Ssi_440

S SI esperienze immagini, spesso soltanto due per ogni possibile categoria. In pochi minuti di addestramento, l’Edge Learning classificherà accu- ratamente le diverse sezioni ad alta velocità. Nel caso venissero in- trodotte ulteriori varianti, per esempio una nuova categoria o una nuova varietà all’interno della stessa categoria, lo strumento può essere aggiornato con solo alcune immagini della nuova variante. Questo principio vale naturalmente anche per altre produzioni, ad esempio i circuiti stampati (PCB), e altri assemblaggi complessi”. Edge Learning vs Deep Learning Il Deep Learning offre la capacità di analizzare un numero di immagini più elevato durante la fase di addestramento con maggiore detta- glio, rendendolo ideale per applicazioni complesse o altamente per- sonalizzate. Queste applicazioni richiedono di gestire una più ampia variazione del prodotto analizzato, richiedendo dunque calcoli più complessi e dunque una potenza di calcolo avanzata e robuste capa- cità di addestramento. Per tenere conto delle variazioni e acquisire tutti i potenziali risultati, per l’addestramento devono essere utiliz- zate centinaia, se non migliaia, di immagini. I prodotti che offrono tecnologia Deep Learning sono in genere progettati per risolvere applicazioni complesse, ma alla maggior parte delle applicazioni di factory automation serve meno complessità, il che le rende più adatte all’Edge Learning, disponibile come set di tool di visione facili da addestrare, richiedenti una bassa potenza di calcolo e di veloce esecuzione. Gli strumenti dell’Edge Learning possono essere adde- strati in pochi minuti, utilizzando da cinque a dieci immagini per classe. “Per ottimizzare l’addestramento e l’esecuzione dei tools di visione Edge Learning su camera o sensore intelligente, le immagini sono ridimensionate o fissate inmodo che venga analizzata solo la re- gione di interesse specifico” precisa Savino. “Se gli occhi del tecnico di linea dovessero distinguere queste immagini ridimensionate, si può essere certi che gli strumenti di Edge Learning performeranno altret- tanto bene. Tuttavia, è importante notare che questa ottimizzazione necessita di un compromesso. C’è un limite all’uso dell’Edge Learning Negli ultimi anni le applicazioni di Deep Learning hanno trasformato l’automazione di fabbrica your GATEWAY to a SMARTER FUTURE www.euroblech.com 25 – 28 OTTOBRE 2022 HANNOVER, GERMANIA • Lamiera, Tubi, Profilati • Movimentazione • Formatura • Prodotti finiti, Componenti, Assemblaggi • Separazione, Taglio • Giunzione, Saldatura • Lavorazione flessibile della lamiera • Lavorazione Tubi / Profilati • Materiali compositi • Trattamentodi superficie della lamiera • Utensili, Stampi • Sistemi CAD/CAM/CIM / Elaborazione dati 26ª FIERA INTERNAZIONALE TECNOLOGICA DELLA LAVORAZIONE DELLA LAMIERA