Wat is Vision AI?
Vision AI is de combinatie van industriële machine vision en kunstmatige intelligentie, vooral deep learning, waarmee camerasystemen zelf leren hoe goede en foute producten, objecten of situaties eruitzien en daar automatisch een beslissing over nemen. Waar klassieke machine vision werkt met vaste regels die een engineer instelt, zoals een maat, een contrastgrens of een patroon, leert Vision AI van voorbeeldbeelden. Daardoor kan het variatie aan die met regels nauwelijks te beschrijven is: krassen op glanzend metaal, natuurlijke producten zoals groente of vlees, of willekeurig gestorte onderdelen in een bak. Binnen industriële automatisering is Vision AI een kernonderdeel van Industrial AI, Industrie 4.0 en cyber-fysieke systemen.
Vision AI vervangt klassieke machine vision meestal niet, maar vult die aan: regelgebaseerd waar het meten en lezen exact moet, lerend waar het uiterlijk van een product te veel varieert.
🧠 Wat is het verschil tussen klassieke machine vision en Vision AI?
Beide gebruiken dezelfde camera’s, lenzen en verlichting. Het verschil zit in de manier waarop de software tot een oordeel komt.
| Aspect | Klassieke machine vision | Vision AI (deep learning) |
|---|---|---|
| Werking | Regels en algoritmen die een engineer instelt | Model dat patronen leert uit gelabelde voorbeeldbeelden |
| Sterk in | Meten, uitlijnen, code lezen, aanwezigheid controleren | Cosmetische defecten, natuurlijke variatie, complexe classificatie |
| Benodigde data | Enkele referentiebeelden | Tientallen tot duizenden beelden, afhankelijk van de taak |
| Uitlegbaarheid | Hoog: elke regel is te herleiden | Lager: het model geeft een score, geen redenering |
| Rekenkracht | Smart camera of standaard IPC | Vaak GPU of AI-accelerator op een edge-apparaat |
| Wijziging product | Regels handmatig aanpassen | Nieuwe beelden toevoegen en opnieuw trainen |
In de praktijk combineren veel systemen beide: een klassieke tool lokaliseert het product en leest de barcode of QR-code, waarna een AI-model het oppervlak beoordeelt.
🔧 Welke AI-technieken gebruikt Vision AI?
De meeste modellen zijn convolutionele neurale netwerken (CNN’s); nieuwere systemen gebruiken ook vision transformers. Welke techniek u kiest, hangt af van de vraag die het systeem moet beantwoorden.
| Techniek | Vraag die het model beantwoordt | Typische toepassing |
|---|---|---|
| Classificatie | Wat voor product of toestand is dit? | Goed/fout, sortering op variant |
| Objectdetectie | Waar liggen welke objecten? | Pick-and-place, tellen, robotgeleiding |
| Segmentatie | Welke pixels horen bij een defect of object? | Krassen, scheuren, lasnaden meten |
| Anomaliedetectie | Wijkt dit af van wat normaal is? | Defecten die vooraf onbekend zijn, getraind op alleen goede producten |
| Deep OCR | Welke tekst staat hier? | Datum- en lotcodes op lastige ondergronden |
Anomaliedetectie is in de fabriek vaak het startpunt, omdat foute producten zeldzaam zijn en goede producten in overvloed beschikbaar. Het model leert hoe ‘normaal’ eruitziet en markeert alles wat daarvan afwijkt. Gesuperviseerde classificatie of segmentatie vraagt juist om gelabelde voorbeelden van elk defecttype. Al deze technieken zijn vormen van Machine Learning.
⚙️ Uit welke onderdelen bestaat een Vision AI-systeem?
De architectuur lijkt sterk op die van klassieke vision, met een extra trainings- en modelbeheerlaag.
| Laag | Component | Functie |
|---|---|---|
| Beeldvorming | Industriële camera, lens, verlichting | Consistent, reproduceerbaar beeld; licht bepaalt het grootste deel van de kwaliteit |
| Trigger en I/O | Sensor, encoder, digitale I/O | Opname op het juiste moment, resultaat naar de lijn |
| Camera-interface | GigE Vision, USB3 Vision, GenICam | Gestandaardiseerde aansturing van camera’s van verschillende merken |
| Inferentie | Smart camera, IPC of Embedded platform met GPU | Het getrainde model draait lokaal op elk beeld |
| Integratie | Veldbus, OPC UA, MQTT | Resultaat naar PLC, SCADA, MES |
| Training en modelbeheer | Werkstation of server, labeltool, modelregister | Data verzamelen, labelen, trainen, valideren en versies beheren |
GigE Vision werd in 2006 geïntroduceerd en USB3 Vision in 2013; beide worden beheerd door de Amerikaanse brancheorganisatie A3 (voorheen AIA). GenICam, het programmeerkader dat beide gebruiken om camera-instellingen generiek aan te spreken, wordt beheerd door de European Machine Vision Association (EMVA) en werd in 2006 geratificeerd.
