Como entrenar e implementar Edge Learning

El entrenamiento de Edge Learning es similar al entrenamiento de un nuevo empleado en la línea de producción.
Lo que el usuario de Edge Learning necesita saber no es cómo funcionan los sistemas de visión o la inteligencia artificial (IA), sino cuál es el problema que necesitan resolver. Si es algo bastante sencillo, como clasificar piezas aceptables e inaceptables como aprobado/fallo, el usuario necesita saber qué piezas son aceptables y cuáles no. Esto puede incluir conocimientos que no son aparentes a simple vista, derivados de pruebas en etapas posteriores de la línea de producción, que revelan defectos difíciles de detectar para un ser humano. Edge Learning es particularmente efectivo para determinar qué variaciones en la pieza son significativas y cuáles son meramente estéticas, y que no afectan la funcionalidad.
Edge Learning no se limita a la clasificación binaria, pero puede clasificar dentro de cualquier cantidad de categorías. Si es necesario ordenar las piezas en tres o cuatro categorías, según los componentes o las configuraciones, puede ser igual de fácil implementarlo. Edge Learning también es capaz de dirigir la atención a varias regiones de interés (ROI) en la imagen. Y, por supuesto, pueden manejarse al mismo tiempo varias regiones de interés y categorías, como en el siguiente ejemplo de clasificación (enlace a la página con el ejemplo de bandejas de alimentos congelados).
Vea abajo un tutorial paso a paso sobre cómo entrenar e implementar las herramientas de Edge Learning.
