Bekijk de projecten en portfolio's van AI makers.
Een visuele zoekfunctionaliteit voor een grote Nederlandse fashion e-commerce retailer. Klanten uploaden een foto en vinden vergelijkbare producten in de catalogus. **Hoe het werkt:** 1. Klant uploadt een foto (eigen foto, screenshot, Pinterest) 2. Computer vision model analyseert: kledingtype, kleur, patroon, stijl 3. Feature vectors worden vergeleken met de productcatalogus (200K+ items) 4. Top-20 meest vergelijkbare producten worden getoond 5. Filters op maat, prijs en beschikbaarheid **Technische details:** - Custom CLIP-gebaseerd model, fine-tuned op fashion dataset - FAISS voor efficient vector similarity search - Real-time processing: <500ms van upload tot resultaten - A/B getest: 23% hogere conversie vs tekstueel zoeken **Stack:** PyTorch, CLIP, FAISS, FastAPI, Redis (caching), AWS S3 Het systeem verwerkt dagelijks 15.000+ visual searches en is verantwoordelijk voor 12% van de totale omzet van de retailer.
Computer vision systeem voor real-time kwaliteitscontrole op een productielijn van een electronics manufacturer. Detecteert defecten met 99.2% accuracy en verwerkt 10.000+ producten per dag. **Defect-types die het systeem detecteert:** - Soldering defects (cold joints, bridges, insufficient solder) - Component misalignment (>0.5mm afwijking) - Surface scratches en deuken - Missing components - PCB trace breaks **Architectuur:** - 4 industriele camera's boven de productielijn - Custom YOLOv8 model getraind op 50.000 gelabelde afbeeldingen - NVIDIA Jetson Orin voor edge inference (<100ms per inspectie) - FastAPI backend voor resultaat-opslag en alerting - Streamlit dashboard voor operators en management **Resultaten:** - 99.2% defect detection rate (was 95% handmatig) - 0.3 sec/product (was 15 sec handmatig) - ROI: terugverdiend in 4 maanden - Quality control team: van 8 naar 2 FTE Dit project won de "AI Innovation Award" bij de Dutch Manufacturing Summit 2025.