边缘学习应用实例

在车辆中，连接器用于通过将线束连接到车辆内的电源或电路来形成连续的电子信号。用最简单的术语来说，连接器由连接在一起以传递电子信号的插孔组成。一个公端塑料外壳适合于一个卡扣安装的母端底盘安装。由于对可以很容易地连接或断开，因此验证完全插入非常重要，这可以确保车辆内电气组件的正常运行。

边缘学习可以确定千斤顶是否正确安装。此外，它还可以根据不同的应用，根据不同的形状(圆形、头形、引脚、压接、多丝锥)、材料、质量和尺寸对连接器进行分类。

许多印刷电路板(pcb)包括LED指示灯来显示状态。通常，状态是三种情况之一:通电(PWR)、传输(TX)或关闭(off)。

使用传统的机器视觉，确定指示器是否显德国必威示PWR、TX或OFF条件的标准方法是使用像素计数工具。这涉及到为每种情况在特定位置设置亮度阈值，这是一个复杂的过程，需要大量的编程专业知识。

然而，边缘学习可以在一小组PWR、TX和OFF条件的标记图像上进行训练。经过这个简短的训练，边缘学习可靠地将pcb分为三种不同的状态。

试管在实验室诊断环境中很常见。一根试管可以传递大量的信息——从附着在侧面的条形码到瓶盖的颜色——这有助于临床医生正确处理测试样本。瓶盖颜色在区分样品时尤其有用。例如，瓶盖颜色通常表示在测试前，为了稳定和保存样品，在样品中混合了哪些添加剂。

边缘学习不仅可以检测试管上是否有盖子，以确保其正确密封，还可以进一步识别盖子的颜色。这使临床医生能够更有效地进行实验室诊断，并确保样本得到正确处理。

在医疗和制药领域，玻璃小瓶经常装满预定水平的药物。在封盖之前，必须确认填充水位在适当的公差范围内。玻璃瓶及其内容物的透明和反射性质使得传统机器视觉难以一致地检测灌装水平。德国必威

边缘学习可以用于识别水平，而不会被检测图像中的反射、折射或其他使人迷失方向的变量所混淆。过高或过低的填充被归类为NG(不合格)，而只有在适当的公差范围内的填充才被归类为OK(合格)。

在分发之前，软饮料和果汁的瓶子都是用螺旋盖填充和密封的。如果旋转盖瓶器螺纹错误，或者在盖瓶过程中损坏，这可能会留下一个空隙，导致污染或泄漏。对于传统的机器视觉自动化来说，盖子的速度和广泛的密封方式使其成为一个具有挑战性的应用。德国必威

边缘学习可以给一组标记为好的(适当密封的帽子)或坏的(帽子有轻微的，几乎察觉不到的间隙)的图像。在保持线速度的同时，边缘学习识别完全密封的帽并将其归类为OK。所有其他不符合质量阈值的上限都被归类为NG。