Bij inspecties, opleveringen en onderhoud van technische installaties worden nog vaak losse foto's genomen die later handmatig worden verwerkt tot een rapport. EquipLens brengt dat hele proces samen in één mobiele app: van foto tot gestructureerd, doorzoekbaar en exporteerbaar overzicht van apparatuur en componenten.
Foto's van apparatuur zeggen op zichzelf weinig: zonder context (welk merk, type, serienummer, locatie) is een fotoarchief al snel een onbeheersbare stapel data. Het handmatig labelen en ordenen van honderden foto's per project kost veel tijd, is foutgevoelig en levert geen consistent, deelbaar eindresultaat op. De uitdaging was om dit proces te versnellen zonder in te leveren op nauwkeurigheid en zonder de technicus op locatie te belasten met omslachtige invoerschermen.
We hebben een native mobiele app gebouwd met .NET MAUI die de camera, een lokale SQLite-database en meerdere AI-providers (o.a. Gemini, OpenAI, Claude) combineert tot één workflow waarin fotograferen, herkennen en rapporteren naadloos in elkaar overlopen. Door AI-analyse als uitwisselbare provider te ontwerpen blijft de app onafhankelijk van één leverancier en eenvoudig uit te breiden.
Een werkende cross-platform app waarmee een technicus op locatie apparatuur fotografeert, deze automatisch door AI laat herkennen en taggen, en binnen enkele minuten een compleet, gestructureerd PDF- of Excel-rapport kan genereren — zonder handmatig overtypen of naderhand uren aan administratie.