Beeldherkenning is het vermogen van een AI-systeem om naar een afbeelding te kijken en uit te vogelen wat erop staat. Richt het op een foto en het kan je vertellen welke objecten erop staan, eventuele tekst lezen, gezichten detecteren of een gebrek markeren, allemaal zonder dat een mens de afbeelding met de hand bekijkt.
Een praktijkvoorbeeld: een magazijn gebruikt beeldherkenning om binnenkomende pakketten te checken. Een camera fotografeert elke doos, en het model leest het label, bevestigt dat het product bij de bestelling hoort, en markeert beschadigde verpakking voor controle. Wat een mens uren turen zou kosten, gebeurt in seconden. Onder de motorkap draait dit op een neuraal netwerk dat op enorme sets gelabelde afbeeldingen is getraind, en het valt binnen het bredere vakgebied computer vision. Het is in zekere zin het spiegelbeeld van beeldgeneratie: de een leest afbeeldingen, de ander maakt ze.
Nauwkeurigheid hangt af van de training. Een model dat alleen nette stockfoto’s heeft gezien, worstelt met echte rommel, slecht licht of hoeken die het nooit eerder zag. Goede resultaten komen van trainingsdata die lijkt op de situaties die het model echt tegenkomt. Achter elk antwoord zit ook een zekerheidsscore. Een slimme opzet behandelt een lage score als ‘vraag het een mens’ in plaats van te gokken, zodat de voor de hand liggende fouten eruit blijven. En het model wordt nooit moe of afgeleid, dus op een lange dienst is het bij pakket negenduizend nog net zo scherp als bij het eerste.
Bij TopDevs zetten we beeldherkenning in op concrete klantproblemen, zoals het automatiseren van kwaliteitscontroles of documentsortering, en we testen het op je echte beelden zodat de nauwkeurigheid ook buiten de demo standhoudt.
