Edge Learning 邊緣學習 Edge Learning Cognex Edge Learning、Edge AI Learning、Embedded Deep Learning、On-Device Learning、In-Sight 2800 Edge Learning

Edge Learning 是什麼？

Edge Learning（邊緣學習）是 Cognex 在 In-Sight 智慧相機系列內建的邊緣 AI 視覺訓練技術。它最大的特色是：

1. 訓練在相機內完成 — 不需要外接 PC + GPU 跑訓練
2. 推論也在相機內 — 部署後不依賴雲端、本機 PC
3. 少量樣本即可 — 30 張 OK + NG 樣本就能訓練可用模型

跟傳統深度學習（需要上千張資料 + GPU + 雲端推論）相比，Edge Learning 把整個 AI 視覺流程壓縮到一台智慧相機內完成。

為什麼工業 AI 視覺需要 Edge Learning？

工業環境跟一般 AI 應用差異很大：

Edge Learning 適用 4 大場景

1. 簡單瑕疵分類（5-10 類）

• 例：PCB 銲點 OK / 冷焊 / 空焊 / 橋接
• 訓練時間：每類 5-10 張，10-20 分鐘完成

2. 物件有無檢知

• 例：產品是否到位、零件是否缺件
• 訓練時間：5 分鐘

3. 變異物件分類

• 例：水果分級、皮革等級判定
• 訓練時間：每等級 20-30 張，30 分鐘

4. 簡單字元辨識

• 例：易讀印刷字元（OCR）
• 訓練時間：50-100 張，1 小時

複雜應用（多瑕疵類別、複雜紋路、規則無法描述）建議用 VisionPro ViDi 或 In-Sight D900 處理。

Edge Learning vs ViDi / Deep Learning Studio

哪些 Cognex 產品內建 Edge Learning？

Edge Learning 內建於以下 In-Sight 機型：

• In-Sight 3800 — 旗艦款，AI + 規則式雙引擎
• In-Sight 2800 — 一體化 AI 全機
• In-Sight 9912 — 模組化高解析
• In-Sight D900 — 一體化 AI 邊緣視覺
• In-Sight SnAPP — 一鍵設定 AI 影像感測器

工程師常見問題

Q1：Edge Learning 真的 5-10 張樣本就夠？

A：對「簡單分類」場景通常足夠。例如 OK vs NG 二元分類，每類 15-30 張即可訓練可用模型。實際準確率依工件變異與樣本品質而定。複雜場景（多類別、變異大）需要 100-300 張。

Q2：Edge Learning 跟 VisionPro ViDi 差別？

A：

• Edge Learning = 內建於相機（單機部署，無需 PC）
• ViDi = 軟體（PC + GPU，工具更完整，可處理更複雜應用）

預算 + 複雜度決定。VSK 提供免費樣品實測評估建議。

Q3：訓練樣本需要怎麼準備？

A：拍照即可。每類別準備 15-30 張代表性樣本，涵蓋你產線可能遇到的所有變異（不同光照、角度、產品變異）。VSK 提供樣本準備顧問。

Q4：Edge Learning 模型可以更新嗎？

A：可以。新增樣本後重新訓練，模型立即更新。整個過程在 In-Sight Explorer 介面完成，產線不需停機。

Q5：AI 模型部署後會自己退化嗎？需要重訓嗎？

A：Cognex Edge Learning / ViDi 是「離線學習」模型，部署後 不會自動再訓練、辨識率不會自動退化。但產線環境變化會讓辨識率漸進下降，常見變因：

• 光源老化 / 鏡頭髒污 — 亮度與對比逐漸變化
• 新工件型號 / 原料批次差異 — 顏色、紋理、形狀超出原訓練樣本範圍
• CIJ 噴墨頭老化（OCR 應用） — 字元對比下降
• 季節溫濕度變化 — 影響鏡頭聚焦與感光元件響應

長期維護建議（VSK 標準作法）：

1. 每月清潔鏡頭與光源（必做）
2. 每月抽樣 100 件 OK / NG 對照 AI 判斷，準確率低於設定門檻（如 99%）觸發重訓練
3. 原料 / 工件型號切換時補樣本，重訓 5-10 張新樣本即可
4. 記錄判定不一致案例，定期整理為重訓資料

實務上 Cognex Edge Learning 在標準產線環境可長期維持 99% 以上檢出率，前提是按上述維護節奏執行。

Q6：Edge Learning 與 ViDi（VisionPro Deep Learning）的差別？

兩者皆為 Cognex 工業 AI 視覺工具、但部署架構不同。Edge Learning 內建於 Cognex In-Sight 智慧相機（如 In-Sight 2800 / 3800、datasheet 驗）、屬 Edge AI 架構〔來源:Cognex In-Sight datasheet〕。ViDi（VisionPro Deep Learning）為 PC + GPU 軟體平台、屬 PC + GPU AI 架構〔來源:Cognex VisionPro Deep Learning 產品頁〕。兩者並非互斥、可 Hybrid 部署。

Q7：哪些 Cognex 智慧相機內建 Edge Learning？

Cognex In-Sight 2800、In-Sight 3800 系列內建 Edge Learning〔來源:In-Sight 2800、In-Sight 3800 datasheet〕。其他機型是否內建、請參考該機型 Cognex 官方 datasheet 確認。

Q8：Edge AI 與 Cloud AI、PC + GPU AI 的差別？

Edge AI 處理在感測器 / 裝置本地、低延遲、不依賴外部網路。PC + GPU AI 處理在工廠本地 PC、適合複雜模型。Cloud AI 處理在雲端、可批次大量分析、需穩定網路〔來源:Wikipedia "Edge AI"、"Edge computing"〕。Cognex Edge Learning 屬 Edge AI 架構、ViDi 屬 PC + GPU AI 架構。具體選擇依場景而定。

Q9：多支 Cognex 智慧相機部署、模型管理怎麼辦？

Cognex 提供 Edge Intelligence 平台（cognex.com/products/edge-intelligence-platform）用於多裝置集中管理〔來源:Cognex Edge Intelligence 官方〕。具體功能（集中設定、效能監控、異常告警、版本控制）與授權規格、請參考 Cognex 官方文件或與 VSK 工程師討論。詳細介紹見 Edge Intelligence 完整介紹。

Q10：自己學 Edge Learning 怎麼開始？

Cognex 官方提供下列資源:① Cognex In-Sight 2800 / 3800 產品頁與 datasheet、② Cognex Documentation Portal（docs.cognex.com）、③ Cognex Blog Edge Learning 系列文章、④ Cognex 官方 Webinar 與技術資源（cognex.com/resources）〔來源:Cognex 官方〕。台灣由 VSK PSI 認證代理 Cognex、可提供 Edge Learning 操作訓練與整合服務、請與 VSK 工程師討論。

想試試 Edge Learning？

VSK 提供 Edge Learning 完整評估：

1. 提供 OK / NG 樣品照片（各 10-20 張）
2. VSK 工程師遠端示範 Edge Learning 訓練過程
3. 評估準確率達標後再採購

VSK 工程師評估後會盡快與您聯繫。

Edge Learning 與相關公開技術概念

Edge Learning Cognex 官方文件來源

內建 Edge Learning 的 Cognex 智慧相機（datasheet 驗證）

Edge AI 部署架構（公開概念）