所謂邊緣學習即指“邊緣深度學習”, 其是將基于規則的高效機器視覺嵌入到一套預先訓練的深度學習算法中,以創建針對工廠自動化優化過的一個集成工具集。邊緣學習通過使用基于單臺智能相機的解決方案,可以在數分鐘內將邊緣學習部署到任何生產線上。
傳統的深度學習,需要大量的圖像訓練才能開始工作,為了訓練和執行模型,涉及的計算要求非常高,但其實并非所有項目都需要如此清晰的細化分辨。而邊緣學習技術,可以讓您使用更少的圖像更快的學習,并且由于學習速度快,無需GPU。
需要數百甚至數千個圖像進行訓練
需要數小時甚至數天時間處理圖像
需要深入了解深度學習系統和編程知識
只需5到10個圖像進行訓練
只需數秒到數分鐘時間處理圖像
無需事先具備任何經驗
訓練所需的圖像更少
更快速的學習
更高的易用性
該工具可以進行實時“邊緣”學習,交付快速、準確的結果。通過使用一組預先訓練的算法,ViDi EL Classify可以在數分鐘內部署,每個類別只需要使用低達五個到十個圖像,無需代碼。這款強大、易用的工具可以為所有技能水平的用戶帶來先進的視覺能力。
使用光學字符識別(OCR)技術,能夠解碼嚴重變形、歪斜、蝕刻不良的字符。ViDi EL OCR可進行實時“邊緣”學習,在數分鐘內即可解決任務。通過使用一組預先訓練的算法,該工具簡化作業設置,并能交付快速、準確的識別和讀取能力。
結合傳統視覺找邊工具優勢與深度學習強大分割能力,即使在圖像對比度不佳,存在混淆邊干擾等情況下,也可以通過少量樣本的簡單訓練,快速且動態地鎖定需要分辨的一條或幾條邊,提高邊線檢測的精度和可靠性,減少部署和維護時間。
電子產品許多印刷電路板(PCB)包含用于顯示狀態的 LED 指 示燈。此應用的目標是識別哪些指示燈顯示電源接通 (PWR)狀態、傳輸(TX)狀態和電源關閉(OFF) 狀態。
用戶只需基于一小組帶標記的 OFF、PWR 和 TX 狀態圖像對邊緣學習進行訓練。
經過這種簡短的訓練之后,邊緣學習工具將能夠可靠地將 PCB 分類為三種不同的狀態。
醫療設備/醫藥機器自動將藥物填充至玻璃小瓶內的預定液位。在封蓋之前,必須確認液位是否在適當的公差范圍內。
用戶可以對邊緣學習工具進行訓練,以識別填充液位,并且不受反射、折射或圖像的其他易混淆可變部分等因素的影響。
過高或過低的填充液位將被歸類為 NG,只有在適當公差范圍內的填充液位才會被歸類為 OK。
包裝機器將軟飲料和果汁瓶填充到預定液位,并使用螺旋蓋進行密封。如果旋轉封蓋機擰錯了封蓋,或者在封蓋過程中發生損壞,這可能會留下間隙,導致發生污染或泄漏。
用戶可以基于一組標記為合格的圖像和一組顯示封蓋存在人眼幾乎無法察覺的微小間隙的圖像對邊緣學習工具進行訓練。邊緣學習工具能夠在生產線速度下將完全密封的封蓋歸類為 OK,將所有其他封蓋歸類為 NG。
想要了解更多關于邊緣深度學習技術相關知識,請免費下載《邊緣深度學習技術》白皮書。
無論您是初學者還是專家,都能讓您充分利用深度學習技術。
在2023年2月28日前下載的用戶,還有機會獲得樂扣保溫杯一個,共計30份。