Ga naar inhoud
Auteur
Bart van den Ancker
Datum
September 2026
Onderwerp
Beeldherkenning

In een opslagloods hangen vangkaarten. Kleverige kaartjes met een raster erop, bedoeld om insecten te vangen zodat je weet of er ergens iets zit te broeden. Elke ronde loopt iemand langs alle vallen, kijkt op de kaart, en telt.

Met een pen. Een kaart met veertig beestjes erop kost een paar minuten, en er hangen er nogal wat. Aan het eind ligt er een lijstje met getallen dat iemand moet overtypen.

De vraag was of dat tellen automatisch kan, met een foto uit de app die toch al in de broekzak zit.

Het getal waar iedereen tegenop ziet

Als je zoiets voorstelt, komt er altijd dezelfde reactie. Daar heb je toch enorme hoeveelheden data voor nodig? Duizenden foto’s, allemaal met de hand nagelopen en gemarkeerd?

Dat beeld klopt ook wel, als je een model bouwt dat van alles moet kunnen herkennen. Honden, verkeersborden, gezichten, in willekeurige omstandigheden. Dan is de wereld eindeloos gevarieerd en heb je enorm veel voorbeelden nodig om daar iets van te maken.

Maar dit probleem is niet eindeloos gevarieerd. Het is juist opvallend saai.

Altijd dezelfde soort kaart. Altijd ongeveer dezelfde afstand, want iemand houdt zijn telefoon nu eenmaal op armlengte. Altijd hetzelfde soort beestje. Eén type object, één type achtergrond, en verder weinig verrassingen.

Dus begonnen we klein. Drieëntwintig foto’s, met de hand nagelopen en gemarkeerd. Een middag werk.

Drieëntwintig bleek genoeg om te beginnen

Niet genoeg om klaar te zijn. Wel genoeg om te zien dat het werkt, en dat is een heel ander soort informatie dan een schatting vooraf.

Want dat is het echte voordeel van klein beginnen. Na die middag wist ik niet alleen dát het kon, ik zag ook waar het misging. En dat waren niet de dingen die ik had verwacht.

Niet de kleine beestjes, of de drukke kaarten. Wel een kaart die half in de schaduw hing. Wel een opname van te dichtbij, waardoor het raster buiten beeld viel. Dat soort dingen bedenk je niet vooraf; die zie je pas als er een model tegenaan kijkt.

Elke ronde daarna is gerichter geworden. Geen willekeurige foto’s erbij, maar precies de gevallen waar hij op struikelde. Zo groeit een dataset veel sneller in bruikbaarheid dan in omvang.

En als het model er even niet is

Een model heeft iets nodig om op te draaien. Een verbinding, een server, soms een sleutel. In een loods met dikke muren is dat geen vanzelfsprekendheid.

Daarom zit er een terugvaloptie in: een simpele teller die gewoon naar licht en donker kijkt en vlekken telt die de goede vorm en grootte hebben. Geen model, geen internet. Minder scherp, maar altijd beschikbaar.

Het belangrijkste daaraan is dat hij erbij vertelt dat hij de eenvoudige versie is. Een getal zonder context klinkt stelliger dan het is, en iemand die weet dat de zekere variant het even niet deed, kijkt zelf nog een keer.

Dat vind ik eerlijk gezegd een interessantere ontwerpvraag dan het model zelf. Niet hoe goed iets telt, maar of het eerlijk is over wanneer het minder zeker is.

Waar het nu staat

Het trainen loopt nog. Elke ronde wordt hij iets beter, en elke ronde leer ik weer iets over waar het in de praktijk anders gaat dan achter mijn bureau.

Maar de les die ik het vaakst doorgeef, gaat niet over insecten. Het is dat beginnen bijna altijd goedkoper is dan uitzoeken. Een middag met drieëntwintig foto’s vertelde me meer dan weken schatten hoeveel data ik nodig zou hebben.

Als het niet had gewerkt, was ik een middag kwijt geweest. Dat is een prima prijs voor een antwoord.

Bart van den Ancker, september 2026

Contact