Edge Learning Überblick

Edge-Learning-Gehirn-Symbol vor türkisfarbenem Hintergrund mit verbundenen Knotenpunkten

Edge Learning Grundlagen

Edge Learning ist ein Teilbereich der künstlichen Intelligenz (KI), bei dem die Verarbeitung auf dem Gerät oder “am Rande” (at the edge) des Ursprungsortes der Daten stattfindet, wobei eine Reihe von vortrainierten Algorithmen verwendet wird. Die Technologie ist einfach einzurichten und erfordert im Vergleich zu anderen KI-basierten Lösungen, wie z.B. Deep Learning, weniger Zeitaufwand und weniger Bilder für das Training.

Edge Learning ist die Lösung, die sowohl für Ingenieure geeignet ist, die Ausschau nach einer einfachen Möglichkeit zur Integration der Automatisierung in ihre Fertigungslinien halten als auch für erfahrene Automatisierungsingenieure, die regelmäßig regelbasierte industrielle Bildverarbeitungstools einsetzen, jedoch über keine Fachkenntnisse im Bereich KI oder Deep Learning verfügen. Dies macht die Technologie zu einer praktikablen Lösung für alle—vom Einsteiger in die Bildverarbeitung bis hin zum Experten – um eine Reihe von Anwendungen in der Fabrik und in verschiedenen Branchen zu bewältigen.

Example use case: classification

Edge learning is powerful enough to analyze multiple regions of interest (ROIs) in its field of view and classify each of those regions into multiple categories. This enables users to perform sophisticated assembly verification.

For example, edge learning can verify and sort four sections of a frozen meal tray on a high-speed line. In each tray, the bottom center section contains the protein, the top left the vegetable, the top middle the dessert or side dish, and the top right the starch. Each of the sections can contain multiple SKUs, like chicken, turkey, or meatloaf in the protein section, and rice, potatoes, or pasta in the starch section.

With a simple click and drag, each region can be defined and locked to invariant features on the meal tray. After that, the edge learning tool is trained to classify each section of the tray with only a handful of images, often as few as two for each possible class. Within minutes of training, edge learning will accurately classify the different sections at high speeds. If more variation is introduced, for instance either a new class or a new option within the same class, the edge learning tool can be updated with a few images of the new category.

What works for frozen meal trays also works for classifying parts and products across a range of industries as seen in the edge learning application examples.

Edge learning inspects frozen food tray by detecting and classifying different sections

Vorteile des Einsatzes von Edge Learning gegenüber Deep Learning

Edge Learning ermöglicht es, effiziente regelbasierte Bildverarbeitung mit einer Reihe von vortrainierten KI-Algorithmen zu kombinieren, um ein integriertes Toolset zu erstellen, das für die Fabrikautomatisierung optimiert ist. Diese Technologie erfordert weder Fachwissen über Bildverarbeitung noch über KI. Stattdessen können die Fertigungsingenieure Edge Learning mithilfe ihrer Kenntnisse über die erforderlichen Aufgaben trainieren. Das macht die Technologie zu einer praktikablen Automatisierungslösung für alle — vom Anfänger in der Bildverarbeitung bis zum Experten. Erfahren Sie mehr über die Vorteile des Einsatzes von Edge Learning in Ihrem Unternehmen.

	Deep Learning		Edge Learning	Vorteil
Hunderte bis Tausende Bilder für das Training erforderlich		Fünf bis zehn Bilder für das Training erforderlich		Weniger Bilder für das Training erforderlich
Stunden bis Tage für die Verarbeitung erforderlich		Sekunden bis Minuten für das Lernen erforderlich		Schnelleres Lernen
Signifikantes Verständnis von Deep-Learning-Systemen und der erforderlichen Programmierung		Erfordert keine Erfahrung		Höhere Benutzerfreundlichkeit