# Hoe werkt vision kwaliteitscontrole op groente en fruit?

Vision kwaliteitscontrole beoordeelt elk product op de lijn met camera's en een AI-model dat de norm heeft geleerd uit voorbeelden die kwaliteitsexperts hebben beoordeeld. In het systeem van TOS Robotics wordt één beeld met één of meer producten in 0,02 seconde geanalyseerd.

Source: https://tosrobotics.com/nl/kennis/hoe-werkt-vision-kwaliteitscontrole-fruit/
Last updated: 2026-11-15

## Hoe het werkt

1. **Licht en camera.** Gelijkmatig licht en een vaste camerapositie geven beelden die je kunt vergelijken. Veel problemen bij vision beginnen hier en niet bij het AI-model.
2. **Het product vinden.** Het model scheidt elk product van de band en van de producten ernaast.
3. **Beoordelen.** Het model geeft elk product een klasse of een score, zoals goed, klasse twee of afkeur, of een kleurgradatie.
4. **Handelen.** De lijn doet iets met het oordeel. Een afgekeurd product wordt uitgestoten, of in een robotcel niet verpakt.
5. **Vastleggen.** De oordelen kunnen per partij worden geteld, voor een kwaliteitsrapport per leverancier.

## Wat een camera wel en niet kan zien

| Wel te zien | Niet te zien met een gewone camera |
|---|---|
| Kleur en kleurverdeling | Stevigheid |
| Maat en vorm | Inwendige bruinverkleuring |
| Vlekken, sneden en drukplekken aan de zichtbare kant | De kant die op de band ligt |
| Zichtbaar bederf en schimmel | Smaak en suikergehalte |
| Steel aanwezig of afwezig | |

Voor de verborgen kant wordt het product gedraaid of van meerdere kanten bekeken. Voor de binnenkant zijn andere sensoren nodig.

## Hoe het model jouw norm leert

Kwaliteitseisen kunnen per retailer verschillen, daarom wordt het model getraind op voorbeelden die jouw eigen kwaliteitsexperts hebben beoordeeld. Zij sorteren een set producten in klassen, en het model leert dezelfde indeling te maken. Als de norm verandert, veranderen de voorbeelden en wordt het model opnieuw getraind. Je schrijft geen regels zoals "afkeuren als de vlek groter is dan vijf millimeter". Je laat zien wat je afkeurt.

Kies om te beginnen een paar klassen en verzamel voorbeelden van elke klasse door het seizoen heen, met extra aandacht voor zeldzame gebreken. Laat twee experts dezelfde set beoordelen. Waar zij het oneens zijn, is de norm nog niet duidelijk en krijgt het model geen eenduidig voorbeeld om van te leren. Meet het resultaat op producten die het model niet heeft gezien.

## Bij TOS Robotics

Op de paprikalijn bouwt TOS Robotics de controle in de verenkelaar in, vóór de robots. Vier camera's fotograferen elke paprika vanaf verschillende kanten terwijl hij valt, en één beeld wordt in 0,02 seconde geanalyseerd. Volgens het ontwerp verlaat een afgekeurde paprika de lijn via een aparte goot voordat hij bij de robot komt. Het model wordt getraind op de paprika's van die lijn en sorteert nog niet in productie. Lees meer over [vision kwaliteitscontrole](https://tosrobotics.com/nl/producten/kwaliteitscontrole/).

## Lees verder

- [Vision kwaliteitscontrole voor groente en fruit](https://tosrobotics.com/nl/producten/kwaliteitscontrole/): Elk product gecontroleerd door camera en AI in 0,02 seconde, zonder iemand aan de band.
- [Flowpackcel: robots die de flowpacker vullen](https://tosrobotics.com/nl/producten/flowpack-cel/): Een complete cel die de flowpacker vult. € 150.000 per cel. In productie.

## Vragen en antwoorden

### Kan vision kwaliteitscontrole rijpheid meten?

Alleen voor zover rijpheid aan de buitenkant te zien is, zoals aan de kleur. Voor stevigheid en inwendige kwaliteit zijn andere sensoren nodig.

### Hoeveel voorbeeldproducten heeft een model nodig?

Genoeg om elke klasse die je wilt herkennen af te dekken, ook de zeldzame gebreken. De zeldzame gebreken bepalen meestal hoe lang het verzamelen van voorbeelden duurt.
