Hoe een wijnherkenningsapp van een foto een fles maakt

Een wijnherkenningsapp is software die visuele informatie uit een wijnfoto omzet in een gerangschikte lijst met mogelijke flessenrecords. De app moet pixels omzetten in bruikbare aanwijzingen en die vervolgens vergelijken met records die specifieke wijnen beschrijven. Een wijnherkenningsapp voert daarom herkenning en zoekopdrachten uit, in plaats van alleen informatie op te zoeken die al in de foto besloten ligt.

Detectie is het proces waarbij een fles, etiket, capsule, schapkaartje of ander relevant gebied in de foto wordt gelokaliseerd. Lezen is het proces waarbij zichtbare aanwijzingen worden gehaald uit informatie zoals producent, wijnnaam, appellation, jaargang, aanduiding van het druivenras, flesvorm, etiketindeling en grafische kenmerken. Matching is het vergelijken van de uitgelezen aanwijzingen met mogelijke flessenrecords. Rangschikken is het ordenen van die records van waarschijnlijker naar minder waarschijnlijk. Detectie, lezen, matching en rangschikken zijn afzonderlijke taken. Dat helpt verklaren waar een onjuist resultaat is ontstaan.

Een foto van dichtbij kan de leesfase gedetailleerde informatie leveren. De naam van de producent kan leesbaar zijn, de jaargang kan zichtbaar zijn en de typografie van het etiket kan de gefotografeerde wijn onderscheiden van een andere fles van dezelfde producent. Bij matching kan het gecombineerde bewijs worden gebruikt, in plaats van één los woord of ontwerpelement. Een bekende producentennaam is op zichzelf zwak bewijs, omdat een producent wijnen uit verschillende plaatsen, van verschillende druiven, uit verschillende reeksen en oogstjaren kan uitbrengen met verwante etiketontwerpen.

Het resultaat dat een wijnherkenningsapp toont, is meestal een voorgestelde identiteit en geen bewijs dat de gefotografeerde fles en het teruggegeven record identiek zijn. Een bruikbaar resultaat stelt de gebruiker in staat om de voorgestelde producent, wijnnaam, herkomstvermelding en jaargang te vergelijken met de werkelijke fles. De vergelijking moet zich richten op details die op de fles zichtbaar zijn, in plaats van ervan uit te gaan dat elk veld in het flessenrecord op de foto is waargenomen.

Zie hoe je een wijnetiket leest voor uitleg over de elementen op een etiket die kunnen worden gebruikt om een flessenrecord te controleren. Begrippen als appellation, aanduiding van het druivenras, cuvée en jaargang worden ook behandeld in de wijnbegrippenlijst.

In de App Store van Apple staat Wine Vintage Scanner - VinSip vermeld en wordt VAST FLOW als uitgever genoemd. De vermelding van Apple bevestigt de gepubliceerde appnaam en uitgever, maar maakt niet elke foto even goed identificeerbaar. Detectie, lezen, matching en rangschikken blijven afhankelijk van de visuele informatie die de foto levert.

Het scannen van een heel schap werkt anders omdat schapherkenning wijnen in een scène rangschikt, terwijl herkenning van één fles een al geselecteerde fles identificeert. Een schapfoto kan overlappende flessen, reflecties, gedeeltelijke etiketten, schapkaartjes, prijskaarten en concurrerende tekst bevatten. Een close-up van een fles beperkt de herkenningstaak tot informatie die bij de geselecteerde fles hoort.

Bij schapherkenning moeten eerst gebieden worden gelokaliseerd die waarschijnlijk bij flessen of etiketten horen, voordat de leesfase ze kan interpreteren. De leesfase kan te maken krijgen met onvolledige woorden, scheefstaande etiketten, tekst die door flessenhalzen wordt bedekt of etiketten die deels door naburige flessen aan het zicht worden onttrokken. Matching kan nog steeds mogelijke flessenrecords samenstellen uit fragmenten, maar bij het rangschikken moet de relatie tussen elk resultaat en zijn positie in de schapfoto behouden blijven.

