Je ogen worden moe na 50 bouten. De AI is nog maar net aan het opwarmen.
Dingen met de hand tellen lijkt eenvoudig tot het dat niet meer is. Voorbij ongeveer 30 items schakelt je brein over van tellen naar schatten. Je raakt de tel kwijt, hertelt een rij en vraagt je nog steeds af of je het goed hebt. AI-gestuurd objecten tellen pakt het anders aan: het verwerkt een heel beeld in een keer, markeert elk gevonden item en geeft binnen seconden een totaal terug. Zo werkt het.
Wat er gebeurt wanneer je een foto uploadt
Wanneer je een foto naar een AI-teltool stuurt, gebeuren er drie dingen in snelle opeenvolging.
Eerst verwerkt het systeem je afbeelding voor: het formaat wordt aangepast naar een standaardgrootte, kleuren worden genormaliseerd en de beeldverhouding wordt bijgesteld. Dit kost milliseconden.
Daarna volgt de detectie. Een computervisiemodel scant de hele afbeelding in een enkele doorgang. Moderne architecturen zoals YOLO (You Only Look Once) verdelen het beeld in een raster en voorspellen objectlocaties, classificaties en betrouwbaarheidsscores voor elke cel tegelijk. Zie het als het verschil tussen een pagina woord voor woord lezen en de hele pagina in een oogopslag opnemen.
Voor elk gevonden object geeft het model een classificatie (wat het denkt dat het object is), een locatie (coordinaten in het beeld) en een betrouwbaarheidsscore tussen 0 en 1 die aangeeft hoe zeker het is. Een score van 0.85 betekent dat het model voor 85% zeker is dat het een echt object op die plek heeft gevonden.
Tot slot filtert een betrouwbaarheidsdrempel zwakke detecties eruit. Alles onder de grenswaarde wordt verworpen, waardoor foute tellingen verminderen. De resterende detecties worden opgeteld en weergegeven als gekleurde stippen of begrenzingskaders op je originele foto: een totaaltelling plus een visuele kaart van precies wat er geteld is en waar.
Het nauwkeurigheidsverschil: waarom AI je ogen overtreft
Menselijk zicht heeft een harde limiet waar de meeste mensen nooit bij stilstaan. Cognitiewetenschappers noemen het subitizing: het brein kan direct hoeveelheden van 1 tot 4 items herkennen met bijna perfecte nauwkeurigheid. Voorbij die drempel moet je een voor een tellen, en fouten sluipen erin.
Onderzoek van Nventory wees uit dat mensen die inventaris tellen op normale werksnelheid gemiddeld ongeveer 91% nauwkeurigheid behalen, ruwweg een fout per 10 items. Dat foutenpercentage stijgt met vermoeidheid, afleiding en hoeveelheid. Als je naar 200 bevestigingsmiddelen op een plank staart, is je brein aan het gokken, niet aan het tellen.
AI wordt niet moe, raakt de tel niet kwijt en schat niet. Een fijnafgestemd YOLOv11-model dat onder echte magazijncondities is getest, behaalde 97% telnauwkeurigheid over meerdere testronden (Springer, 2026). Onder gecontroleerde omstandigheden met schone, goed verlichte afbeeldingen bereikt de nauwkeurigheid 99%. Het verschil wordt alleen maar groter naarmate de aantallen toenemen.
Bij 50 items zijn de telnauwkeurigheid van mens en AI vergelijkbaar. Bij 500 vertraagt de AI nauwelijks, terwijl jouw foutenpercentage stijgt met elke minuut die verstrijkt. Hoe hoger de telling, hoe groter het voordeel.
Snelheid: minuten versus seconden
Een magazijnmedewerker die handmatig inventaris telt, verwerkt ongeveer 250 tot 750 items per uur. Een volledige fysieke telling van een middelgroot magazijn duurt 1 tot 3 dagen met een team.
Een AI-telsysteem verwerkt een enkele afbeelding in minder dan 250 milliseconden op moderne hardware. Zelfs op een smartphone duurt het doorgaans 1 tot 3 seconden. Een foto kan honderden items bevatten, allemaal geteld in een enkele doorgang.
De berekening is eenzijdig. Een taak die een team van vier mensen een werkdag van 8 uur kost, ongeveer 2,500 artikelnummers, kan in minuten worden afgerond wanneer elke plank wordt gefotografeerd en verwerkt. Het knelpunt verschuift van tellen naar fotograferen.
Waar AI-telling moeite heeft
AI-telling is niet onfeilbaar. De zwakke punten kennen helpt je beslissen wanneer je erop kunt vertrouwen en wanneer je het resultaat moet controleren.
Het model ziet alleen wat aan de oppervlakte is. Items die eronder begraven liggen zijn onzichtbaar voor de camera. Onderzoek van ICCV 2025 bevestigde dat gestapelde objecten een van de moeilijkste telproblemen blijven.
Items kleiner dan ongeveer 20 pixels in het beeld worden moeilijk te onderscheiden van ruis. Foto's met hogere resolutie helpen, maar er is een praktische limiet.
Naarmate objecten dichter op elkaar staan, kan het model aangrenzende items samenvoegen tot een enkele detectie of objecten missen die tussen andere ingeklemd zitten.
Glas, doorzichtig plastic en glanzende oppervlakken missen duidelijke randen, wat leidt tot gemiste of fantoomtellingen.
Tellingen boven de 1,000 in een enkele afbeelding versterken kleine fouten per object tot merkbare totalen. Opdelen in meerdere foto's lost dit op.
Wanneer handmatig tellen nog steeds wint
AI heeft zichtbare objecten in een foto nodig. Er zijn situaties waarin menselijk oordeel nog steeds het betere instrument is:
- Minder dan 10 items - Het subitizing-vermogen van je brein maakt een snelle blik sneller dan welke app dan ook.
- Volledig verborgen objecten - Items in gesloten dozen, achter muren of onder andere voorwerpen zijn onzichtbaar voor een camera.
- Gemengde onregelmatige stapels - Een wirwar van zeer verschillende objecten in willekeurige richtingen kan modellen verwarren die visuele consistentie verwachten.
- Geen camera beschikbaar - Soms is de snelste weg gewoon met de hand tellen.
De praktische scheidslijn: als alle objecten duidelijk zichtbaar zijn en er meer dan ongeveer 20 zijn, levert AI vrijwel altijd een sneller en nauwkeuriger resultaat.
Conclusie
AI-gestuurd tellen is nu sneller, nauwkeuriger en consistenter dan handmatig tellen voor de meeste praktische scenario's. De resterende beperkingen zijn reeel maar goed begrepen, en ze krimpen met elke nieuwe modelgeneratie.
De volgende keer dat je voor een plank met onderdelen, een bak met componenten of een pallet met dozen staat, probeer dan een foto te nemen in plaats van met de hand te tellen. Je hebt binnen seconden een antwoord, en het zal waarschijnlijk nauwkeuriger zijn dan het jouwe.