Amsterdam leidend in computer vision

Spin-offs van Nederlandse universiteiten op het gebied van computer vision behoren tot de opvallendste exposanten die zich de afgelopen week presenteerden tijdens de AI Expo 2018 in Amsterdam RAI. Koploper in Nederland is niet een puur technische universiteit zoals die van Eindhoven, Delft of Twente, maar de Universiteit van Amsterdam. Daaruit is een aantal interessante start-ups ontstaan.

Veel nieuwkomers richten zich op het al dan niet geheel automatiseren van inspectiewerk dat tot nog toe door mensen wordt gedaan. In combinatie met kunstmatige intelligentie (artificial intelligence, ai) kennen foto’s en video geen geheimen meer. Dit soort data is tegenwoordig razendsnel te analyseren. Met name deep learning, een onderdeel van machine learning, heeft het vermogen enorm verbeterd om beeldmateriaal te analyseren. De vooruitgang bij de research is aanzienlijk, terwijl de beschikbare hoeveelheid data snel toeneemt en computers steeds krachtiger worden. Ai helpt heel gericht een beperkt aantal taken over te nemen. Volgens Jasper Wognum, directeur van BrainCreators, nadert beeldherkenning het stadium van volwassenheid. Het niveau is ruim voldoende om deze techniek breed toe te passen.  

Aiir Innovations

Veel aandacht trekt Aiir Innovations, een bedrijf dat studenten in hun studietijd hebben opgezet. Deze starter past ai, deep learning en computer vision toe bij het onderhoud van vliegtuigen. Met een camera wordt een vliegtuigmotor aan een grondige inspectie onderworpen. Miriam Huijser, hoofd research en mede-oprichter: ´Aiir werkt als een extra paar digitale ogen´. Haar bedrijf heeft software ontwikkelt die video-opnames en andere beelden analyseert. Dit scheelt tijd en kosten. Bovendien kan de borescope, een soort robotcamera, in nauwe ruimtes komen die voor onderhoudsmonteurs lastig toegankelijk zijn.
De virtuele assistent raakt nooit vermoeid. Hij handelt taken af waar monteurs nog wel eens steken laten vallen. Een vliegtuigmotor telt soms wel 800 bladen, die allemaal stuk voor stuk aan een inspectie moeten worden onderworpen. De inspectie kan wel 24 uur duren. Dit werk wordt gedaan in drie-ploegendienst. Na urenlang inspectiewerk kan iemands aandacht verslappen. Bovendien zijn kleine afwijkingen soms lastig te zien.  

Ceo Bart Vredebregt verwacht dat Aiir op den duur de hele eerste check kan overnemen. Monteurs kijken dan nog alleen naar bladen waarop fouten worden gevonden. Ze kunnen hun aandacht richten op de reparaties zelf, werk dat voor hun veel interessanter is. Aiir heeft de inspectietijd al met 20 procent weten te bekorten van 24 naar twintig uur. Op termijn zal de totale inspectieduur worden gereduceerd naar vier uur, een besparing van ruim 80 procent. Volgens Aiir kunnen motoren nu ook frequenter worden gecheckt, wat de veiligheid ten goede komt. KLM is partner van Aiir bij de ontwikkeling van de virtuele assistent. Bart Vredebregt denkt ook op andere gebieden de visuele inspecties te kunnen automatiseren zoals die van textiel. ´De software leert steeds beter hoe iets er uit moet zien. Daarbij wordt systeem gevoed met beelden die het niet eerder heeft gezien.´

Clockworks

Clockworks uit Rotterdam beweegt zich eveneens op het terrein van visuele inspecties. De digitale ogen van deze start-up zijn in staat om allerlei analoge sensoren, machines en installaties te digitaliseren op basis van foto’s. Met geavanceerde deep-learning methoden is Clockworks in staat om daarmee snel en kosten-efficiënt oude installaties digitaal te ontsluiten, waarmee zaken als levensduur en onderhoud beter te voorspellen zijn. 

Dankzij deep learning zijn de meetgegevens real time uit te lezen en te digitaliseren. Tot nog toe gebeurde dit met OCR. Maar volgens Westerwoudt is die techniek gevoelig voor fouten. De software van Clockworks zoekt zelf waar het telwerk en het serienummer van de meter zitten. Het systeem leert te kijken als een mens en niet als een regelgedreven robot. Deze werkwijze bespaart monteurs van netbeheerders wel 20 tot 25 procent van hun tijd. Ze hoeven minder te schrijven. Bovendien vermindert de kans op fouten. Behalve voor inspectie ziet Westerwoudt toepassingen op het gebied van onderhoud en beheer, bijvoorbeeld in de offshore. Klanten van het eerste uur zijn Stedin, netbeheerder voor gas en elektriciteit, alsmede Brabant Water. 

