Live wedstrijdanalyse in het volleybal
In het volleybal breken zowel onze Yellow Tigers als de Red Dragons internationale potten, met spelers als Britt Herbots, Ferre Reggers en Sam Deroo. Hun coach wil niet wachten tot na de match om te weten welke opstelling het efficiënts is, welke speelzone het meeste gevaar oplevert. Bijsturing op basis van accurate data gebeurt best op het moment zelf.
Op de meeste niveaus van het Belgische volleybal gebeurt vandaag het tegenovergestelde: coaches en scouts geven elk balcontact, elke spelsituatie manueel in, wedstrijd na wedstrijd. Emma en Arnor, twee ervaren volleyballers met een ingenieursdiploma op zak, brengen daar verandering in. Met SmashVision bouwden ze een AI-tool dat wedstrijdbeelden automatisch analyseert, ook live tijdens de wedstrijd zelf. Met innovatieve starterssteun van VLAIO zette het duo uit Herent zo de stap van eigen frustratie naar een gewild product.
Vijftien uur scouten per week
Emma van Doren en Arnor Van Leemputten hebben het probleem bij wijze van spreken aan den lijve ervaren. Beiden spelen volleybal en beach volleybal op het allerhoogste niveau. Ze zitten er met hun neus op: hoe coaches, assistenten of scouts door videomateriaal van wedstrijden struinen om balcontact per balcontact, spelfase per spelfase manueel alle relevante spelinzichten in een computer in te geven. Ook coaches op een iets lager niveau bekijken wel drie tot vier wedstrijden per week als voorbereiding, en zijn daar al snel vijftien uur mee bezig. "Zulke tijdsbesteding is niet meer van deze tijd, dat moet performanter kunnen," zegt Emma. "Wij kunnen dat nu volledig automatisch doen."
Beide founders zijn ingenieur van opleiding. Emma studeerde en werkte in computervisie en kunstmatige intelligentie, Arnor bouwde ervaring op langs de kant van klantenbegeleiding en bedrijfsontwikkeling bij startups. "Die twee expertises hebben we gecombineerd en er een product uit gemaakt." Alles werd inhouse ontwikkeld, zonder externe consultants.
Een prototype dat al meespeelt
Begeleid door VLAIO-bedrijfsadviseur Bruno Van de Casteele, zelf een volleybalfanaat, bouwde SmashVision met innovatieve starterssteun van VLAIO een eerste prototype. "We hadden meteen een goede verstandhouding," zegt Emma. "Hij interesseerde zich echt voor het onderwerp en hielp ons bij het formuleren van onze uitdaging en de administratieve vragen." Naast de inhoudelijke begeleiding was de verkregen financiering doorslaggevend: "Zonder die steun denk ik niet dat we de sprong gewaagd zouden hebben."
Dat prototype is intussen al lang geen prototype meer. SmashVision sloot een driejarig contract met Topvolley Belgium, dat alle Belgische jeugdploegen omvat. Ook de Yellow Tigers gebruiken SmashVision om trainingen te analyseren. Ook teams in verschillende Europese landen zetten de tool in, van grotere ploegen met een abonnement tot kleinere clubs die per wedstrijd betalen.
Die succesvolle adoptie brengt meteen een volgende uitdaging met zich. Het systeem haalt vandaag een nauwkeurigheid van ongeveer tachtig procent. Dat is ruim voldoende voor trainingen en voor clubs op lagere niveaus. Op het absolute topniveau ligt de lat hoger. "Voor topsport volstaat tachtig procent niet", zegt Emma. "Daar moeten we minstens vijfennegentig procent." Vandaag werkt ons tool met één camera. Dat heeft zo zijn beperkingen: spelers die voor elkaar staan, rugnummers die niet zichtbaar zijn, bepaalde hoeken die wegvallen.”
Met een haalbaarheidsstudie onderzoekt SmashVision daarom hoe het beelden van meerdere camera's tegelijk kan combineren en verwerken. "Die haalbaarheidsstudie is nog maar de start," zegt Emma. "Het idee is dat het uitmondt in een ontwikkelingsproject, zodat we daar echt op kunnen inzetten." Ook voor dat volgende traject blijft Bruno Van de Casteele hun aanspreekpunt.
Duizenden balcontacten om uit te leren
Achter die live-analyse gaat een aanzienlijke trainingsinspanning schuil. Een model dat balcontacten, speelrichtingen en actietypes herkent, leert dat niet vanzelf: het moet duizenden speelmomenten voorgeschoteld krijgen, telkens gelabeld als opslag, aanval, blok of fout, voor het die patronen kan onderscheiden. Elke nieuwe wedstrijd van elke nieuwe gebruiker levert daarna nieuwe data op, waarmee het model wekelijks wordt bijgeschoold. Zo groeit niet alleen de nauwkeurigheid, maar ook de waarde die SmashVision aan coaches levert.
SmashVision vond intussen ook steun én een thuis bij accelerator imec.istart, dat kantoorruimte in Leuven voorziet en hen nuttige businessinzichten aanreikt. Het kernteam bestaat nog altijd uit Emma en Arnor, aangevuld met freelance versterking. "Er is zoveel dat nog moet gebeuren," besluit Emma. "Dat is met een klein team lastig vol te houden. We zijn van plan om snel verder te groeien."
