MISE hospitality intelligence
MISE Cellar VisionCELLAR-CAM-FIVE-01
MISE Cellar Vision · visual inventory monitoring

Keldervoorraad in beeld

Twee echte kelderbeelden worden bij iedere test opnieuw gemeten. Een gekalibreerd camerarooster telt de zichtbare kratcellen; GPT telt dezelfde vijf zones daarna zelfstandig na. Pas op de server worden beide uitkomsten vergeleken.

Cellar Vision · vaste camera

Referentie versus actueel

Beeld- en API-contract controleren…

Wat het is

Gekalibreerde camera vision

Een meetsysteem voor een vaste camera, met geometrische beeldanalyse als teller en GPT als onafhankelijke tweede waarnemer.

Wat het doet

Voorraadverschil herkennen

Het vergelijkt referentie en actueel, telt zichtbare kratcellen per product en berekent direct het verschil.

Waarom het nuttig is

Sneller signaleren

Medewerkers krijgen een herhaalbaar voorraadsignaal met telbewijs, zodat handmatige controle alleen nodig is bij een afwijking.

Referentiebeeld van vijf drankstapels in de kelder
Afbeelding 1Referentie
Actueel beeld van dezelfde vijf drankstapels in de kelder
Afbeelding 2Actueel
Zelf proberen

Laat het vision-systeem tellen

Start wist eerst de vorige uitkomst en voert daarna één nieuwe server-side meting én onafhankelijke AI-telling uit. Geen referentieaantal, actueel aantal of verschil staat vooraf klaar.

Klaar voor een nieuwe onafhankelijke telling.

Wacht op start
Live resultaat

Nog niet geteld

Start een telling om de vijf voorraadverschillen te zien.

Model
—
Duur
—
Run
—

Referentie—

Actueel—

Verschil—

Geen hardcoded uitkomsten Het geometrische systeem kent de vijf productzones en de vorm van één zichtbaar kratfront. GPT krijgt de productnamen, beeldposities en beeldpixels, maar géén gemeten of verwacht aantal. De server vergelijkt de twee telroutes pas achteraf.

Moeilijke randcase · controleerbaar bewijs

Waarom Heineken de echte test is

De groene Heineken-stapel staat tegen de uiterste beeldrand en toont tegelijk voor-, zij- en bovenvlakken. Zonder vlakafbakening telde een los vision-model daardoor wisselend te weinig of juist drie vlakken dubbel.

De oplossing combineert twee onafhankelijke routes: geometrie telt bezette kratcellen; een contrasterend magenta perspectiefraster vertelt GPT welk verticale voorvlak het zelfstandig moet natellen. In tien opeenvolgende blinde magenta-proeven kwam GPT tien keer uit op 9 → 3.

Actueel kelderbeeld met vijf gemarkeerde zoekgebieden HCZBR
01Vaste camerazone

Zoekgebied afbakenen

Iedere drank heeft een vaste zone in het onveranderde camerabeeld. Zo kan de rode Spa Rood-zone rechts nooit bij Coca-Cola links terechtkomen.

Actueel kelderbeeld met een groene segmentatie-overlay op Heineken productpixels
02Visuele segmentatie

Productvlak isoleren

Kleur-, helderheids- en contrastregels scheiden het zichtbare kratfront van pallet, muur en schaduw. De beeldpixels bepalen wat bezet is.

Referentiebeeld met een handmatig uitgelijnd drie bij drie raster over de negen groene Heineken-kratten
03Geometrisch raster

Rijen en kolommen meten

De gekalibreerde breedte en hoogte van één krat vormen het raster. Alleen cellen met genoeg productsignaal tellen. De begeleidingskleur wordt per locatie gekozen voor maximaal contrast; bij Heineken bleek magenta het meest stabiel.

Actueel kelderbeeld met een AI-validatiepaneel AI controleert ná de meting H—? C—? Z—? B—? R—?
04Tweede waarnemer

AI telt zelfstandig na

GPT-5.6-sol krijgt de beelden en vijf productzones, maar niet de rasteruitkomsten. De server toont een vinkje wanneer de onafhankelijke AI-telling exact overeenkomt; bij verschil volgt menselijke controle.

