边缘学习 丨 人工智能的全新定义

• 关键词：康耐视 ,人工智能,边缘计算
• 摘要：传统的深度学习，需要大量的图像训练才能开始工作，为了训练和执行模型，涉及的计算要求非常高，但其实并非所有项目都需要如此清晰的细化分辨。

传统的深度学习，需要大量的图像训练才能开始工作，为了训练和执行模型，涉及的计算要求非常高，但其实并非所有项目都需要如此清晰的细化分辨。而康耐视推出的边缘学习技术，可以让您使用更少的图像更快的学习，并且由于学习速度快，无需GPU。

自动化视觉检测对于提高制造速度和准确性至关重要，因此深度学习是一种出色的解决方案。但要有效地使用深度学习技术，前期需要大量的图像训练和模型执行，并且自动化工程师还需具备深度学习专业知识。而边缘学习对于所有人而言都是一种可行的自动化解决方案，只需少量图像在简短的时间内即可完成训练，还无需具备该领域的专业知识即可完成部署。

什么是边缘学习

所谓边缘学习即指“边缘深度学习”， 其是将基于规则的高效机器视觉嵌入到一套预先训练的深度学习算法中，以创建针对工厂自动化优化过的一个集成工具集。边缘学习通过使用基于单台智能相机的解决方案，可以在数分钟内将边缘学习部署到任何生产线上。边缘学习与其他深度学习产品的不同之处在于，其专注于确保在应用部署的所有阶段都易于使用。举例来说，边缘学习仅需更少的图像即可实现概念验证，图像设置和采集时间也更少，并且无需专门编程。

边缘学习3大优势

1、 无需经验

该技术无需机器视觉和深度学习方面的专业知识。相反，生产线工程师可以基于其对所需解决任务的现有了解来训练边缘学习技术。

2、 易于部署

通过使用基于单台智能相机的解决方案，用户可以在数分钟内将边缘学习部署到任何生产线上。该解决方案集成了高质量的视觉硬件、用于预处理每个图像以减少计算量的机器视觉工具、经过预训练以解决工厂自动化问题的深度学习网络以及专为工业应用设计的简单用户界面。

3、 使用方便

边缘学习并非通用的解决方案，而是专门为工业自动化应用量身定制的。边缘学习与其他深度学习产品的不同之处在于，其专注于确保在应用部署的所有阶段都易于使用。相比更传统的深度学习解决方案，该技术设置简单，训练所需的时间和图像也更少，并且无需编程经验。

边缘学习3大工具

1、 ViDi EL Classify工具
为有挑战性的视觉应用提供了更简化的自动化方法。该工具可以进行实时“边缘”学习，交付快速、准确的结果。通过使用一组预先训练的算法，ViDi EL Classify可以在数分钟内部署，每个类别只需要使用低达五个到十个图像，无需代码。这款强大、易用的工具可以为所有技能水平的用户带来先进的视觉能力。

2、 ViDi EL OCR工具

使用光学字符识别(OCR)技术，能够解码严重变形、歪斜、蚀刻不良的字符。预配置的全方位字体库开箱即可识别大多数文本，无需额外的编程或字体训练。ViDi EL OCR可进行实时“边缘”学习，在数分钟内即可解决任务。通过使用一组预先训练的算法，该工具简化作业设置，并能交付快速、准确的识别和读取能力。

3、 SmartLine智能找边工具

结合传统视觉找边工具优势与深度学习强大分割能力，即使在图像对比度不佳，存在混淆边干扰等情况下，也可以通过少量样本的简单训练，快速且动态地锁定需要分辨的一条或几条边，提高边线检测的精度和可靠性，减少部署和维护时间。

可以说边缘学习是一项足以改变行业规则的技术，比传统机器视觉的功能更强大，并且更易于使用。通过边缘学习三大工具，用户仅需更少的图像即可实现概念验证，图像设置和采集时间也更少，并且无需专门编程。

相信随着边缘学习的出现，生产线工程师们也可逐渐摆脱繁复的先进机器视觉或深度学习培训，只需通过轻松部署边缘学习工具，就能在日常工作中体会其强大功能。而一些具备更深入的传统机器视觉工具知识的自动化工程师则可以充分利用现有的知识，在开发复杂而强大的工厂自动化流程过程中借助边缘学习技术，使项目运行的更加平稳！