Edge Learning Überblick
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.
Beispiel für einen Anwendungsfall: Klassifizierung
Edge Learning ist so leistungsstark, dass es in der Lage ist, mehrere Zielbereiche (regions of interest /ROIs) im Sichtfeld zu analysieren und die einzelnen Bereiche in mehrere Kategorien zu klassifizieren. Dies ermöglicht den Anwendern die Durchführung anspruchsvoller Bestückungs- und Montageüberprüfungen.
Zum Beispiel kann Edge Learning vier Abschnitte einer Schale mit einem Tiefkühlgericht in einer Hochgeschwindigkeitslinie überprüfen und sortieren. In den Schalen befindet sich das Protein im unteren mittleren Bereich, das Gemüse oben links, das Dessert oder die Beilage im mittleren oberen Bereich und die Sättigungsbeilage oben rechts. Die einzelnen Bereiche können mehrere SKUs enthalten, zum Beispiel Hühnchen, Pute oder Hackbraten im Protein-Bereich und Reis, Kartoffeln oder Pasta im Bereich für Sättigungsbeilagen.
Die einzelnen Bereiche können einfach durch Klicken und Ziehen definiert und ihre unveränderlichen Merkmale in der Essensschale festgelegt werden. Im Anschluss daran wird Edge Learning darauf trainiert, die einzelnen Bereiche der Schale mit nur einer Handvoll Bildern – oft nur zwei für jede mögliche Klasse – zu klassifizieren. Nach nur wenigen Minuten Training kann Edge Learning die verschiedenen Bereiche bei hohen Geschwindigkeiten präzise klassifizieren. Werden mehr Varianten eingeführt, zum Beispiel eine neue Klasse oder neue Varianten innerhalb einer gegebenen Klasse, lässt sich das Edge-Learning-Tool mit einigen wenigen Bildern der neuen Kategorie aktualisieren.
Was für Schalen mit Tiefkühlgerichten funktioniert, funktioniert auch bei der Klassifizierung von Teilen und Produkten in einer Reihe von Branchen, wie in den Anwendungsbeispielen von Edge Learning gezeigt.
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
|
Fünf bis zehn |
Weniger Bilder |
|||
|
Stunden bis Tage |
Sekunden bis Minuten |
Schnelleres |
|||
|
Signifikantes Verständnis |
Erfordert keine Erfahrung |
Höhere |
|||