Inferentie gebeurt bijna altijd via edge computing in plaats van in de cloud. Dat geeft een lage latency, vermindert de netwerkbelasting en houdt de lijn draaiende als de verbinding met het datacenter wegvalt. Een AI-model is echter niet strikt deterministisch in zijn rekentijd: de verwerkingstijd varieert met de belasting van de GPU. Harde realtime-acties, zoals het aansturen van een uitwerper op een vaste positie, blijven daarom bij de PLC, die het resultaat van de vision-pc alleen als input gebruikt.
🏭 Waar wordt Vision AI in de industrie toegepast?
| Toepassing | Wat Vision AI doet | Voorbeeldsector |
|---|---|---|
| Kwaliteitscontrole | Cosmetische defecten, vervuiling, onvolledige assemblage | Auto-industrie, elektronica, verpakking |
| Sortering | Producten indelen op kwaliteit, maat of soort | Voedingsmiddelen, recycling |
| Robotgeleiding | Positie en oriëntatie van objecten bepalen, ook bij bin picking | Assemblage, logistiek, Robotica |
| Mobiele robots | Obstakels, mensen en markers herkennen naast LiDAR | Magazijnen met AGV’s en AMR’s |
| Identificatie | Codes en tekst lezen voor tracking and tracing | Farmacie, voeding, logistiek |
| Procesbewaking | Vlam, schuim, vulniveau of slijtage beoordelen | Procesindustrie, voorspellend onderhoud |
| Veiligheidsmonitoring | Signaleren van personen in een zone of ontbrekende PBM | Productiehallen, laadperrons |
Bij robotica werkt Vision AI vaak samen met motion control: het model bepaalt waar een product ligt en de robot- of cobot-besturing berekent de beweging. Combinaties met 3D-camera’s, LiDAR en SLAM-navigatie (Simultaneous Localization and Mapping) zijn gangbaar in mobiele robots.
Vision AI levert bovendien data. Defectbeelden en -tellingen gaan naar het MES, de historian of een Unified Namespace, waar ze voeding zijn voor SPC, LEAN- en Six Sigma-verbetertrajecten en een digital twin van de lijn. Zo verschuift inspectie van alleen afkeuren naar het vinden van de oorzaak verderop in het proces.
📡 Hoe koppelt u Vision AI aan PLC, SCADA en MES?
| Koppeling | Gebruik | Opmerking |
|---|---|---|
| ProfiNET / Ethernet IP | Trigger en goed/fout-resultaat naar de PLC | Snel en cyclisch; geschikt voor de lijnbesturing |
| Modbus TCP | Eenvoudige statuswaarden | Vooral bij bestaande installaties |
| OPC UA | Recepten, resultaten en status naar SCADA en MES | OPC UA for Machine Vision (VDMA 40100) definieert een gestandaardiseerd informatiemodel |
| MQTT | AI-events en statistieken naar IIoT-platforms | Past goed bij een Unified Namespace |
De OPC UA-companionspecificatie voor machine vision werd in juni 2018 op de automatica als release candidate gepresenteerd en verscheen in augustus 2019 als OPC 40100-1, identiek aan VDMA 40100-1. Ze beschrijft onder meer een toestandsmachine waarmee een besturing een vision-systeem start, stopt en van recept laat wisselen, ongeacht het merk. Beelden zelf gaan zelden over deze protocollen: die worden lokaal opgeslagen of gecomprimeerd naar een beeldarchief gestuurd.
🔧 Hoe zet u een Vision AI-project op?
- Definieer de beslissing - welke defecten moeten worden afgekeurd, welke mogen door, en wat kost een gemiste fout tegenover een onterechte afkeur?
- Optimaliseer het beeld eerst - kies camera, lens en verlichting zo dat een mens het defect op het scherm kan zien. Wat een mens niet ziet, leert een model zelden betrouwbaar.
