Ga naar de inhoud

Data science bureau Tilburg

We bouwen modellen op camerabeelden en meetdata, van de eerste camera tot het model in productie. Zo kreeg Floating Farm inzicht in het voerproces.

Met computer vision kreeg Floating Farm inzicht in het voerproces, om verspilling van voer tegen te gaan

Voor de drijvende boerderij in Rotterdam bouwden we een end-to-end oplossing: van het ophangen van de camera’s tot de implementatie van een computer vision-model dat het voerproces in beeld brengt.

Lees de case

We zien het elke dag op de vloer, maar hoe maken we het meetbaar?

Veel van wat er in een proces gebeurt, wordt wel gezien maar niet vastgelegd. Camera’s en sensoren kunnen dat meten, en een model zet de beelden en metingen om in cijfers waarop je kunt bijsturen.

Plan een gesprek

Van beelden, metingen en vrije tekst naar cijfers waarop een team stuurt

Bespreek je vraagstuk

Een proces in beeld

Voor Floating Farm hingen we zelf de camera’s op en bouwden we het model dat het voerproces volgt.

Tellen wat voorbijkomt

Voor GVB brachten we met computer vision het daadwerkelijke aantal passagiers in beeld.

Vrije tekst ingedeeld

Voor WUA bouwden we een model dat open antwoorden van respondenten op onderwerp indeelt.

In productie, niet in een rapport

Het model draait op vaste momenten, met een controle of de uitkomst blijft kloppen en een eigenaar die bijstuurt.

Eerst meten wat er echt gebeurt, dan pas een model kiezen

  1. De meting opzetten

    Welke camera, sensor of bron vastlegt wat je wilt weten, en hoe vaak.

  2. Model op echte beelden

    Het model getoetst op beelden en metingen uit je eigen proces, naast wat je mensen zien.

  3. Draaien en bijhouden

    Vaste verwerking, een dashboard of melding voor het team, en controle op afwijkingen.

Kunnen camera’s en een model ons proces meetbaar maken?

Toets het in een gesprek

Past als

Er gebeurt iets op een vaste plek dat je nu niet of alleen met de hand vastlegt, en je wilt weten hoe vaak, hoeveel of wanneer.

Past niet als

De gegevens staan al netjes in een systeem. Dan is een rapportage of dashboard op die gegevens eerst de snellere stap.

Waar de omvang van afhangt

Hoeveel plekken of bronnen er meedoen, of er al camera’s of sensoren hangen, hoe snel de uitkomst er moet zijn en wie het daarna beheert.

Mag je zomaar camera’s ophangen?

Niet als er mensen herkenbaar in beeld komen. Dan leggen we vooraf met je privacy officer vast wat het model ziet, wat bewaard wordt en wie toegang heeft.

Handmatig tellen, sensoren of een cameramodel: wat past bij jullie proces?

Handmatig vastleggen

Kies dit als het om een paar momenten per week gaat. Een goed formulier en een vaste routine zijn dan genoeg.

Sensoren of meters

Kies dit als je één grootheid wilt volgen, zoals gewicht, temperatuur of verbruik. Ons advies: begin hier als het meten zelf al antwoord geeft.

Een cameramodel

Kies dit als je wilt zien wat er gebeurt, zoals voer, mensen of producten, en dat steeds opnieuw wilt meten.

Op de vloer, in de stal of op de weg: daar draaien onze modellen sinds 2016

Data Science Lab bestaat sinds 2016 en is partner van Microsoft en Databricks. We werkten voor Floating Farm, GVB en WUA, en delen wat we leren op onze Techdays.

Plan een kennismaking

Wat je op de vloer wilt meten, bespreken we als eerste

Stef Stoelwinder

Stef Stoelwinder

Business Development

Stef is je aanspreekpunt. In het eerste gesprek bespreken we welk proces je wilt meten en wat er al wordt vastgelegd.

Welk proces wil je met beelden of metingen in cijfers zien?

Vertel wat er gebeurt en wat er nu wordt vastgelegd. Je krijgt antwoord per mail, of we plannen een eerste gesprek.

Vul een geldig e-mailadres in.

Laat ons weten waar we je mee kunnen helpen.

Veelgestelde vragen

Het bouwt modellen die iets meten, indelen of voorspellen, en zorgt dat ze in het werk worden gebruikt. Op deze pagina gaat het vooral om beelden, sensoren en vrije tekst: gegevens die er wel zijn, maar nog niet in cijfers staan.

Andere toepassingen vind je bij AI-toepassingen.

Nee. We werken vanuit Amsterdam, aan de Westerdoksdijk. Met organisaties in Tilburg en de rest van Brabant werken we online, en voor camera’s en metingen komen we ter plekke.

Geen van de cases hier speelt in Tilburg; ze laten zien wat we bouwen.

Een model dat beelden van een camera leest en herkent wat erop staat, zoals een object, een hoeveelheid of een handeling. Bij Floating Farm gebruikten we beeldclassificatie in realtime om het voerproces te volgen.

Meer over de techniek lees je bij computer vision.

Dat hangt af van hoe verschillend de situaties zijn: licht, hoek, seizoen en wat er in beeld komt. We beginnen met een korte periode opnemen en labelen, en zien dan of het model de situaties onderscheidt.

Blijkt een situatie te zeldzaam, dan zeggen we dat voordat er verder gebouwd wordt.

Ja. Voor WUA bouwden we een topic classificatie-model dat de open antwoorden van respondenten op onderwerp indeelt, zodat ze direct bruikbaar zijn voor advies aan klanten.

Meer daarover lees je bij tekstanalyse met NLP.

Door vooraf te bepalen wat het model moet zien en wat niet. Vaak kan de camera zo hangen dat mensen niet herkenbaar zijn, of worden beelden direct na verwerking verwijderd en alleen de tellingen bewaard.

Gaat het om personen, dan hoort er een DPIA bij; zie DPIA voor AI.

Waar het team al kijkt: een dashboard, een melding of een koppeling met het systeem dat het proces stuurt. Een uitkomst die alleen in een rapport staat, verandert weinig.

Hoe we modellen in productie houden, lees je bij MLOps.

Als een eenvoudige meter of een goed formulier hetzelfde antwoord geeft. Of als niemand de uitkomst gaat gebruiken om iets anders te doen.

Dan helpen we liever eerst met het vastleggen en tonen van wat er al is.