ViDi 是 VisionPro 內的深度學習模組（PC / Workstation 訓練、樣本較多）；Edge Learning 是 In-Sight 嵌入式 AI 工具集（如 IS2800 / 3800 內建的 ViDi EL Classify / EL Read，機身內訓練、官方下限 5-10 張/類、VSK 量產建議 30 張）。簡單瑕疵分類 / 字元辨識用 Edge Learning，複雜瑕疵 / 多模態 / 客製化大系統用 VisionPro + ViDi；實際樣本數依場景而定。
選型 · FAQ
Q：Cognex VisionPro ViDi vs Edge Learning 差別？
A：Edge Learning 是入門 AI（樣本少、機身內訓練），ViDi 是進階 AI（樣本多、Workstation 訓練）。簡單分類用 Edge Learning，複雜瑕疵用 ViDi。
Edge Learning 是入門 AI（樣本少、機身內訓練），ViDi 是進階 AI（樣本多、Workstation 訓練）。簡單分類用 Edge Learning，複雜瑕疵用 ViDi。
DETAILED ANSWER · 完整解答
以下由 VSK 工程師整理。涵蓋背景、原理、實務建議與工程師選型考量。
TAGS
ViDiEdge LearningVISIONPRO深度學習OCR條碼讀取
RELATED FAQ · 相關問題
其他工程師也問了
Q Q Q
AI 深度學習訓練要多少樣本？樣本不夠怎麼辦？
Cognex Edge Learning 官方下限 5-10 張/類即可上手（VSK 量產建議 30 張穩定下限）、ViDi 標準 100-300 張、複雜應用 500-1000+ 張。樣本需包含 OK / 邊界 NG / 極端 NG 三類。樣本不夠可用「資料增強」+ VSK 工程師現場收集協助。
威視康 PSI 系統整合商 用 Edge Learning 訓練樣本需要多少？
Edge Learning 所需樣本數與訓練時間依瑕疵變異性與場景而定。比起傳統深度學習方案，In-Sight 2800 內建 Edge Learning 顯著降低樣本需求與部署門檻。
食品飲料的威視康 PSI 系統整合商為何選 Cognex In-Sight 2800？
In-Sight 2800 是 Cognex 入門級一體化 AI 視覺感測器，內建 Edge Learning，部署時間相對短。食品飲料產線檢測屬一般工業應用，2800 在性價比與部署速度上適合此類產線。