Wprowadzenie do Edge Learning
Powszechną barierą we wdrażaniu sztucznej inteligencji (AI) w automatyzacji jest postrzegany przez użytkowników wysoki poziom trudności tego przedsięwzięcia. Obecne postępy w tej technologii obalają jednak ten mit.
Sztuczna inteligencja jest teraz łatwiejsza w użyciu dzięki wprowadzeniu nowych technologii, takich jak Edge Learning. Edge Learning to podzbiór sztucznej inteligencji, w którym przetwarzanie odbywa się w urządzeniu, przy użyciu wstępnie wyszkolonego przez producenta zestawu algorytmów.
Technologia ta jest prosta w konfiguracji, wymagając mniej czasu i mniejszej liczby obrazów do treningu, w porównaniu do innych rozwiązań opartych na sztucznej inteligencji, takich jak głębokie uczenie (Deep Learning).
Edge Learning nie wymaga specjalistycznej wiedzy do wdrożenia i jest realnym rozwiązaniem automatyzacji dla wszystkich – od początkujących po ekspertów w dziedzinie wizji maszynowej.
- Chcesz zrealizować projekt z zastosowaniem wizji maszynowej, ale nie wiesz jaki wybrać system wizyjny, oświetlenie i optykę?
- Trafiłeś we właściwe miejsce!
- Wypełnij formularz, wówczas skontaktuje się z Tobą nasz konsultant.
Sztuczna inteligencja rozszerza widzenie oparte na regułach
- Rozwiązuje zadania, które ludzkie oko może rozwiązać, a narzędzia oparte na regułach nie potrafią.
- Rozwiązuje zadania, które są zbyt skomplikowane i czasochłonne do zaprogramowania za pomocą reguł.
- Dwie wiodące technologie AI to:
- Edge learning
- Deep learning
Zautomatyzowana kontrola wizyjna jest niezbędna do poprawy szybkości i dokładności produkcji. Inżynierowie produkcji są świadomi tych korzyści i dążą do automatyzacji z wykorzystaniem wizji maszynowej. Często powstrzymuje ich jednak wysoki stopień trudności wdrożenia systemów wizyjnych, w tym wymagany poziom wiedzy technicznej i rozbudowane programowanie, tym bardziej jeżeli korzystamy z rozwiązań korzystających ze sztucznej inteligencji.
Nawet doświadczeni inżynierowie automatycy zaznajomieni ze stosowaniem tradycyjnej wizji maszynowej dostrzegają jej ograniczenia w przypadkach o dużej zmienności części produkcyjnych, niestabilnych warunkach kontroli lub podczas wykrywania subtelnych defektów i niewielkich odchyleń od normy. Głębokie uczenie jest świetnym rozwiązaniem w takich przypadkach, ale jego efektywne wykorzystanie może wymagać zaawansowanych umiejętności wykraczających poza wiedzę inżyniera automatyki.
Edge Learning to rozwiązanie zarówno dla mniej doświadczonych inżynierów szukających łatwego sposobu na zintegrowanie kontroli wizyjnej z ich liniami produkcyjnymi oraz dla doświadczonych inżynierów automatyki, którzy regularnie korzystają z opartych na regułach narzędzi wizji maszynowej, ale nie posiadają specjalistycznej wiedzy z zakresu głębokiego uczenia.
Czym jest Edge Learning
Technologia Edge Learning wykorzystuje wydajne narzędzia wizyjne oparte na regułach w połączeniu ze wstępnie wyszkolonymi algorytmami sztucznej inteligencji, aby stworzyć zintegrowany zestaw narzędzi zoptymalizowany pod kątem automatyzacji fabryk.
Technologia ta nie wymaga specjalistycznej wiedzy z zakresu widzenia maszynowego ani głębokiego uczenia. Zamiast tego specjaliści ds. automatyzacji produkcji mogą szkolić algorytmy Edge Learning przy użyciu istniejącej wiedzy na temat wymaganych zadań.
Korzystając z pojedynczej kamery inteligentnej, Edge Learning można wdrożyć na dowolnej linii nawet w ciągu kilkunastu minut. To rozwiązanie integruje wysokiej wydajności sprzęt wizyjny, narzędzia widzenia maszynowego oparte na regułach, wstępnie wytrenowane sieci neuronowe i prosty interfejs użytkownika do rozwiązywania problemów automatyzacji.
Podstawy Edge Learning
- Podzbiór sztucznej inteligencji (AI)
- Przetwarza obrazy „na krawędzi” (w urządzeniu/kamerze inteligentnej)
- Niezwykle łatwy w użyciu. Oszczędza czas. Nie wymaga wcześniejszego doświadczenia. Potrzebuje mniej obrazów do douczenia sieci.
