Hoe Machine Learning en Machine Vision de kloof overbruggen tussen realiteit en toekomst.

In een recente aflevering van onze podcast bespraken experts Maarten de Munck van Kapernikov en collega Tom Roussel het fascinerende domein van machine learning en machine vision. Ze belichtten wat deze concepten inhouden en hun potentiële toepassingen in verschillende industrieën. In deze blog geven we een korte samenvatting van hun gesprek, te horen in de podcast-aflevering “Zelflerende productiesystemen die zélf hun beslissingen nemen, toekomst of realiteit? (Spotify)

Machine vision en machine learning in het kort

Machine vision is het interpreteren van beelden om op basis daarvan geïnformeerde beslissingen te nemen. Dit kan worden bereikt met klassieke methoden, zoals het controleren van labels, zonder dat machinaal leren nodig is.

Aan de andere kant gebruikt machine learning voorbeeldgegevens om automatisch een model te trainen, zodat het patronen kan herkennen en beslissingen kan nemen. Het heeft een breed scala aan toepassingen, waaronder beeldherkenning en personalisatiealgoritmen.

Machine learning: Een vorm van artificiële intelligentie

Machine learning is een onderdeel van kunstmatige intelligentie (AI) waarmee computers kunnen leren en beslissingen kunnen nemen op basis van gegevens. Door computermodellen te trainen passen ze hun besluitvormingsprocessen aan en worden ze na verloop van tijd "slimmer". Algoritmen voor machine learning kunnen bijvoorbeeld bepalen of een object defect is of dat een persoon zichtbaar is in een camerabeeld.

In de podcast benadrukten de experts dat deze modellen zich richten op specifieke taken en niet in staat zijn tot algemene intelligentie. Of zoals Tom aangeeft: “machine learning systemen zijn goed in repetitieve taken, maar ze zijn niet echt slim. En voor dat (intelligente -red.) stuk is een menselijke operator nodig die het productieproces door en door kent. Die blijft daar essentieel.”

Podcast opname

 

Toepassingen in de echte wereld

De experts delen meerdere voorbeelden uit de echte wereld waar machine learning en machine vision systemen hun nut hebben bewezen. Eén zo'n toepassing betrof het detecteren van de beschikbare ruimte in schappen in een warenhuis. Door een model te trainen om dozen op de schappen te herkennen, kan het systeem een operator waarschuwen zodat het voorraadbeheer geoptimaliseerd kan worden. Deze technologieën kunnen in verschillende omgevingen worden ingezet, van industriële omgevingen tot winkels.

Voordelen en impact

Machine vision en machine learning technologieën hebben het potentieel om een grote vooruitgang teweeg te brengen in industrieën en duurzaamheid te verbeteren. Ze blinken uit in repetitieve en alledaagse taken, verbeteren de efficiëntie en verminderen menselijke fouten. Door bepaalde processen te automatiseren, kunnen bedrijven aantrekkelijkere en meer voldoening gevende rollen voor werknemers creëren, waarbij hun expertise op waardevollere manieren wordt gebruikt.

Zoals Maarten aangeeft: “Moeilijke jobs, vervelende jobs, maar ook diegene die soms omwille van ergonomie heel belastend zijn. Voor mij zou het ook een stuk duurzaamheid zijn dat we mensen optimaal kunnen inzetten. Dat we ons lichaam niet tijdens het werk verknoeien bij wijze van spreken, dat mensen hun werk zonder kwaaltjes, pijn of blessures kunnen doen. Ik denk dat dat ook allemaal zaken zijn die die onze maatschappij nodig heeft.” Daarnaast dragen deze technologieën ook bij aan afvalvermindering, kwaliteitscontrole en duurzaamheid voor het milieu.

Toegankelijkheid en betaalbaarheid

Het implementeren van machine vision en machine learning systemen wordt steeds toegankelijker. Standaardmodellen en -tools zijn gemakkelijk verkrijgbaar en recente ontwikkelingen hebben de hardwarevereisten verlaagd. Hoewel enige expertise nodig is voor optimale resultaten en hoge nauwkeurigheid, kunnen zelfs kleine investeringen aanzienlijke verbeteringen opleveren. Bedrijven kunnen ze in huis ontwikkelen of een beroep doen op diensten van gespecialiseerde leveranciers.

Conclusie

Machine learning en machine vision bieden een enorm potentieel om de besluitvorming te verbeteren, processen te optimaliseren en het welzijn van werknemers te verbeteren. Door hun kracht in te zetten, kunnen industrieën meer efficiëntie, duurzaamheid en kwaliteitscontrole bereiken.

Dit artikel is slechts een heel beknopte samenvatting van het hele gesprek. Wil je meer weten over het onderwerp, de uitdagingen, concrete voorbeelden en de toekomst van machine learning? Beluister dan de podcast via:

Meer informatie?

Wil je graag meer weten over de mogelijkheden van machine learning en machine visie voor jouw bedrijf? Neem dan snel contact met ons op.

Miranda de Ruiter, Communication Officer

Miranda de Ruiter is een communicatie specialist bij Flanders Make. Gepassioneerd door technologische innovatie en duurzaamheid, creëert ze zowel teksten als de Flanders Make podcast over deze onderwerpen. Met één doel: het delen van inzichten en verhalen die de groei van de industrie inspireren.