneming nooit kunnen doen. MV is dus een krachtige tool bij het automatiseren, optimaliseren en versnellen van het maakproces.
User cases: 3 voorbeelden
Dat klinkt natuurlijk in theorie allemaal heel mooi, maar het gaat pas echt leven als je snapt welke vorm computer vision in de maakindustrie precies aanneemt. Daarom zetten we drie aansprekende voorbeelden voor je onder elkaar. Het zijn voorbeelden waar iedere ondernemer die dag in dag uit te maken heeft met een productielijn, zich mee kan identificeren.
Let wel, dit zijn slechts voorbeelden die alleen ter inspiratie dienen. Experts over de hele wereld werken dag in dag uit hard aan het ontwikkelen van deze technieken. Hierdoor is het eindstation van wat er allemaal mogelijk is met computer vision in de maakindustrie voorlopig nog niet in zicht.
Voorbeeld 1: Het verzamelen van producten en onderdelen
Een andere machine vision-oplossing borgt de kwaliteitsstandaard van industriële bedrijven van zowel de producten die van de loopband rollen als van de onderdelen die zij gebruiken. De oplossing heeft bijvoorbeeld een machine die kan zien of flessen (bijvoorbeeld bierflesjes) helemaal in orde zijn en op de juiste manier verpakt worden.
De machine kan zelfs zien of het label op de juiste kwaliteit papier is geprint en op de juiste manier bevestigd is. Een onwijze boost in het borgen van de kwaliteit, waarmee de productiviteit stijgt en het aantal retouren daalt.
Dit staaltje MV-techniek verlicht dus zelfs de druk op de onderdelen van het bedrijf die zich bezighouden met klantenservice.
Voorbeeld 2: Toepassing in de farmaceutische industrie
Natuurlijk is het uiteindelijk voor ieder bedrijf belangrijk dat hun producten kwalitatief uitstekend in orde zijn. Maar je kunt je vast voorstellen dat het voor farmaceutische bedrijven éxtra belangrijk is dat iedere verpakking het juiste aantal pillen bevat en dat al die pillen ook helemaal gaaf zijn.
Je kunt immers niet hebben dat een pil die bij de gebruiker aankomt per ongeluk iets groter uitgevallen is of in meerdere stukjes gebroken. De pillen moeten allemaal precies even groot zijn, anders kan de gebruiker de juiste dosering niet bepalen.
De pillen moeten ook in precies het juiste aantal geleverd worden, anders kan de gebruiker op een kritisch moment ineens zonder zitten. Als het om medicatie gaat, zijn dit soort kleine vergissingen een kwestie van gezondheid en soms zelfs van leven en dood.
Het verwijderen van niet-perfecte pillen
Een specifiek toegepaste machine vision techniek maakt het mogelijk om foto’s te maken van de pillen terwijl deze zich door de productielijn bewegen. Een computer analyseert en verwerkt die foto’s en controleert of alle pillen de juiste kleur, lengte en breedte hebben en of ze helemaal gaaf zijn.
De computer geeft vervolgens door welke containers defecte tabletten bevatten. Deze containers worden automatisch uit de productielijn verwijderd. Dit voorkomt vervelende fouten met een efficiëntie en nauwkeurigheid die met menselijke arbeidskracht eigenlijk niet te matchen is.
Voorbeeld 3: Preventief onderhoud van productielijn
Heb je een bedrijf in de maakindustrie, dan ben je ontzettend afhankelijk van allerlei fysieke onderdelen. Denk zowel aan de onderdelen waar je producten van maakt, als aan de onderdelen van de verzameling machines die deel uitmaakt van de productielijn.
De onderdelen van die machines hebben regelmatig onderhoud nodig om goed te functioneren. Onderdelen die te laat een opknapbeurt krijgen, kunnen stukgaan en de hele productie stilleggen.
Repareren voordat het stuk is
Met behulp van machine vision kun je machines in je productielijn veel beter monitoren, onderdeel voor onderdeel. Sensoren verzamelen data en weten de signalen eruit te pikken die wijzen op een mogelijk toekomstig defect.
Detecteert de techniek zo’n signaal, dan brengt het meteen de benodigde acties op gang. Zo zorgt de machine vision-techniek ervoor dat het onderdeel dat een risico vormt voor het soepel verlopen van het maakproces, snel weer in optimale staat gebracht wordt.
Het met behulp van MV automatiseren van preventief onderhoud kan je bedrijf enorm veel geld opleveren. Denk je maar eens in hoeveel geld er binnen een groot bedrijf verloren gaat als de productielijn slechts een paar minuten stil ligt.
Data is key
Het is belangrijk om voor ogen te houden dat machine vision alleen het verschil kan maken binnen je bedrijf als je je doelen helder hebt. Daarna moet je de machine learning-modellen voor die doeleinden ‘trainen’. Oftewel, het ‘learning’ stuk in ‘machine learning’ zijn werk laten doen.
Om ervoor te zorgen dat de modellen helemaal kloppen en de benodigde doelen helpen behalen, heb je een heel grote berg data nodig.
Data op maat
Natuurlijk is er veel data beschikbaar, in sommige gevallen zelfs gratis. Dit is prima als je een simpele functionaliteit wilt bouwen. Maar voor de meeste business veranderende projecten geldt dat je je systemen eerst gespecialiseerde en op maat samengestelde data-sets moet voeren om tot het gewenste resultaat te komen. Machine vision is dan ook niet per se een quick fix, maar wel een sustainable fix met duurzame en ongeëvenaarde resultaten op de lange termijn.
Wil je meer weten over Trendskout, machine vision en computer vision en hoe AI jouw bedrijf kan helpen groeien? Neem dan gerust contact met ons op!