Een wijnherkenningsapp moet schapherkenning niet behandelen als een losse verzameling close-ups van etiketten. De app moet mogelijke flessenrecords koppelen aan de zichtbare posities die de informatie hebben opgeleverd. Als die koppeling verloren gaat, kan de app tekst van een zichtbare fles combineren met het grafische ontwerp van een naburige fles en een echte wijn teruggeven die op de aangegeven positie niet werkelijk staat.

Schapherkenning kan het best worden gezien als een antwoord op de vraag: “Welke wijnen zijn waarschijnlijk zichtbaar voor de camera?” Schapherkenning levert niet automatisch alle details van een fles die later van het schap wordt gehaald. Een foto van dichtbij blijft nuttig nadat de gebruiker een fles heeft gekozen, omdat daarop mogelijk de jaargang, appellation, producentdetails of informatie over de reeks zichtbaar worden die in de schapfoto niet konden worden vastgesteld.

Bij herkenning van één fles heeft de gebruiker meer controle over het bewijsmateriaal. Het etiket kan worden gecentreerd, de camerahoek kan worden aangepast, schittering kan worden verminderd en de achterkant van het etiket of de capsule kan worden gefotografeerd als het vooretiket onduidelijk is. Extra informatie kan wijnen met vergelijkbare namen van dezelfde producent van elkaar onderscheiden of een bepaalde release scheiden van een visueel verwante release.

De presentatie van resultaten moet aansluiten bij de herkenningstaak. Een schapresultaat wordt bruikbaarder wanneer plausibele kandidaten aan zichtbare flesposities worden gekoppeld. Bij een resultaat voor één fles is het nuttig om het voorgestelde flessenrecord naast de details van het etiket te tonen die de match ondersteunen. Mensen die de doelen en beperkingen van beschikbare diensten vergelijken, kunnen de gids voor de beste wijnapps raadplegen, maar moeten er rekening mee houden dat een sterke dienst voor schapherkenning en een sterke dienst voor herkenning van één fles niet noodzakelijk dezelfde taak oplossen.

Wijnherkenning kan misgaan tijdens detectie, lezen, matching of rangschikken. Een fout in een vroege fase kan ongeschikte informatie doorgeven aan elke volgende fase, terwijl een fout bij het rangschikken een ongeschikte kandidaat boven de juiste kandidaat kan plaatsen, zelfs wanneer het juiste flessenrecord beschikbaar is. Door vast te stellen om welke fase het gaat, wordt duidelijk of een scherpere foto, extra informatie van het etiket of een handmatige correctie de juiste reactie is.

Detectie mislukt wanneer de wijnherkenningsapp het relevante etiket of de relevante fles niet van de foto kan isoleren. Detectie is verantwoordelijk voor problemen die ontstaan doordat een fles buiten beeld staat, door een ander object wordt bedekt, binnen een schapscène te klein is, door schittering verborgen wordt of visueel opgaat in een drukke achtergrond. Als de verkeerde regio wordt geselecteerd, kunnen lezen en matching nauwkeurig werken met informatie die bij het verkeerde object hoort.

Lezen mislukt wanneer de relevante regio wel is gevonden, maar de zichtbare aanwijzingen niet betrouwbaar kunnen worden uitgelezen. De leesfase is verantwoordelijk voor problemen met onscherpe letters, vervorming door een gebogen etiket, decoratieve lettertypes, weinig contrast, schaduwen over tekst en een jaargang die aan de rand van het etiket verborgen is. Een leesfout kan een producentennaam veranderen in een vergelijkbare naam, appellationinformatie weglaten of een gedrukt teken als een letter interpreteren. Een betere focus of extra beeld kan het lezen verbeteren, maar duidelijke tekst kan een flesgebied dat door de detectie niet is gevonden niet corrigeren.

