Home » Productie Industrie » Productie Automatisering » Machine vision » Fizyr verkort cameracertificering van weken naar dagen
Door: Redactie - 18 november 2026 |
Fizyr heeft het testproces voor nieuwe industriële camera’s drastisch verkort. Waar de cameracertificering vroeger weken duurde, meldt het Delftse bedrijf nu dat de doorlooptijd nog een paar dagen bedraagt. Lokale AI-agenten voeren het grootste deel van de tests zelf uit, van het samenstellen van het testprogramma tot het schrijven van het eindrapport, via het Model Context Protocol.
Fizyr OS is gebouwd voor vision systemen op basis van industriële 2D- en 3D-camera’s van verschillende fabrikanten. Dat geeft systeemintegratoren de vrijheid om een camera te kiezen op basis van prijs, levertijd, beschermingsklasse of een bestaande leveranciersrelatie. Voor Fizyr betekent die vrijheid dat het bedrijf elke nieuwe camera grondig moet testen voordat hij in een productieomgeving mag draaien. Dat proces, de cameracertificering, verliep vroeger in enkele weken. In het eigen agentic testlab van het bedrijf zegt productmanager Salah Alshaal daarover: “Our time to certify a new camera dropped from weeks to a few days.” Ingenieurs bepalen vooraf aan welke eisen een camera moet voldoen, waarna AI-agenten een testprogramma samenstellen, de testopstelling bedienen en de resultaten vergelijken met eerder vastgelegde referentiewaarden. Testreeksen lopen regelmatig ’s nachts door, zodat er elke ochtend nieuwe resultaten liggen.
De cameracertificering van Fizyr bestaat uit vier onderdelen. Bij de integratietests kijkt Fizyr naar het gedrag van drivers, de timing van triggers en synchronisatie, de verwerkingstijd van beelden en het herstel na storingen, meestal de plek waar nieuwe hardware het eerst faalt. Daarna volgt de montagegeometrie: hoe het gezichtsveld en de dekking van de bovenste laag van een pallet veranderen bij verschillende montagehoogtes, en hoe occlusie aan de randen toeneemt naarmate de stapel slinkt. Ook beoordeelt het bedrijf de kwaliteit van de puntwolk en scoort daarbij tegen eigen referentieopnames in plaats van fabrikantspecificaties, juist omdat donkere, glanzende, transparante of verpakte oppervlakken vaak voor ontbrekende metingen zorgen. Tot slot test het bedrijf de industriële robuustheid: langdurige belasting, trillingen, stof, duty cycles op productiesnelheid en herstel na een stroomonderbreking. De testresultaten tonen dat machinevisie sterk afhankelijk is van de montagepositie: een camera die op papier een goede puntwolk levert, kan alsnog moeite hebben met polybags of glanzende verpakkingen zodra hij 40 centimeter hoger hangt.
De AI-modellen draaien bewust op de eigen hardware van Fizyr, in het eigen lab, wat volgens het bedrijf drie redenen heeft. Ten eerste blijft klantdata, vaak onder geheimhoudingsafspraken, binnen de eigen infrastructuur. Ten tweede gaat het bij de cameracertificering om grote volumes, duizenden opnames en puntwolken in volledige resolutie, waarbij lokale verwerking de kosten voorspelbaar houdt. Ten derde blijft het lab werken zonder afhankelijkheid van de beschikbaarheid, gebruikslimieten of versiewijzigingen van een externe AI-dienst. Dat past in een bredere trend binnen productie automatisering, waarin testprocessen zelf ook steeds autonomer verlopen.
Voor de koppeling tussen de AI-agenten en de testapparatuur gebruikt Fizyr het Model Context Protocol. De testhardware is ontsloten als MCP-server: camerabesturing, het bewegings-, verlichtings- en montagerek, de dataopslag, de benchmarktool van Fizyr OS, de scoringstack en de rapportage zijn via één protocol bereikbaar. Voor een nieuwe camera hoeft Fizyr alleen een dunne MCP-laag te bouwen op de software-interface van die camera. Testlogica, scoring en rapportage blijven daarna ongewijzigd bij de cameracertificering, waardoor de testpijplijn zijdelings meegroeit in plaats van dat Fizyr hem telkens opnieuw opbouwt. Dezelfde tools zijn ook rechtstreeks beschikbaar voor medewerkers, die zo een opname kunnen opvragen of een eerdere meting opnieuw kunnen uitvoeren.
Een camera die eenmaal is goedgekeurd, blijft daarna in de testloop zolang hij in productie draait. Nieuwe releases van Fizyr OS, updates aan de visiemodellen of nieuwe firmware of API’s van camerafabrikanten kunnen namelijk invloed hebben op de prestaties. Bij zo’n wijziging draait de testsuite opnieuw, zowel tegen opgeslagen datasets als tegen de fysieke testopstelling, en vergelijkt Fizyr het resultaat met de oorspronkelijke certificeringswaarde. Zo signaleert het bedrijf afwijkingen voordat een update bij een klant ingaat. Voor de maakindustrie betekent dit vooral dat integratoren keuzes over camerahardware al in de ontwerpfase kunnen onderbouwen, in plaats van pas tijdens de inbedrijfstelling. Deze doorlopende cameracertificering voorkomt dat een update ongemerkt de prestaties van een camera verandert.
Fizyr begon in 2014 als Delft Robotics, een spin-off van de TU Delft, en ging in 2017 verder onder de naam Fizyr. Het bedrijf uit Delft won in 2016 twee keer de Amazon Picking and Stowing Challenge en bouwde zijn visiesoftware sindsdien uit tot Fizyr OS. Dat die integratoren zelf mogen kiezen uit uiteenlopende cameramerken, blijft voor Fizyr dus een doorlopende testverplichtng, maar wel een die inmiddels in dagen in plaats van weken is te doorlopen.
Dit artikel delen op je eigen website? Geen probleem, dat mag. Meer informatie.