Machine Vision
De maakindustrie staat voor toenemende uitdagingen in kwaliteitsbeheer, gedreven door strengere normen en complexere producten. Traditionele methoden schieten tekort. Ontdek in deze tweedaagse masterclass hoe automatisering met machine vision de nauwkeurigheid en snelheid van kwaliteitscontroles kan verhogen.
Praktische info:
georganiseerd door:
Leertraject
Programma
Module 1 (23 oktober): Hardware voor Machine Vision
- Belichting: welke belichtingsprincipes bestaan er en welke invloed hebben deze op het beeld?
- Lenzen: welke lens heb ik nodig voor welke applicatie?
- Camera: welke sensoren bestaan er en hoe kan de juiste camera-lens combinatie gekozen worden voor een specifieke toepassing?
- Interfaces: via welke media kan ik mijn beelden overzetten van camera naar computer?
Module 2 (24 oktober): Software voor Machine Vision
- Image processing: welke softwaretechnieken bestaan er om de ruwe beelddata die uit de camera komt te verwerken tot beelden met hoog contrast?
- Feature extraction: welke info dien ik uit mijn beeld te halen om iets over dat beeld te kunnen zeggen?
- Niet data-gedreven object herkenning: welke technieken bestaan er om objecten te detecteren in een beeld zonder gebruik te maken van data-gedreven technieken?
- Data-gedreven technieken: Hoe kunnen Machine Learning en Deep Learning technieken worden ingezet om aan verbeterde beeldherkenning te doen in sterk variërende omstandigheden?
Docent
Lesgever/spreker
Matthias De Ryck
Matthias De Ryck is an AI Solution Architect at Superlinear, driving strategic AI adoption and innovation for industry-leading clients. With a PhD and postdoctoral experience at KU Leuven in Computer Science, specializing in multi-robot systems and machine vision, he bridges academic expertise and industrial deployment.
He has successfully led VLAIO-funded innovation projects, translating cutting-edge research into operational value. At Superlinear, Matthias designed and led the computer vision roadmap for the Port of Antwerp-Bruges, tackling impactful use cases including debris detection, quay wall inspection, berthing validation, and train wagon and vessel identification.
He also spearheads the development of Superlinear’s open-source computer vision accelerator SuperSight, enabling scalable and efficient CV prototyping across sectors. As a trusted consultant, Matthias guides companies in prioritizing AI efforts and leveraging state-of-the-art technology for measurable impact.
🧠 AI Strategy & Consulting – Solution Architect at Superlinear, advising across logistics, maritime, and industrial sectors on CV adoption
📊 Applied Computer Vision – Led implementation of CV tools at Port of Antwerp-Bruges: improved asset monitoring, detection accuracy, and operational efficiency
🔬 Academic Foundations – PhD and postdoc at KU Leuven in robotics & machine vision; published on distributed multi-agent coordination
🚀 Innovation Leadership – Coordinated successful VLAIO-funded R&D projects to accelerate industrial AI innovation
Gerelateerde opleidingen
