Swap My Wheels: eerst zien, dan schroeven

Sidequests · 21 August 2026 · 7 min read

Swap My Wheels: look first, bolt on later

Een set nieuwe velgen voor je auto kost al snel 1500 euro. En of ze echt mooi staan, weet je pas als ze eronder zitten. Dat vond ik zonde. Daarom bouwde ik in augustus 2026 Swap My Wheels. Je uploadt een foto van je eigen auto en kiest een set velgen. Je krijgt dan een AI-afbeelding terug van jouw auto op die velgen.

Het idee

De eerste versie is alleen voor BMW’s. Dat is mijn eigen merk, en zo blijft de catalogus klein. Het werkt zo:

  • je uploadt een foto van je auto
  • je kiest een velg uit de catalogus, of je uploadt een foto van een velg die je ergens hebt gezien
  • je krijgt een afbeelding van jouw auto op die velgen.

Elke render kost één credit. Credits koop je in bundels: 5 voor €4,95, 15 voor €11,95 of 40 voor €24,95. Een nieuw account krijgt er één gratis om het te proberen. Later wil ik geld verdienen met affiliate-links naar webshops die de velgen verkopen, maar dat zit nog niet in deze versie.

Het project begon als Velgenwissel.nl. Na drie dagen werd het één merk in drie talen: swapmywheels.nl, swapmywheels.com en swapmywheels.de. Het domein bepaalt de taal.

De homepage van swapmywheels.nl

Zo werkt het

De originele foto: een BMW 5-serie Touring op de standaard velgen

Je hebt geen account nodig om een foto te uploaden. Pas als je wilt renderen, log je in. Je eerdere uploads verhuizen dan mee naar je account.

Bij het uploaden haalt de site meteen alle EXIF-gegevens uit de foto, dus ook je GPS-locatie. Foto’s en renders staan op een privéschijf, en alleen jij kunt ze zien. Na 30 dagen gooit de site de originelen weg. Ik heb ook bewust geen beheerscherm gemaakt waarin ik door de autofoto’s van anderen kan bladeren. Daar staan kentekens op, en dat is niet nodig.

Daarna gebeurt dit:

  1. Grounding DINO, een model dat objecten in een foto vindt, zoekt de wielen. De zoekterm is letterlijk “wheel”.
  2. Een filter gooit vreemde vakjes weg en houdt maximaal vier wielen over.
  3. Googles nano-banana-model krijgt de hele foto en een foto van de nieuwe velg, met de opdracht om alleen de wielen te veranderen.
  4. Alleen de wielen uit het resultaat gaan terug in jouw originele foto. Al het andere blijft van jou, pixel voor pixel.

Dezelfde foto met nieuwe bicolor velgen. Achtergrond en kenteken zijn niet veranderd.

Een render duurt ongeveer tien seconden en kost mij een paar cent.

Drie versies van de render-pipeline

De pipeline zag er niet meteen zo uit. Op dag één gebruikte ik OpenAI’s gpt-image-1. Dat werkte, maar het model tekende de hele foto opnieuw. Kijk maar naar het kenteken, de bomen en de reflecties: allemaal net een beetje anders. Het duurde ook 75 seconden, en drie van de eerste vier echte renders liepen vast op een timeout.

Een van de eerste renders: de velgen kloppen, maar de hele foto is opnieuw getekend

Daarna stapte ik over op nano-banana via Replicate. Dat was sneller (tien seconden in plaats van 75) en goedkoper (6,7 dollarcent in plaats van 12,8). In mijn eigen vergelijking bleef het ook dichter bij de originele foto. Alleen schoof het model soms de uitsnede op, zoals hieronder.

Een render met nano-banana: mooie velgen, maar de auto is ingezoomd en verschoven

Mijn oordeel toen: “Dit is enigszins acceptabel, maar ik heb liever dat het helemaal niet gebeurt.” Daarom kwam er een derde stap. Grounding DINO zoekt de wielen, en alleen die stukken plakt de site terug in de originele foto, met een zachte rand.

Eerst stuurde ik alleen uitsnedes van de wielen naar het model. Na een mislukte render in productie draaide ik dat om. Het model krijgt nu de hele foto, zodat het de context snapt. Daarna knip ik alleen de wielen uit het antwoord. Een render kost sindsdien 8 cent in plaats van 15.

