Computer vision in productie is geen toekomstmuziek meer. Voor specifieke defect-types op uniforme producten haalt AI 95 tot 99 procent precisie. Voor variabele producten of subtiele defecten blijft menselijke inspectie nodig.
Use-cases die werken
Oppervlakte-defecten op metaal, krasjes op plastic, verkeerde kleurmarkering, ontbrekende componenten op een PCB, foute label-plaatsing. Patronen die op foto consistent zichtbaar zijn, leren snel met enkele honderden gelabelde voorbeelden.
Hardware-keuze
Industriele cameras (Basler, Cognex), goed gecontroleerde belichting, vaste positie. Smartphone-cameras werken voor demo, niet voor productie. Een NVIDIA Jetson edge-device draait inferentie lokaal zonder cloud-latency.
Training-data en labeling
Per defect-type minimaal 200 gelabelde voorbeelden, idealiter 1000. Het labelen is vaak het werk, niet het modelleren. Tools als Label Studio of CVAT voor efficient labelen door productie-medewerkers.
False positives en false negatives
De drempel waarop u een defect markeert bepaalt de balans. False negative (defect missed) is duurder dan false positive (vals alarm). Wij kalibreren per use-case en monitor live in productie.
Verwant: Freelance AI consultant inhuren, AI warehouse vision.