

Lectoraat Computer Vision & Data Science
Het verwerken van image data (foto's en video's) is hierbij één van de grootste uitdagingen omdat dit, naar schatting, 80% van alle data in de wereld betreft. Als landelijk erkend expertisecentrum op het gebied van patroonherkenning en beeldverwerking draagt het lectoraat Computer Vision & Data Science al ruim 25 jaar bij aan de verankering van kunstmatige intelligentie in Nederland.
Computer Vision & Data Science in een notendop
Bij Computer Vision & Data Science gaat het om het oplossen van automatiseringsvraagstukken op het gebied van visuele inspecties. Vraagstukken op het gebied van beeldacquisitie, beeldverwerking en het herkennen van patronen in die beeldinformatie met technieken uit de kunstmatige intelligentie zoals deep learning en machine learning. Denk aan kwaliteitscontrole, automatische positie- en oriëntatiebepaling, ziektedetectie, defectmetingen en het sorteren van producten.
De kracht van het lectoraat Computer Vision & Data Science
De kracht van het lectoraat is dat deze zowel over kennis als over apparatuur beschikt voor de gehele keten van belichting, camera’s, optiek, opstelling, vision algoritmen, deep learning algoritmen en de implementatie hiervan in bestaande software systemen.
De vier aandachtsgebieden waarop het praktijkgerichte onderzoek van het lectoraat Computer Vision & Data Science zich richt zijn: hoogwaardige beeldacquisitie, toegepaste computer vision, state-of-the-art data science en onderwijs. De toepassing is breed, van precisielandbouw tot medisch. Het doel en de aanpak is hetzelfde: vanuit ieders eigen kracht, in samenwerking met studenten, medewerkers en bedrijfsexperts, werken aan state-of-the-art praktijkgerichte onderzoeksprojecten om zo nieuwe kennis op het gebied van computer vision en data science te ontwikkelen.
Het lectoraat Computer Vision & Data Science bevindt zich dus op het snijvlak van wetenschap en praktijk. Onze uitdaging is het naar de praktijk brengen van (de nieuwste) wetenschappelijke kennis op het gebied van image data analyse. Actuele onderzoeksthema’s waar wij aan werken, en waarvan de doorvertaling naar toepassing in de praktijk nog vele uitdagingen en mogelijkheden kent, zijn: hyperspectral imaging, anomaly detection, object tracking en explainable AI. Door te werken aan de ontwikkeling van algoritmes, kunstmatige intelligentie, om de toepassing geschikt en betaalbaar te maken voor bedrijfsleven en organisaties kent het onderzoek een innoverende karakter en kan dit vaak binnen een gesubsidieerd project worden uitgevoerd.
Onderzoekthema's
Er is veel GPU-kracht nodig voor alle experimenten die de studenten en het team tijdens hun onderzoek uitvoeren. Daarom blijven we onze faciliteiten updaten met krachtige hardware. Naast onze supercomputer genaamd Deep Frisian hebben we ons servernetwerk uitgebreid met nog meer rekenkracht, wat onze capaciteit op 576GB GPU-geheugen brengt. We combineren onze super computers met deep learning software algoritmes die visuele patronen kunnen identificeren in alle soorten data. Dit is een krachtige combinatie en de mogelijkheden zijn eindeloos. Het lectoraat werkt aan het automatiseren van visuele inspecties, zoals het inspecteren van akkers met slimme civiele drones en het inspecteren schepen op corosie. Het lectoraat heeft de beschikking over een breed assortiment aan state-of-the-art camera’s. Bijvoorbeeld hyperspectrale camera’s om nauwkeurig metingen te doen in het voor de mens niet zichtbare licht.
'Naadlekkage' na een operatie is een zorgelijk probleem. Het lectoraat Computer Vision & Data Science zocht in het project LapVas naar een meetinstrument dat de kwaliteit van het weefsel van de darmwand in kaart brengt. Met behulp van het meetinstrument wordt de micro(bloed)circulatie van het weefsel zichtbaar gemaakt. Daardoor kan de opererend chirurg een betere beslissing nemen. Doel is dat er minder intensive care-opnamen nodig zijn, dat de patiënt sneller herstelt en er minder hersteloperaties nodig zijn. Met het meetinstrument zijn verschillende testen gedaan.
Naast het MCL in Leeuwarden is ook de vakgroep Biomedical Photonic Imaging van de Universiteit Twente actief betrokken bij het onderzoek LapVas. Het project is onderdeel van het bredere onderzoeksproject OK van de toekomst van innovatiebureau LIMIS, dat innovaties in de gezondheidszorg onderzoekt.
