要点
ファクトリオートメーションでは、エッジラーニングツールがトレーニングを合理化し、複雑な分類をサポートし、あらゆるレベルでの検査を支援します。
- 簡単なトレーニング： 最小限の画像を使用し、高度なプログラミングが不要なエッジラーニングツールをトレーニングし、あらゆるスキルレベルのエンジニアに対して迅速に導入できる。
- 多クラス分類：部品を複数のカテゴリに分類し、複雑な構成や微妙なばらつきを正確に処理する。
- 複数地域に重点を置く： 複数の対象領域を定義して検査を最適化し、複雑なアセンブリ検証タスクに対応する。
エッジラーニングの登録は、新しい従業員をラインでトレーニングするのに似ています。
エッジラーニングのユーザが知る必要があるのは、ビジョンシステムや人工知能（AI）の仕組みではなく、どのような問題を解決する必要があるかです。たとえば、受け入れ可能な部品と受け入れられない部品をOKまたはNGに分類する場合、ユーザはどの部品がOKで、どの部品がNGかを知る必要があります。これには、人間が検出するのが難しい欠陥を明らかにする、後工程のテストから派生した、一見しただけではわからない知識が含まれる可能性があります。エッジラーニングは特に、どのような部品のばらつきが重大であり、どのようなばらつきが純粋に表面的なものであって機能には影響しないかを判断するのに効果的です。
エッジラーニングは二項分類に限定されず、任意の数のカテゴリに分類することができます。コンポーネントや構成に応じて、部品を3つまたは4つの異なるカテゴリに分類する必要がある場合でも、同様に簡単に導入できます。エッジラーニングでは、画像内の複数の対象領域（ROI）に注意を向けることもできます。また、もちろん、複数のROIと複数のカテゴリの両方をまとめて扱うこともできます。この分類例（冷凍食品トレイの例を含むページへのリンク）を参照してください。
以下のエッジラーニングツールの登録と導入方法に関する段階を追ったチュートリアルをご覧ください。