Matching mislukt wanneer de wijnherkenningsapp bruikbare aanwijzingen heeft uitgelezen, maar ze niet aan het juiste flessenrecord kan koppelen. Matching kan worden bemoeilijkt door onvolledige records, alternatieve etiketuitvoeringen, naamgevingsconventies per markt en zichtbare tekst die de wijn niet uniek onderscheidt. Een producent kan ook verwante wijnen maken die een familienaam en visuele stijl delen. Een bruikbare wijnherkenningsapp moet onzekerheid behouden wanneer het beschikbare bewijs meerdere kandidaten ondersteunt, in plaats van een exacte identiteit af te dwingen.

Het rangschikken mislukt wanneer het juiste flessenrecord beschikbaar is, maar een andere kandidaat prominenter wordt weergegeven. Het bovenste resultaat kan er toch overtuigend uitzien, omdat het een echte wijn van dezelfde producent kan beschrijven of een verwant etiketontwerp kan gebruiken. Door het voorgestelde resultaat te vergelijken met de producent, herkomst, wijnnaam, cuvéevermelding en jaargang op de fles, controleer je daarom zowel de uitkomst van het rangschikken als de informatie die door eerdere fasen is aangeleverd.

Een gebruiker kan een herkenningsfout onderzoeken door een beperkt deel van de informatie aan te passen voordat hij opnieuw scant. Een strakkere foto van het etiket test of de app het centrale etiket kan detecteren en lezen. Een foto met het volledige vooretiket test of tekst en indeling samen de matching verbeteren. Een foto van het achteretiket kan informatie over herkomst, importeur, botteling of druiven leveren die anders vergelijkbare flessenrecords van elkaar onderscheidt.

Een resultaatpagina die zelfverzekerd oogt, garandeert niet dat de scan klopt. Zekerheid maakt deel uit van de rangschikkingsuitkomst van de app, terwijl de fysieke fles het object blijft waaraan de voorgestelde identiteit moet worden getoetst. Een flessenrecord moet voorzichtig worden gebruikt wanneer zichtbare details op het etiket niet overeenkomen met de teruggegeven producent, herkomst, wijnnaam of jaargang.

Een wijnherkenningsapp kan de juiste wijn en de verkeerde jaargang noemen omdat de producent, naam van de reeks en het etiketontwerp visueel duidelijker kunnen zijn dan het oogstjaar. De jaargang is het oogstjaar dat voor een wijn wordt vermeld. De jaargang kan in kleine letters staan, in een gebied met weinig contrast, aan de rand van het etiket of op een capsule in plaats van op het meest opvallende deel van het ontwerp.

Een flessenrecord kan daardoor de juiste wijnfamilie identificeren terwijl de jaargang onleesbaar of onzeker blijft. Ook kan matching een jaargangsfout veroorzaken wanneer er een geschikt record voor de wijn bestaat, maar de beschikbare afbeelding of bijbehorende databasematerialen een andere release beschrijven. Een producent kan hetzelfde verwante vooretiketontwerp voor verschillende jaargangen behouden, waardoor er onvoldoende zichtbare informatie is om de gefotografeerde release van een andere release te onderscheiden.

Bij het rangschikken kan de juiste producent en wijnnaam boven alternatieven worden geplaatst, terwijl er een beschikbare jaargang aan wordt gekoppeld die niet op de fles staat. De wijnnaam en jaargang moeten daarom als afzonderlijke velden worden gecontroleerd. Een juiste match met de producent betekent niet dat elk detail in het teruggegeven flessenrecord op de gefotografeerde fles van toepassing is.

De eigen jaargangsvermelding van de fles moet worden vergeleken met het voorgestelde flessenrecord voordat het resultaat wordt gebruikt voor aankoopbeslissingen, kelderregistratie, proefnotities of scorevergelijkingen. Als een wijn als non-vintage is geëtiketteerd, is de afwezigheid van een oogstjaar betekenisvol en mag die niet worden vervangen door een geraden jaargang. Een databaseveld mag duidelijke tekst op de fysieke fles niet overschrijven.