Geen goocheltruc

Kalibratie zonder voorkennis

Vooraf gekalibreerd

  • Vijf productnamen en vaste camerazones
  • Welk beeld referentie en actueel is
  • Pixelformaat van één zichtbaar kratfront
  • Kleurprofiel, perspectief en minimale celdekking

Bij iedere run live berekend

  • Zichtbare productpixels per camerazone
  • Aantal rijen, kolommen en bezette cellen
  • Tien onafhankelijke AI-waarnemingen
  • Verschillen, overeenstemming en telbewijs

Niet vooraf bekend

  • Geen vooraf vastgelegde telling van negen
  • Geen actuele aantallen of bestelde verschillen
  • Geen verborgen benchmark in browser of prompt
  • GPT ontvangt geen geometrische aantallen
Testverslag · 31 juli 2026

Waarom deze proef overtuigt

We veranderden steeds één factor en gaven GPT nooit de juiste aantallen. Daarmee konden we zien of stabiliteit uit de beeldmethode kwam en niet uit een verborgen antwoord.

10/10Magenta voorvlak

Alle blinde Heineken-runs telden 9 → 3 en sloten zij- en bovenvlakken uit.

3/3Gele controlekleur

Ook geel leverde de juiste telling; één run rapporteerde middelmatige onzekerheid.

2/3Cyaan controlekleur

De vorm hielp, maar cyaan gaf één keer opnieuw een dubbeltelling van het bovenvlak.

6/6Live eindcontrole

Zes opeenvolgende serverruns bevestigden alle vijf producten: 60 van 60 afzonderlijke beeldtellingen gelijk.

Bekijk testopzet, beperkingen en vervolgstappen

Getest

Vrije telling, handmatig perspectiefraster, detailuitsneden, cyaan, geel en magenta. De actuele foto bleef in iedere kleurproef exact gelijk.

Bewezen

Voor deze vaste camera, deze vijf zones en deze kratformaten levert de combinatie reproduceerbare tellingen met zichtbaar bewijs. Bij een verschil krijgt de moeilijke randzone automatisch een aparte hertelling zonder antwoordhint.

Nog niet bewezen

Andere magazijnen, camera’s, lichtsituaties en kratten vereisen nieuwe kalibratie en een eigen acceptatietest.

Opschalen

Bij variabele opstellingen kunnen perspectiefmarkeringen, segmentatie en detectors zoals SAM 2 of Grounding DINO de vaste zones dynamischer maken.

Van idee naar live bewijs

Beslist binnen anderhalve werkdag

In circa twaalf actieve werkuren groeide een voorraadhypothese uit tot een werkende proof of concept én een interactieve presentatie. De kalenderdoorlooptijd van eerste beeldbestand tot live eindcontrole bleef onder de twintig uur.

De eerste uitdaging zat al in het beeld. De semi-realistische AI-illustraties vroegen gerichte promptiteraties om kratmaat, palletpositie en camerastand consistent te krijgen. Daarna volgden telstrategie, kleurproeven, foutanalyse, live integratie en reproduceerbare bewijsruns.

Dat is de advieswaarde: al aan het begin van een mogelijk langer traject aantonen of een idee technisch kansrijk is, vóórdat tijd en budget naar hardware, koppelingen en brede uitrol gaan.

±12 uurGeschatte actieve ontwikkeltijd
1,5 dagOp basis van werkdagen van acht uur
<20 uurKalenderdoorlooptijd tot live bewijs
  1. 01BeeldbasisAI-illustratie iteratief gestuurd op een geloofwaardige, consistente kelderopstelling.
  2. 02MeetmethodeGeometrie, kleurbegeleiding en AI-controle onderzocht, vergeleken en aangescherpt.
  3. 03Live bewijsDe complete keten gepubliceerd en met zes opeenvolgende eindruns gecontroleerd.

Context bij de snelheid: gestructureerde AI-proeftuinen worden vaak in weken gepland. Deze demonstrator kon sneller doordat één vaste cameraopstelling, vijf producten en een bestaande technische basis bewust centraal stonden. Praktijkvalidatie op meerdere locaties blijft een volgende fase.

Technische onderbouwing

Wat er werkelijk draait

Dit is een gekalibreerde proof of concept voor één vaste cameraopstelling, geen universele kratdetector. Als camera, licht, kratmaat of indeling verandert, moet het raster opnieuw worden gekalibreerd en gevalideerd.

Eindteller
geometry-grid-v2
AI-controle
GPT-5.6-sol onafhankelijke beeldtelling
Server
PHP GD + OpenAI Responses API
Audit
Privé JSONL · geen beelden, IP of API-sleutels
Heineken kleurproef
Magenta 10/10 · geel 3/3 · cyaan 2/3
Live eindcontrole
6/6 complete runs · 60/60 beeldtellingen gelijk
Doorlooptijd
Live gemeten, inclusief AI-validatie
Beveiliging
Same-origin controle + rate limiting