- Rozwiązuje szeroki zakres aplikacji we wszystkich branżach
Jak działa Edge Learning
- Uczy się na przykładzie obrazów oznaczonych jako dobre/złe
- Wykorzystuje wstępnie wytrenowane algorytmy oparte na wzorcach strukturalnych
- Wdrożenie wymagające mniejszego nakładu pracy programistycznej
Edge learning można wdrożyć na dowolnej linii, w krótkim czasie, za pomocą rozwiązania bazującego na pojedynczej kamerze inteligentnej
Edge Learning vs Deep Learning
Głębokie uczenie (Deep Learning) symuluje sposób, w jaki połączone neurony w ludzkim mózgu wzmacniają i osłabiają połączenia, aby pozwolić na zrozumienie obrazów. W głębokim uczeniu setki warstw sieci neuronowych są poddawane działaniu dużych zestawów obrazów podobnych obiektów nieznacznie modyfikując połączenia między neuronami za każdym razem, gdy sieć neuronowa uczy się niezawodnie identyfikować te obiekty bądź wykrywać w nich wady.
Deep Learning: przypadki zastosowań
Tradycyjne głębokie uczenie zapewnia zdolność do przetwarzania dużych i szczegółowych zestawów obrazów, dzięki czemu idealnie nadaje się do złożonych lub wysoce spersonalizowanych aplikacji. Ponieważ takie aplikacje wprowadzają znaczną zmienność reprezentacji tego, jak wyglądają detale, wymagają zaawansowanej mocy obliczeniowej. Aby uwzględnić tę zmienność i uchwycić wszystkie potencjalne wyniki, do szkolenia potrzebujemy zestawów setek lub tysięcy obrazów.
Tradycyjne głębokie uczenie umożliwia użytkownikom szybką i wydajną analizę takich zestawów obrazów, zapewniając skuteczne rozwiązanie do automatyzacji skomplikowanych zadań. Pełnoprawne produkty do głębokiego uczenia są dobrze zaprojektowane do obsługi złożonych aplikacji, jednak większość aplikacji automatyki przemysłowej wiąże się ze znacznie mniejszą złożonością, dzięki czemu lepiej nadają się do Edge Learning.
Edge Learning: przypadki zastosowań
enMoc sztucznej inteligencji może być teraz wykorzystana do rozwiązywania problemów w automatyce przemysłowej dzięki wstępnie wytrenowanym przez producenta narzędziom wizjnym.
To wstępne szkolenie eliminuje znaczną część obciążenia obliczeniowego, zwłaszcza gdy jest wspierane przez tradycyjne narzędzia wizyjne. Rezultatem jest Edge Learning, czyli „lekki” i szybki zestaw narzędzi wizyjnych, codziennie używany przez inżynierów odpowiedzialnych za produkcję i automatyzację jako część ich pracy.
Narzędzia do Edge Learning można wytrenować w ciągu kilku minut, wykorzystując zaledwie kilka obrazów na klasę. Porównajmy to z rozwiązaniami głębokiego uczenia, które wymagają godzin lub dni szkolenia, wykorzystując setki lub tysiące obrazów. Poprzez usprawnienia procesu wdrożenia, Edge Learning umożliwia użytkownikom szybki rozwój, pozostając jednocześnie elastycznym i zdolnym do dostosowywania się do zmian.
Szybka klasyfikacja: Przykład
Edge Learning jest wystarczająco wydajny, aby analizować wiele obszarów zainteresowania (ROI) w swoim polu widzenia i klasyfikować każdy z tych regionów do różnych kategorii. Umożliwia to np. zaawansowaną kontrolę montażu.
Na przykład, Edge Learning może zweryfikować i posortować cztery sekcje tacki z mrożonym posiłkiem, pakowane przez roboty na szybkiej linii produkcyjnej. W każdej tacy dolna sekcja zawiera proteiny, górna lewa warzywa, górna środkowa deser lub przystawkę, a górna prawa węglowodany.
Każda z sekcji może zawierać wiele jednostek SKU, na przykład kurczaka, indyka lub pieczeń mięsną w sekcji protein oraz ryż, ziemniaki lub makaron w sekcji węglowodanów.
Za pomocą kliknięcia i przeciągnięcia każdy region można zdefiniować w Edge Learning i zablokować do niezmiennych cech na tacy z posiłkami. Następnie jest on szkolony do klasyfikowania każdej sekcji tacy za pomocą zaledwie kilku obrazów dla każdej możliwej klasy. Po kilkuminutowym uczeniu system będzie w stanie sklasyfikować różne sekcje z dużą prędkością. Jeśli wprowadzona zostanie większa zmienność, na przykład nowa klasa lub nowa odmiana w ramach tej samej klasy, narzędzie może zostać zaktualizowane.
To, co sprawdza się w przypadku tacek na mrożone posiłki, działa również w przypadku płytek drukowanych (PCB) i innych złożonych obiektów.
Edge Learning nie ogranicza się tylko do zadań klasyfikacji i sortowania, ale może być również wykorzystywany do automatyzacji optycznego odczytu znaków (OCR). Na przykład może odczytywać wytrawiony tekst, interpretować wiele linii znaków jednocześnie i odszyfrowywać tekst na trudnych tłach, w tym na powierzchniach lustrzanych i metalicznych.
Produkty wyposażone w technologię Edge Learning
