Ik maak een geautomatiseerd systeem voor defectdetectie voor jouw productafbeeldingen
AI- en Computer Vision-ingenieur gespecialiseerd in YOLO OpenCV en LLM-automatisering
Over deze dienst
Je productielijn (of die van je klant) heeft geautomatiseerde visuele kwaliteitscontrole nodig — maar de meeste AI-vrijwilligers hebben nog nooit een model buiten een notebook ingezet.
Ik wel. Ik ben een Machine Vision Engineer (MSc, Universiteit van Luxemburg) met 4 jaar ervaring in het bouwen van inspectiesystemen die handmatige QC vervangen op live industriële productielijnen: trillingen, wisselend licht, 24/7 lijnsnelheid. Dat is de standaard die jouw project krijgt.
WAT JE KRIJGT
- Eerlijk haalbaarheidsbeoordeling eerst: ik vertel je of klassieke CV beter is dan deep learning voor jouw geval (dat is vaak zo, en het is goedkoper)
- Op maat getraind defectdetectiemodel (YOLO11 / PyTorch) op JOUW beelden
- Werkelijke evaluatiemetrics (precisie/recall per defecttype), geen beloften
- Schoon inferentiecode, klaar om te integreren
WAAROM IK
- 4 jaar ervaring in industriële machine vision in de Luxemburgse productie
- MSc in Computer Vision & AI; gepubliceerde research met DOI
- Live demo's van mijn werk - vraag me naar de links
Voor je bestelt, stuur me 5-10 voorbeeldbeelden en een korte beschrijving van het defect. Ik bevestig de haalbaarheid gratis.
Programmeertaal:
Python
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Moet ik mijn eigen afbeeldingen aanleveren?
Jouw eigen afbeeldingen geven de beste resultaten. Als je geen labels hebt, kies dan voor Production Model of Full Solution (annotatie inbegrepen), of vraag me naar geschikte publieke datasets.
Kun je werken met slechts een paar defecte samples?
Ja. Zeldzame defecten komen normaal voor in de industrie. Ik gebruik data augmentation, synthetische defectgeneratie en anomaly-detectie methoden die leren van goede onderdelen, zodat we zelfs met heel weinig defectbeelden kunnen beginnen.