- Verzamel representatieve data - beelden uit alle ploegen, batches, seizoenen en productvarianten, inclusief randgevallen.
- Label consistent - leg in een defectcatalogus vast wat ‘fout’ is; tegenstrijdige labels van verschillende operators zijn de meest voorkomende oorzaak van een zwak model.
- Train en valideer apart - houd een testset achter die het model nooit heeft gezien en vergelijk met de huidige (handmatige) inspectie.
- Draai eerst in schaduwmodus - het model beoordeelt mee zonder af te keuren, zodat u fouten vindt zonder productieverlies.
- Beheer het model als software - versiebeheer, wijzigingsprocedure en periodieke hervalidatie, want nieuwe grondstoffen of slijtage van de verlichting veroorzaken drift.
Indicatieve waarden uit de praktijk:
| Parameter | Typische orde van grootte |
|---|---|
| Inferentietijd per beeld op een edge-GPU | Enkele tot enkele tientallen milliseconden |
| Cameraresolutie bij oppervlakte-inspectie | Circa 2 tot 25 megapixel |
| Start anomaliedetectie | Tientallen tot enkele honderden beelden van goede producten |
| Gesuperviseerde defectclassificatie | Tientallen tot honderden gelabelde voorbeelden per defectklasse |
| Belangrijkste prestatiematen | Slip (gemiste defecten) en valse afkeur, apart gemeten |
🛡️ Mag Vision AI een veiligheidsfunctie vervullen?
Vision AI wordt steeds vaker gebruikt om personen te signaleren, maar een lerend model als enige veiligheidsfunctie is in Europa nog geen gangbare praktijk. Machineveiligheid begint bij de risicobeoordeling volgens ISO 12100, waarna de veiligheidsfunctie wordt ontworpen volgens ISO 13849 (Performance Level) of IEC 62061 (SIL), afgeleid van IEC 61508.
Voor camera’s als beschermingsmiddel bestaan aparte delen binnen IEC 61496: IEC TS 61496-4-2 voor vision-systemen met referentiepatronen en IEC TS 61496-4-3 voor stereovision, beide in 2022 herzien. Deze specificaties gaan uit van vaste detectie, niet van complexe classificatie zoals een deep-learningmodel die doet. Het informatieve rapport ISO/IEC TR 5469:2024 beschrijft hoe AI zich verhoudt tot functionele veiligheid, maar is geen certificeerbare norm.
In de praktijk geldt daarom:
- Gecertificeerde beveiliging blijft leidend - een lichtscherm, laserscanner of veiligheidscamera, via een safety-PLC of veiligheidsrelais.
- Vision AI voegt toe - bijvoorbeeld door een machine eerder te laten vertragen of een waarschuwing te geven, buiten de gecertificeerde veiligheidsketen.
- Regelgeving verschuift - onder de Machineverordening, van toepassing vanaf 20 januari 2027, vallen veiligheidscomponenten met zelflerend gedrag onder verplichte beoordeling door een aangemelde instantie. Onder de AI Act is AI als veiligheidscomponent van een machine hoog risico; die eisen gelden na de digitale omnibus vanaf 2 augustus 2028. Visuele kwaliteitscontrole zonder veiligheidsfunctie valt meestal in een lagere risicoklasse.
🔐 Welke cybersecurity- en privacyrisico’s heeft Vision AI?
Een Vision AI-systeem is een pc of embedded apparaat met een besturingssysteem, GPU-drivers, AI-bibliotheken en netwerkverbindingen naar de OT-omgeving. Daarmee brengt het cybersecurity-risico’s mee die een klassieke smart camera niet had.
| Risico | Mogelijk gevolg | Maatregel |
|---|---|---|
| Gemanipuleerd of verwisseld model | Defecten worden doorgelaten of goede producten afgekeurd | Ondertekende modellen, versiebeheer, application whitelisting |
| Adversarial input | Een sticker of patroon misleidt het model | Validatie met randgevallen, klassieke controle als tweede oordeel |
| Kwetsbare software en firmware | Overname van de vision-pc | secure boot, patchmanagement |
| Onbeveiligde netwerkkoppeling | Toegang tot de PLC via het vision-systeem | netwerksegmentatie, zero trust, IDS |
| Supply chain | Gecompromitteerde AI-bibliotheek of leveranciersupdate | Inkoopeisen volgens IEC 62443, softwarelijst (SBOM) |
| Datalek van beelden | Bedrijfsgeheimen of persoonsgegevens op straat | Toegangsbeheer, versleuteling, logging |
Onder de Cyber Resilience Act moeten fabrikanten van nieuwe slimme camera’s en vision-software vanaf 11 december 2027 aan cybersecurity-eisen voldoen.