De velg die ik als referentie gebruikte: een M Performance-velg op een witte achtergrond

Het resultaat met de compositie-pipeline: alleen de wielen zijn nieuw

Eén probleem heb ik nog niet opgelost. Soms geeft het model de auto terug op de originele velgen. Daarom zit er een knop “Retry for free” op de resultaatpagina: je mag één keer gratis opnieuw proberen.

AI-afbeeldingen herkenbaar maken

Door de Europese AI Act (artikel 50) moet je AI-afbeeldingen herkenbaar maken. Ik heb daar vier lagen voor gebouwd:

  • een IPTC/XMP-veld DigitalSourceType, dat Google Images en LinkedIn lezen om een label “AI generated” te tonen
  • een ondertekend C2PA-manifest, een soort digitaal certificaat in het bestand met het model, de datum en een link om het te controleren
  • een onzichtbaar watermerk in de pixels (TrustMark), dat wel gebouwd is maar nog uit staat
  • een eigen registratie in de database van wat er op welk bestand is gezet.

Een download heet ook altijd swapmywheels-…-ai-generated.jpg. En als het markeren mislukt, mislukt de hele render en krijg je je credit terug.

Op /ai-check kan iedereen een afbeelding uploaden om te kijken of die van Swap My Wheels komt. De site bewaart die afbeelding niet.

De AI-check herkent een render aan het ondertekende C2PA-manifest

De tests controleren ook dat er een bepaalde waarschuwing op de site staat. Die zegt dat een afbeelding zonder markering niet automatisch echt is.

Hoe ik het bouwde

Swap My Wheels draait op Laravel 13, PHP 8.4, Blade, Alpine.js en Tailwind 4. Het beheerscherm is Filament. Betalen gaat via Mollie, en de renders draaien in een eigen queue met Horizon. De site staat op een server die ik met Ploi beheer.

Ik bouwde het samen met Claude Code, met een vaste werkwijze:

  1. Eerst schreef ik met Claude een ontwerp-spec: wat het product is, voor wie, wat het kost en wat er niet in de eerste versie komt.
  2. Daarna maakten we per onderdeel een implementatieplan met taken en vinkjes.
  3. Agents werkten die plannen taak voor taak af, telkens met de test eerst.

De plannen veranderden tijdens het bouwen. Als iets in de praktijk anders bleek, kwam er een aparte commit om het plan te corrigeren, bijvoorbeeld “Correct two API guesses in plan 2”. Lessen gingen terug in de documentatie. Mijn favoriete les: controleer een API altijd in de code in vendor/, nooit uit het geheugen. Het model zat er namelijk zeven van de zeven keer naast als het dat wel deed.

De tijdlijn:

  • 10 augustus, ‘s avonds: spec, eerste plan en het fundament van de app. Laravel, Docker, tests, accounts en het beheerscherm.
  • 11 augustus: wielcatalogus, credits en betalingen met Mollie, en ‘s avonds de studio met de eerste render via OpenAI. Die dag waren het 55 commits.
  • 13 augustus: de eerste echte renders, de overstap naar nano-banana, een nieuw design en de compositie-pipeline met Grounding DINO. Ook kwamen er drie domeinen bij.
  • 14 augustus: livegang. Hernoemd naar Swap My Wheels, gedeployed met Ploi, voorbeeldafbeeldingen op de homepage, en de pipeline omgedraaid na een mislukte render in productie.
  • 19 augustus: SEO, sitemaps, hreflang en een llms.txt voor AI-zoekmachines.
  • 20 augustus: de AI Act-markering, met een eigen spec, in één commit van ruim 5000 regels.

In totaal zijn het 133 commits, en het meeste werk zat in vier dagen. Het aantal tests groeide van 61 na het eerste plan naar 630 na de SEO-ronde.

Wat nog moet

De site staat live, maar is nog niet af:

  • De velgencatalogus is leeg. Ik wil daar alleen velgen in zetten met kloppende maten, want met een verkeerde ET (de inpersdiepte) loopt een velg tegen je remklauw aan. Tot die tijd upload je zelf een foto van een velg.
  • Mollie draait nog op een testsleutel. Er is dus nog geen echte betaling doorheen geweest.
  • Het onzichtbare watermerk staat uit, en het C2PA-certificaat is zelf ondertekend.
  • Affiliate-links, deelbare resultaatpagina’s en andere merken dan BMW staan nog op de lijst.

Wil je je eigen BMW alvast op nieuwe velgen zien? Ga naar swapmywheels.nl.


© 2026 Peter Jaap Blaakmeer · RSS