TL;DR
- Computer vision is software die beelden leert lezen. Ze leert dat door duizenden voorbeelden te zien waarop mensen hebben aangeduid wat er te zien is.
- In afvalinzameling doet ze drie dingen: objecten vinden, ze benoemen en materialen afbakenen die door elkaar liggen.
- Het systeem wordt beter met elke bevestigde detectie, maar het kijkt niet door een ondoorzichtige zak.
Computer vision is het deel van artificiële intelligentie dat beelden leest. Waar een chauffeur een stuk karton herkent omdat hij er duizenden heeft gezien, leert software dat op dezelfde manier: door voorbeelden. In dit artikel leggen we uit hoe dat werkt op een vuilniswagen, zonder formules.
Een computer ziet eerst alleen pixels
Voor een computer is een foto een raster van gekleurde puntjes. Het ziet geen doos, geen fles, geen zak. Het ziet duizenden getallen die kleur en helderheid voorstellen.
Om daar betekenis in te vinden, heeft het een model nodig. Dat model leert verbanden tussen patronen in die pixels en wat ze voorstellen. Een bruine, vlakke vorm met rechte randen en vouwlijnen is waarschijnlijk karton. Een glanzende, gekreukte, doorschijnende vorm is eerder folie.
Leren met voorbeelden
Een model leert door voorbeelden. Mensen bekijken beelden van echte ledigingen en duiden aan wat ze zien: dit is papier, dit is PMD, dit is een gasfles. Dat heet annoteren. Het model bekijkt al die voorbeelden en past zichzelf aan tot het de juiste antwoorden geeft op beelden die het nog nooit zag.
Daarom maakt lokale kennis zo'n verschil. Een Vlaamse PMD-zak ziet er anders uit dan een Duitse gele zak. Bedrijfsafval verschilt van huishoudelijk afval. Het team van Rematics combineert specialisten in computer vision, software en afvalbeheer om modellen te trainen op de fracties die inzamelaars echt ophalen.
Drie taken: vinden, benoemen, afbakenen
Op een vuilniswagen doet computer vision drie dingen tegelijk.
- Detectie. Het model zoekt waar in het beeld een object ligt en tekent er een kader rond. Zo vindt het een gasfles of een batterij tussen de rest.
- Classificatie. Het model benoemt wat het gevonden heeft. Is dat kader karton, folie of hout?
- Segmentatie. Het model duidt per stukje beeld aan welk materiaal het is. Dat is nodig als materialen over elkaar liggen, zoals folie tussen karton. Je kan ze dan niet als losse objecten tellen, maar je kan wel meten hoeveel van het beeld non-conform is.
D4T combineert die drie taken en herkent zo meer dan 40 afvalfracties, non-conformiteiten en gevaarlijke materialen.
Waarom het op de wagen zelf gebeurt
Computer vision vraagt veel rekenkracht. Vroeger stond die in een serverruimte. D4T rekent op een robuuste AI-computer in de vuilniswagen zelf. Dat heet edge AI. De wagen hoeft geen video door te sturen en de analyse loopt ook als de mobiele verbinding even wegvalt. Op de productpagina lees je welke hardware daarvoor nodig is.
Beter met elke bevestigde detectie
Elke detectie in de Daisy Portal komt met het beeld erbij. Een klant kan een detectie bevestigen of betwisten. Bevestigde detecties gaan terug naar het team, dat ze gebruikt om de modellen verder te trainen. Zo blijven fouten zichtbaar in plaats van weggemoffeld in een gemiddelde.
Wat computer vision niet kan
Een camera kijkt niet door een ondoorzichtige zak. D4T kan zo'n zak wel herkennen en tellen, maar niet zeggen wat erin zit. En wat volledig onder andere materialen verdwijnt, blijft onzichtbaar. Daarom analyseert D4T de hele lediging aan 40 beelden per seconde: hoe meer momenten je ziet, hoe minder er verborgen blijft. Meer daarover in de veelgestelde vragen.
Benieuwd hoe computer vision jouw afvalstromen leest? Vraag een demo en bekijk echte detecties.