Zodra camera’s personen in beeld brengen, speelt ook de AVG. Beelden van herkenbare medewerkers zijn persoonsgegevens; u heeft een grondslag nodig, moet proportioneel werken en voert vaak een DPIA uit. Een camerasysteem waarmee medewerkers gevolgd kunnen worden, valt in Nederland onder het instemmingsrecht van de ondernemingsraad. De AI Act verbiedt sinds 2 februari 2025 emotieherkenning op de werkplek, behalve om medische of veiligheidsredenen. Ontwerp daarom met privacy by design: richt de camera op het product, vervaag gezichten en bewaar alleen wat nodig is.
❓ Veelgestelde vragen
Wat is het verschil tussen Vision AI en machine vision?
Machine vision is de bredere techniek van camera’s, verlichting en software die automatisch beelden beoordelen, meestal met vaste regels. Vision AI is de variant waarbij een deep-learningmodel van voorbeeldbeelden leert wat goed en fout is. Vision AI is vooral sterk bij natuurlijke variatie en cosmetische defecten, klassieke machine vision bij exact meten en code lezen.
Hoeveel beelden heeft Vision AI nodig om te leren?
Voor anomaliedetectie, getraind op alleen goede producten, volstaan vaak tientallen tot enkele honderden beelden. Gesuperviseerde defectclassificatie vraagt doorgaans tientallen tot honderden gelabelde voorbeelden per defectklasse. Belangrijker dan het aantal is dat de beelden alle variatie van de echte productie bevatten.
Draait Vision AI in de cloud of lokaal?
Vision AI draait in de fabriek bijna altijd lokaal op een smart camera, industriële pc of edge-apparaat met GPU, omdat beslissingen binnen milliseconden nodig zijn. Training en modelbeheer kunnen wel centraal of in de cloud plaatsvinden. Zo blijft de productielijn werken als de netwerkverbinding wegvalt.
Valt Vision AI onder de AI Act?
Vision AI valt onder de AI Act, maar visuele kwaliteitscontrole zonder veiligheidsfunctie is meestal geen hoog-risicotoepassing. Gebruikt een machine Vision AI als veiligheidscomponent, bijvoorbeeld om personen te detecteren en de machine te stoppen, dan geldt het als hoog risico. Emotieherkenning van medewerkers met camera’s is sinds 2 februari 2025 verboden.
Kan Vision AI een lichtscherm vervangen?
Vision AI kan een gecertificeerd lichtscherm of veiligheidscamera op dit moment niet zonder meer vervangen. De IEC 61496-specificaties voor vision-beveiliging gaan uit van vaste detectie en niet van lerende classificatie. Vision AI wordt daarom meestal als aanvullende laag gebruikt naast een beveiliging die volgens ISO 13849 of IEC 62061 is ontworpen.
Hoe beveiligt u een Vision AI-systeem in een OT-netwerk?
Een Vision AI-systeem beveiligt u als elk ander OT-apparaat: in een eigen netwerkzone, met alleen de noodzakelijke verbindingen naar PLC en MES. Daarnaast verdienen de AI-modellen zelf bescherming via ondertekening, versiebeheer en een gecontroleerde wijzigingsprocedure. IEC 62443 biedt hiervoor het kader voor zones, conduits en leverancierseisen.
📌 Samengevat
Vision AI brengt deep learning naar de industriële camera. Het leert van voorbeeldbeelden en kan daardoor variatie beoordelen die met vaste regels niet te vangen is, van cosmetische defecten tot willekeurig gestorte onderdelen voor een robot. Succes hangt minder af van het model dan van goed licht, representatieve data, consistente labels en modelbeheer als software. Inferentie draait lokaal aan de lijn, de PLC houdt de regie en de gecertificeerde veiligheidsketen blijft leidend.
Vision AI is machine vision die leert van beelden in plaats van vaste regels te volgen: krachtig voor variabele inspectie en robotgeleiding, mits u het beeld, de data, de beveiliging en de AVG net zo serieus neemt als het model.