×

Présentation de l’Edge Learning

×

Bases de l’Edge Learning

L’Edge Learning est un sous-ensemble de l’intelligence artificielle (IA) dans lequel le traitement a lieu directement sur l’appareil ou « en périphérie » de l’endroit d’où proviennent les données, à l’aide d’un ensemble d’algorithmes pré-entraînés. La technologie est simple à configurer, nécessitant moins de temps et moins d’images pour l’entraînement que les autres solutions basées sur l’IA, comme le Deep Learning.

L’Edge Learning est la méthode appropriée aux ingénieurs à la recherche d’un moyen simple pour intégrer l’automatisation dans leurs lignes ainsi qu’aux ingénieurs experts en automatisation qui utilisent régulièrement des outils de vision industrielle basés sur des règles, mais qui manquent d’expertise spécifique en IA ou en Deep Learning. Cela fait de cette technologie une solution viable pour tous, du débutant à l’expert en vision industrielle, permettant de résoudre toute une série d’applications dans l’usine et dans les différents secteurs.

Exemple de cas d’utilisation : classification

L’Edge Learning est suffisamment puissant pour analyser plusieurs régions d’intérêt (ROI) dans son champ de vision et classer chacune de ces régions en plusieurs catégories. Cela permet aux utilisateurs d’effectuer une vérification sophistiquée des assemblages.

Par exemple, l’Edge Learning peut vérifier et trier quatre sections d’un plateau-repas surgelé sur une ligne à grande vitesse. Dans chaque plateau-repas, la partie inférieure centrale contient les protéines, la partie supérieure gauche les légumes, la partie supérieure centrale le dessert ou l’accompagnement, et la partie supérieure droite les féculents. Chacune des sections peut contenir plusieurs UGS, par exemple du poulet, de la dinde ou du pain de viande dans la section des protéines, et du riz, des pommes de terre ou des pâtes dans la section des féculents.

Par simple glisser-déposer, chaque région peut être définie et verrouillée sur des caractéristiques invariantes du plateau-repas. Ensuite, l’outil d’Edge Learning est entraîné pour classifier chaque section du plateau à l’aide de quelques images uniquement, souvent seulement deux, pour chaque classe possible. Après quelques minutes d’entraînement, l’Edge Learning classifiera avec précision les différentes sections à grande vitesse. Si une plus grande variation est introduite, par exemple une nouvelle classe ou une nouvelle option dans la même classe, l’outil d’Edge Learning peut être mis à jour avec quelques images de la nouvelle catégorie.

Ce qui fonctionne pour les plateaux-repas surgelés fonctionne également pour la classification de pièces et de produits dans divers secteurs, comme le montrent les exemples d’application de l’Edge Learning.

Les avantages de l’utilisation de l’Edge Learning par rapport au Deep Learning

L’Edge Learning vous permet de combiner une vision artificielle efficace basée sur des règles avec un ensemble d’algorithmes d’IA pré-entraînés afin de créer un ensemble d’outils intégrés optimisés pour l’automatisation des usines. Cette technologie ne nécessite pas de connaissances spécialisées en vision industrielle ou en IA. Au lieu de cela, les ingénieurs de ligne peuvent entraîner un système d’Edge Learning en utilisant leurs connaissances existantes des tâches requises. Cela fait de cette technologie une solution d’automatisation viable pour tous, des débutants en vision industrielle aux experts. Lire la suite pour en savoir plus sur les avantages de l’Edge Learning dans vos opérations.

	Deep Learning		Edge Learning	Avantage
Des centaines de milliers d’images sont requises pour l’entraînement		Cinq images sur dix sont requises pour l’entraînement		Quelques images sont requises pour l’entraînement
Heures ou jours nécessaires au traitement		Des secondes aux minutes nécessaires au traitement		Apprentissage plus rapide
Une compréhension significative des systèmes de Deep Learning et de programmation est nécessaire		Aucune expérience préalable n’est requise		Facilité d’utilisation plus importante