一、背景说明

      传统视觉算法在处理需要明确、‌可量化的特征提取和识别时有较大应用优势，适合在大部分应用场景下使用；

      深度学习技术则在处理复杂场景、‌光照变化和遮挡等问题上的效果更优秀。尽管深度学习模型在数据获取和标注、‌计算资源需求等方面有硬性要求，‌但其自动学习的能力，‌能有效提高视觉检测的准确性和鲁棒性，‌因此深度学习在视觉检测领域中扮演着越来越重要的角色。

      在工业场景中，往往需要对一些目标物进行分类。然而客户不但无法提供大量样本，也不愿意耗费太多时间用于专用模型的训练，因此推动了边缘学习（注册学习）的诞生，它是专门为工业自动化量身定制的深度学习方法，即兼容了深度学习的准确性又具备传统算法的易用性。

二、深度学习与注册学习的使用对比

    1、 使用方式对比

    深度学习需要大量的图像训练，注册学习则相对简化很多，注册类算法工具在前期已经内置了训练的工业应用AI大模型，在使用时通过与特征模型的比对确定输入样本的所属类别信息。通过这种方式，避免了训练专用模型的时间耗费和样本需求，能够让用户在现场快速建立方案并投入适用。

     简单理解，深度学习需要用户从0开始进行学习训练，注册学习则是前期80%的工作已经帮用户做完了，用户只需要在此基础上进行使用即可。

  2、 注册学习的优势

        注册AI学习本身是人工智能 (AI) 的一个子集，它使用一组经过预训练的算法在设备上进行处理。与基于 AI 的其他解决方案（如深度学习）相比，该技术易于设置，并且进行训练所需的时间和图像更少。

        对于要求操作简单，以及项目难度大、调试不方便，同时缺乏特定 AI 或深度学习专业知识的技术人员，注册学习是最佳选择。此技术无需经验，任何人都可以快速轻松地完成视觉方案的搭建。

三、SC智能相机内如何使用注册学习模块

     我们将注册类算法模块放入到设备内部，用户可以快速完成项目的测试验证，下面以一个操作视频为例展示注册分类模块的应用。OK和NG仅需要3张图片，1min内即可完成模型训练，对产品位置、景深、形态、大小变化等都具备较强的兼容性和优异的检测准确性。

     SC智能相机注册分类操作流程.mp4

----此视频可在附件处观看

四、注册学习的应用场景

      注册类工具在产品分类\有无检测\正反判断\定位检测\计数等场景下有非常优秀的表现，由于不涉及复杂训练，也不需要调整复杂参数，仅需注册1~10张图片即可快速完成视觉方案的搭建，特别适合频繁换型的场景，用户可以在对应的场景下选择该模块进行测试部署，大幅度降低AI项目实施周期和难度。

五、SC智能相机能力集

     SC系列智能相机产品不仅集成了注册学习模块，同步内置AI深度学习模块，方便用户根据应用场景进行灵活选择。

    后续还将持续丰富注册学习类模块，例如注册OCR、注册分割、无监督分割等算法，帮助用户完成视觉项目的快速搭建，大幅度降低AI项目实施周期和难度。