Serket

Serket (agri-tech) uit Amsterdam  past ai toe om de gezondheid van dieren zoals varkens te verbeteren. In varkensstallen staan camera’s die voortdurend beelden naar de cloud sturen waarna een analyse volgt. Kristof Nagy, ceo van Serket: ´Behalve naar het eet- en drinkpatroon wordt ook gekeken naar het sociaal gedrag van de dieren. Als de varkens te dicht bij elkaar staan, kan dat betekenen dat de temperatuur te laag is. Gezondere dieren betekent minder gebruik van antibiotica en diergeneesmiddelen.´ Atilla Szabó, machine learning engineer, denkt dat de techniek en het zakelijk model van Serket ook geschikt zijn voor toepassing in de pluimveehouderij en koeienstallen. Serket gelooft dat camera’s voor de veeteelt net zo belangrijk als voor zelfrijdende auto’s.

Braincreators

Braincreators uit Amsterdam helpt Tata Steel met de kwaliteitscontrole. De traditionele inspectie wordt ondersteund door een automatisch camerasysteem. Deep learning maakt het mogelijk fouten in staalplaten te ontdekken. Vijftig verschillende soorten defecten worden onderscheiden. Dagelijks worden 5 miljoen beelden gemaakt. De uitdaging is om het annotatieproces efficiënt te maken. Dat wil zeggen de beelden van de juiste labels te voorzien. Data scientists hebben pas iets aan grote hoeveelheden gegevens als daar labels aan zijn gekoppeld.   

Voor het internationale fokkerijbedrijf Hendrix Genetics in Boxmeer, onderdeel van Nutreco, helpt Braincreators de fokmethodes te optimaliseren. Op basis van de patronen die worden herkend, zijn voorspellingen te doen wat er gebeurt als je twee soorten varkens met elkaar kruist. Maarten Stol, ai-expert van Braincreators legt uit: ´Een aanwijzing voor de kwaliteit is de staat van het karkas. Uit metingen van levende dieren worden voor een nieuw varken dat door kruising ontstaat, de eigenschappen van het karkas voorspeld. Als input geldt onder meer de ontwikkeling van het gewicht op verschillende leeftijden. Om ook visuele data te krijgen wordt een scan gemaakt van het karkas. De kunst is deze ultrascans effectiever te gebruiken.´ De schaal waarop data worden verzameld, is groot. Braincreators inspecteert voor een project in de pluimvee 500 eieren per uur. Dat zijn er meer dan 1 miljoen per jaar. Van elk ei worden twintig beelden gemaakt. Een eierschaal wordt op twaalf aspecten onderzocht die zichtbaar zijn te maken. De taak is om nieuwe correlaties te vinden tussen al die verschijningsvormen. Braincreators ontwikkelt een toolkit voor deap learning, die onder meer features uit een beeld haalt. Bij projecten zoals bij de ontwikkeling van betere fokmethoden is het doel een volledig end to end lerend systeem op te leveren.   

Deep learning biedt tal van voordelen boven menselijke interpretatie. Bij het laatste pleegt nog wel eens waardevolle informatie verloren te gaan omdat mensen vaak een nauw beeld van de werkelijkheid hebben. Met deep learning kan nuttige informatie boven water komen die normaal niet beschikbaar komt. Bij deze vorm van machine learning kunnen visuele en niet-visuele data in één systeem worden gecombineerd. 

Media Distillery

Media Distillery past ai-technologie toe om de inhoud van een video te doorgronden. Door beelden te analyseren kunnen heel snel metadata worden gegenereerd. Tot voor kort waren die metadata alleen zichtbaar voor mensen, maar nu kunnen machines er ook mee overweg. Op dit moment zijn tv-kanalen in real time te analyseren. Mede-oprichter Evangelos Stromatias: ´Zo kan Redbull bijvoorbeeld laten meten hoe lang hun logo tijdens uitzendingen in beeld verschijnt. Ook registreert het systeem welke uitspraken over dat merk worden gedaan. Hierbij wordt spraak omgezet in tekst.´

Data scientist Ryan Amirkhan: ´Media Distillery biedt ook mogelijkheden automatisch ‘snackable content’ te maken. In plaats van een hele uitzending te zien kunnen precies die fragmenten uit een video waarvoor de kijker interesse heeft. Video-on-demand is toe te spitsen op één onderwerp of een persoon. Zo krijgt de gebruiker alleen de delen uit bijvoorbeeld een talkshow voorgeschoteld waarin een bepaalde gast aan het woord komt. Dankzij machine learning kan dit in real time.´

Dashmote

Dashmote kan snel uit een grote hoeveelheid beelden trends halen. Zo wordt haar tool voor visuele herkenning toegepast in de snel veranderende markt voor persoonlijke verzorging. Door 500.000 beelden van dameshaar te analyseren kunnen trends in de haarmode worden gespot. Nieuwe, door ai ondersteunde onderzoeksmethoden werken vijf keer zo snel als de traditionele research. 

Sightcorp

Sightcorp analyseert gezichten in foto’s, video, op straat of in andere omgevingen.  Deze spinoff van de Universiteit van Amsterdam kan geanonimiseerd automatisch emoties van iemands gezicht aflezen. Via computer vision en deep learning valt te ontdekken in wat voor stemming een persoon verkeert. Ook zijn gezichten te analyseren op leeftijd, geslacht, ethnische afkomst, hoofdblik en dergelijke. De software wordt gebruikt in onder meer digitale signage en detailhandel.