边缘学习是如何工作的

边缘学习将复杂的硬件打包到一个小的外形尺寸中。它完全运行在一个智能相机上，配有集成照明、自动对焦镜头和强大的传感器。所有这些硬件特性使得边缘学习成为可能。

照明是高质量成像的关键，因为它可以最大化对比度，最小化暗区，并带来必要的细节。

一个高速自动对焦镜头确保感兴趣的对象始终在焦点上，即使距离变化。它通过随着感兴趣区域(ROI)的变化而立即调整焦点来实现这一点。液体自动对焦镜头比等效的机械镜头更小更轻，减少了相机的尺寸和重量，同时使其能够抵抗生产线的冲击和振动。

一个功能强大的传感器为任何给定的应用提供高分辨率和宽视场(FOV)。

基于规则的视觉工具非常适合于特定的任务，例如定位、测量和方向。为了边缘学习的目的，它们以特定于工厂自动化需求的方式进行组合，在训练系统时消除了链视觉工具或构建复杂逻辑序列的需要。

这些工具提供了图像的快速预处理，提取密度，边缘和其他特征信息，用于检测和分析制造缺陷。通过识别和澄清图像的相关部分，与传统的深度学习方法相比，这些工具减少了计算负荷。

人工智能不再使用人类程序员创建的规则，而是通过实例学习，建立神经网络，并从标记好的可接受和不可接受部分的示例中设计有效的及格/不及格阈值。本质上，它模仿了人类的学习方式。

人工智能能力可能需要大量的培训。另一方面，边缘学习利用了工厂自动化图像具有特定结构内容的事实，因此用该领域知识预先训练其算法。不从头开始会减少应用程序的编程密集型。