Wie man Edge Learning trainiert und einsetzt
Das Training von Edge Learning ist wie die Einarbeitung eines neuen Mitarbeiters an der Fertigungslinie.
Der Benutzer von Edge Learning muss nicht wissen, wie Bildverarbeitungssysteme oder künstlicher Intelligenz funktionieren, sondern welches Problem gelöst werden muss. Bei eindeutigen Aufgaben wie zum Beispiel die Einteilung in zulässige und nicht zulässige Teile über OK/NOK muss der Benutzer wissen, welche Teile zulässig sind und welche nicht. Dies kann auch nicht offenbar ersichtliche, über Tests in der nachgeschalteten Fertigungslinie erzielte Informationen einschließen, die Fehler aufzeigen, die von Menschen nur sehr schwer feststellbar sind. Besonders effizient ist Edge Learning bei der Bestimmung, welche Abweichungen des Teils wichtig sind und welche Abweichungen lediglich ästhetischer Natur sind und die Funktionstüchtigkeit nicht beeinträchtigen.
Edge Learning ist nicht auf binäre Klassifizierungen beschränkt, sondern kann Klassifizierungen in jede gewünschte Anzahl an Kategorien vornehmen. Eine Sortierung von Teilen in drei oder vier verschiedene Kategorien je nach Komponenten oder Konfigurierungen lässt sich ebenfalls ganz leicht implementieren. Außerdem ist Edge Learning in der Lage, mehrere Zielbereiche (ROI) in dem Bild zu berücksichtigen. Und natürlich können sowohl mehrere ROIs als auch mehrere Kategorien zusammen bearbeitet werden, wie in diesem Klassifizierungsbeispiel (Link zur Seite mit dem Beispiel für Tiefkühlkost).
Sehen Sie sich unten eine Schritt-für-Schritt-Anleitung für das Training und den Einsatz von Edge Learning Tools an.
