Présentation de l’Edge Learning

Icône de cerveau d’Edge Learning sur fond bleu sarcelle avec des nœuds connectés

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.

L’Edge Learning inspecte des plateaux d’aliments surgelés en détectant et en classant différentes sections

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


Recommandés Cognex Produits

ACCÉDEZ AU SUPPORT ET AUX FORMATIONS POUR VOS PRODUITS ET BIEN PLUS

Rejoindre MyCognex