Het recyclen van plastic is een bekende maatschappelijke uitdaging. In samenwerking met het lectoraat Circular Plastics werkt het lectoraat Computer Vision & Data Science aan dit vraagstuk. Indien plastic voldoende nauwkeurig gesorteerd kan worden zal de recycleketen effectiever werken en is het niet meer nodig om plastic te verbranden. De vraag die hierin centraal staat is: Hoe kan deze sortering verbeterd worden met behulp van technieken uit de Computer Vision en Data Science?
Bij dit project wordt een hyperspectraal camera toegepast welke gevoelig is voor Short Wave Infrared (SWIR). In dit deel van het elektromagnetisch spectrum is het mogelijk om verschillende polymeren op basis van ketenlengte (en dus soort, PE, PP, PVC, etc.) te onderscheiden.
Door de inzet van de nieuwste technieken uit de kunstmatige intelligentie (o.a. deep learning) kunnen recyclingsystemen data-driven getraind worden. Door deze aanpak worden niet alleen de spectrale eigenschappen van polymeren meegenomen in de sortering, maar ook de morfologische eigenschappen. In de eerste fase van het onderzoek zijn veelbelovende resultaten bereikt die de meerwaarde van het gebruik van deep learning aantonen in de context van het recyclen van polymeren.
Samenwerkingspartners
Het lectoraat Computer Vision & Data Science is de verbindende schakel tussen het hbo en het beroepenveld. Wij helpen bedrijven te innoveren door academische kennis toepasbaar te maken. Deze kennis delen we met studenten, zodat ze in de toekomst als innovatieve professionals het bedrijfsleven kunnen versterken.
Om dit te kunnen bereiken, is het lectoraat actief als onderzoeker en onderwijzer, maar ook als ondernemer. Het lectoraat werkt al jaren intensief samen met andere partijen. Daardoor hebben wij een uitgebreid relatienetwerk opgebouwd met bedrijven, leveranciers, universiteiten en kennisinstituten met wie we kennis delen en ervaringen uitwisselen. Het Cluster Computer Vision Noord Nederland is een door het lectoraat opgericht platform van meer dan dertig bedrijven in Noord-Nederland die zich bezig houden met computer vision (www.ccvnn.nl). Ook is het Plaform Beeldverwerking voor het hbo opgericht, waarin de NHL Stenden een voortrekkersrol vervult.
In de loop der jaren heeft het lectoraat Computer Vision & Data Science een groot (inter)nationaal netwerk opgebouwd. Naast studenten van eigen NHL Stenden-opleidingen als HBO ICT, Werktuigbouwkunde, Chemische Technologie, Technische Informatica, Toegepaste Wiskunde en Elektrotechniek, zijn er ook contacten met hogescholen in het buitenland. Regelmatig komen er studenten van onderwijsinstellingen uit Spanje, China en Mexico naar Leeuwarden om hier mee te werken aan onderzoeken van dit kenniscentrum.
Het lectoraat Computer Vision & Data Science valt onder de Onderzoekseenheid van de Academie Technology & Innovation, samen met de lectoraten Duurzame Kunststoffen, Circulair Plastics en Watertechnologie. Daarbij is het lectoraat gelinkt aan het speerpunt Smart Sustainable Industries van NHL Stenden Hogeschool.
Onderwijs
Met een eigen minor en master in Computer Vision & Data Science biedt het lectoraat een doorlopende leerlijn voor specialisatie in image data analyse. De student specialiseert zich in het verkrijgen en verwerken van ruwe sensor data (beelden) tot informatie (metingen in beelden) en uiteindelijk tot kennis, met behulp van Artificial Intelligence methoden. Bij ons ligt de focus op beeldverwerving, beeldverwerking en het herkennen van patronen in die beeldinformatie met o.a. deep learing en machine learning. Studenten leren het vak door te werken aan actuele praktijkgerichte onderzoeksprojecten uit het veld, onder begeleiding van een technische experts van het lectoraat Computer Vision & Data Science. Via het lectoraat hebben de studenten tevens de beschikking over state-of-the-art apparatuur zoals high performance computers met GPU's, 3D camera's, high speed camera's, hyper- en multispectrale camera's, surround camera's, industriële camera's, maar ook een breed scala aan optiek en verlichting.
Team
Binnen het lectoraat Computer Vision & Data Science werken verschillende disciplines samen aan de ontwikkeling van technologische innovaties. Lector Jaap van Loosdrecht is de spin in het web. Naast de onderzoekers hebben ook studenten een actieve rol binnen het team.
Teamleden
- Klaas Dijkstra
- Robin Mills
- Maya Aghaei
- Martin Dijkstra
- Willem Dijkstra
- Henry Maathuis
- Lucas Ramos
- Meintsje de Vries
Contact
NHL Stenden Hogeschool
Academie Technology & Innovation
Lectoraat Computer Vision & Data Science
Telefoonnummer: 06 13 83 30 75
E-mail: cvds@nhlstenden.com
LinkedIn: https://www.linkedin.com/company/computer-vision-data-science