Het alcoholgehalte is een ander etiketveld dat niet als een exacte laboratoriummeting moet worden behandeld. De Europese Unie stelt in Verordening (EU) 2019/33 dat het op een etiket gedrukte alcoholgehalte tot 0,5% vol. mag afwijken van het geanalyseerde gehalte. Een wijnherkenningsapp kan het gedrukte alcoholgehalte correct lezen en toch een etiketvermelding rapporteren die binnen de door Verordening (EU) 2019/33 van de Europese Unie toegestane tolerantie valt.

Fouten in de jaargang zijn belangrijk omdat een bijbehorende score of beoordeling over een andere release kan gaan dan de fles die wordt gescand. Raadpleeg hoe wijnscores worden uitgelegd voordat je op een score in een flessenrecord vertrouwt, en controleer of de score betrekking heeft op dezelfde wijn en jaargang als op de fysieke fles.

Nadat een wijnherkenningsapp een flesidentiteit heeft voorgesteld, kan de app het flessenrecord ordenen in informatie die iemand kan beoordelen en gebruiken. Het getoonde record kan de producent, wijnnaam, jaargang, herkomst, informatie over druiven, het op het etiket gedrukte alcoholgehalte, proefnotities, scores, functies voor opgeslagen flessen en verwante wijnen bevatten. Het herkenningsproces legt de link tussen de foto en het flessenrecord, maar de bruikbaarheid van het resultaat hangt ervan af of het record waargenomen informatie duidelijk onderscheidt van aanvullende informatie.

Waargenomen details zijn aanwijzingen die in de foto zichtbaar zijn, zoals een leesbare producentennaam, herkomstterm, wijnnaam of jaargang. Aanvullende informatie is materiaal dat aan het flessenrecord is gekoppeld en niet rechtstreeks uit de foto is gelezen, zoals notities van de community, stijlomschrijvingen, scores of aanbevelingen. Door waargenomen details gescheiden te houden van aanvullende informatie begrijpt de gebruiker beter waarom de app dit resultaat heeft voorgesteld en welke velden nog met de fles moeten worden vergeleken.

Een wijnherkenningsapp is nuttiger wanneer de weg van foto naar flessenrecord begrijpelijk blijft. Het tonen van het gedetecteerde etiketgebied, de herkende tekst of de velden waarop de match is gebaseerd, kan de gebruiker helpen zien dat een producentennaam correct is gelezen terwijl een jaargang uit een ander record is afgeleid. Een onverklaard resultaat kan onzekerheid verbergen achter een verzorgde flessenpagina.

Wijnaanbevelingen zijn een toepassing van het flessenrecord, maar aanbevelingen maken geen deel uit van visuele herkenning. Nadat een app een producent, herkomst, stijl of druif heeft voorgesteld, kan hij wijnen tonen die bepaalde kenmerken delen. Gedeelde kenmerken kunnen helpen bij het ontdekken van andere wijnen, maar bewijzen niet dat de wijnen hetzelfde smaken of dat een aanbevolen fles dezelfde ervaring zal geven als de gescande fles.

Ook herkomstinformatie kan context bieden voor het flessenrecord. Plaats, groeiomstandigheden en keuzes van de producent kunnen bijdragen aan het karakter van een wijn. Herkomst moet daarom niet als decoratieve tekst worden behandeld. De gids over terroir begrijpen legt uit hoe informatie over de plaats de interpretatie van een wijn kan beïnvloeden.

