W przeciwieństwie do wizji maszynowej opartej na regułach, głębokie uczenie opiera się na ekspertach merytorycznych, którzy oznaczają obrazy jako prawidłowe lub nieprawidłowe i klasyfikują rodzaje wad. Eliminuje to potrzebę zatrudniania wysoko wykwalifikowanych specjalistów w dziedzinie widzenia maszynowego, niezbędnych do wdrażania i utrzymywania rozwiązań w tym zakresie. Kiedy coś się zmienia, każdy, kto wie, jak wygląda wada, może ponownie wytrenować model, rejestrując i oznaczając nowe obrazy.
Edge learning: moc sztucznej inteligencji bez złożoności
Edge learning to podzbiór sztucznej inteligencji, w którym przetwarzanie danych odbywa się bezpośrednio w urządzeniu, czyli „na krawędzi”, przy użyciu wcześniej wytrenowanych algorytmów. Dzięki temu osoby, które nie są ekspertami w dziedzinie systemów wizyjnych, mogą wdrożyć narzędzia edge learning w ciągu ledwie kilku minut, wykorzystując tylko od 5 do 10 obrazów szkoleniowych, aby uzyskać spójne wyniki inspekcji.
Ten rodzaj głębokiego uczenia oparty jest więc na zbiorze wcześniej istniejących algorytmów, które ułatwiają szkolenie modelu i późniejszą analizę obrazu bezpośrednio w urządzeniu. Szkolenie odbywa się w dwóch etapach: wstępnym oraz dla konkretnych przypadków użycia.
Konfiguracja i akwizycja obrazu także zajmują mniej czasu, ponieważ inteligentne platformy kamer łączą wiele elementów, takich jak czujnik, optyka, procesor, a czasem nawet oświetlenie. Takie podejście zmniejsza liczbę problemów związanych z integracją sprzętu, która może być czasochłonna i złożona.
Edge learning oferuje kilka korzyści. Jest znacznie mniej kosztowne we wdrożeniu niż oparte na regułach widzenie maszynowe i rozwiązania głębokiego uczenia. Wymaga mniejszej liczby obrazów, a szkolenia i obliczenia zajmują mniej czasu. Ponadto pozwala szybciej zwiększyć skalę produkcji oraz wprowadzać zmiany produktów, ponieważ szkolenie i produkcja odbywają się w tym samym miejscu, na tym samym urządzeniu.
Należy przy tym zauważyć, że technologia edge learning nie nadaje się do najbardziej złożonych problemów. Może jednak rozwiązać problemy związane z dużą częścią aplikacji bez konieczności podejmowania dodatkowych kroków.
Cognex
www.cognex.com