Een wijnherkenningsapp kan de gebruiker de mogelijkheid geven om een fles op te slaan, te vergelijken of te registreren. Registratie blijft nuttig wanneer het oorspronkelijke herkenningsresultaat onzeker is, op voorwaarde dat de voorgestelde identiteit kan worden gecorrigeerd. Een aanvankelijke verkeerde match moet geen permanent persoonlijk record worden alleen omdat het handig is om het voorgestelde resultaat op te slaan.

Flesidentificatie is geen diagnose van de toestand van een fles. Een wijnherkenningsapp kan de verwachte stijl van een flessenrecord beschrijven, maar een foto van het vooretiket kan niet bepalen of de specifieke wijn kurk heeft, geoxideerd is of op een andere manier is aangetast. Gebreken moeten aan de wijn zelf worden beoordeeld. Zie wijngebreken en hun betekenis voor het onderscheid tussen verwachte kenmerken en gebreken in een uitgeschonken wijn.

Een wijnherkenningsapp is het verkeerde hulpmiddel wanneer de vraag gaat over de toestand, authenticiteit, herkomst, opslaggeschiedenis of exacte inhoud van een specifieke fles. Een foto kan helpen bij het identificeren van zichtbare verpakking, maar etiketherkenning kan niet vaststellen hoe een fles is opgeslagen, of de afsluiting de wijn heeft beschermd of of de inhoud overeenkomt met de verpakking. Voor die vragen is meer bewijs nodig dan detectie, lezen, matching en rangschikken.

Een wijnherkenningsapp is ook ongeschikt wanneer de foto weinig onderscheidende visuele informatie bevat. Een fles zonder zichtbaar etiket, een generieke huiswijnfles, een sterk afgedekte fles of een onscherpe schapfoto levert mogelijk onvoldoende informatie voor herkenning. Een passend resultaat kan dan onzekerheid zijn, een verzoek om een duidelijker beeld van het etiket of een groep plausibele flessenrecords. Een gedwongen exacte naam is minder nuttig dan een duidelijke mededeling dat de foto geen exacte identificatie ondersteunt.

De omvang van een database neemt de behoefte aan bruikbare visuele informatie niet weg. Vivino vermeldt zelf een omvang van 74 miljoen gebruikers, 3,26 miljard gescande etiketten en 19,6 miljoen wijnen in de database. Deze gepubliceerde cijfers beschrijven de schaal van de dienst, maar garanderen niet dat elke fles, etiketuitvoering, jaargang of marktgebonden release vanuit elke foto kan worden gematcht.

VinSip beweert niet de grootste wijndatabase te hebben. De omvang van een database bewijst op zichzelf niet dat een bepaalde foto de aanwijzingen bevat die nodig zijn voor het juiste flessenrecord. Herkenning kan nog steeds mislukken wanneer de betreffende fles wel in een database staat, maar de producent, wijnnaam, herkomst of jaargang niet uit de ingezonden foto kan worden gelezen.

Populariteit in een appstore staat los van de herkenningsnauwkeurigheid bij een specifieke fles. Apple vermeldt Vivino zowel onder Food & Drink als onder Shopping, en op de App Store-kaart van Apple staan 133.899 beoordelingen met gemiddeld 4,84 op 7 augustus 2026. De beoordelingsinformatie van Apple kan beschrijven hoe gebruikers in het algemeen op Vivino hebben gereageerd, maar controleert geen voorgestelde jaargang en bewijst niet dat een schapkandidaat overeenkomt met de fles voor de camera.

Bij een geselecteerde fles is een betrouwbaar gebruik van een wijnherkenningsapp het verkrijgen van een flessenrecord en dat vervolgens vergelijken met het zichtbare etiket. Bij een schap is een betrouwbaar gebruik het rangschikken van wijnen die aanwezig lijken te zijn en daarna een foto van dichtbij maken van de gekozen fles. Vragen die niet aan de hand van zichtbare verpakking kunnen worden beantwoord, vereisen directe inspectie, documentatie van de verkoper, herkomstregistratie, sensorische beoordeling of deskundige professionele evaluatie.