北京2021年3月1日 /美通社/ -- 近日，亞馬遜云科技宣布Amazon Lookout for Vision正式可用，這是一項全新服務，使用計算機視覺和先進的機器學習能力分析圖像，以發(fā)現(xiàn)制造過程中產(chǎn)品或流程的缺陷和異常。通過一種名為“小樣本學習(few-shot learning)”的機器學習技術(shù)，Amazon Lookout for Vision可使用低至30張基準圖像為客戶訓練模型。使用Amazon Lookout for Vision，客戶可以快速開始檢測產(chǎn)品的制造和生產(chǎn)缺陷（例如裂紋、凹痕、不正確的顏色、不規(guī)則形狀等），防止這些成本高昂的瑕疵進入到運營環(huán)節(jié)甚至送達客戶手中。結(jié)合Amazon Lookout for Equipment、Amazon Monitron和Amazon Panorama，Amazon Lookout for Vision為工業(yè)和制造業(yè)客戶提供最全面的從云端到邊緣端的工業(yè)機器學習服務套件。有了Amazon Lookout for Vision，無需考慮預先承諾或最低費用，客戶可按小時支付實際使用服務的費用，以訓練模型以及檢測異常或缺陷。欲開始使用Amazon Lookout for Vision，請訪問：https://aws.amazon.com/lookout-for-vision/
在當今的制造業(yè)中，由于遺漏的缺陷或質(zhì)量不一致問題而導致的生產(chǎn)線停產(chǎn)，每年會讓企業(yè)蒙受數(shù)百萬美元的成本超支和營收損失。為了避免這些代價高昂的問題，工業(yè)企業(yè)必須保持不懈的努力，以確保質(zhì)量控制。工業(yè)過程中的質(zhì)量保證通常需要靠人工檢查，即便在最好的情況下，這一過程仍是費時且不能保證不一致，而在最壞的情況下則幾乎變得不可行。計算機視覺可以帶來持續(xù)識別缺陷所需的速度和精度，然而，傳統(tǒng)的計算機視覺解決方案可能很復雜。從頭開始構(gòu)建計算機視覺模型需要為制造過程中的每個元素精心標記大量圖像。然后，數(shù)據(jù)科學家團隊需要構(gòu)建、訓練、部署、監(jiān)控和微調(diào)計算機視覺模型，以分析產(chǎn)品檢查過程中的每個獨立階段。即使是微小的制造過程變化（如缺貨部件替換為另一個同等部件，更新產(chǎn)品規(guī)格或改變照明），便意味著需要再訓練和重新部署單個模型，或者是生產(chǎn)過程中下游的其它模型，很明顯，這冗長而復雜，費力費時。由于這些障礙，計算機視覺驅(qū)動的視覺異常系統(tǒng)仍然是絕大多數(shù)公司無法觸及的。
Amazon Lookout for Vision為客戶提供了一種高精確度、低成本的異常檢測解決方案，使用計算機視覺每小時處理數(shù)千張圖像來發(fā)現(xiàn)缺陷和異常，而無需具有機器學習經(jīng)驗?？蛻魧⑾鄼C圖像實時發(fā)送到Amazon Lookout for Vision，以識別異常情況，如產(chǎn)品表面損壞、部件丟失和生產(chǎn)線上的其它異常情況。利用“小樣本學習(few-shot learning)”的機器學習技術(shù)（機器學習模型能夠基于非常少量的訓練數(shù)據(jù)進行數(shù)據(jù)分類），該服務只需低至30張可接受的和異常狀態(tài)的圖像作為基準，便可開始評估機器零件或制成品。除了能夠在不需要大量訓練數(shù)據(jù)的情況下檢測異常之外，該功能還使服務能夠適應各種工業(yè)環(huán)境下的檢查任務。在分析數(shù)據(jù)之后，Amazon Lookout for Vision會通過服務儀表板或“DetectAnomalies”實時API報告與基準不同的圖像，以便采取適當?shù)男袆印mazon Lookout for Vision足夠精細，能夠在工作環(huán)境中實現(xiàn)相機角度、姿勢和照明的高精度調(diào)整。客戶還能夠?qū)Y(jié)果提供反饋（例如預測是否正確地識別了異常），Lookout for Vision將自動重新訓練底層模型，不斷改進服務。該特性讓技術(shù)可以充分適應制造過程中的變化，甚至根據(jù)客戶反饋了解何時允許或不允許變化。這意味著客戶可以更加靈活，根據(jù)其自身競爭優(yōu)勢或影響其運營的外部因素，適時調(diào)整流程。
“無論客戶是給冷凍披薩配料還是為飛機制造精確校準的零部件，我們都清楚地了解，保證到達終端用戶的產(chǎn)品都是高質(zhì)量的，是他們業(yè)務的根本。雖然這似乎是顯而易見的，但確保工業(yè)流程的質(zhì)量控制實際上非常具有挑戰(zhàn)性。”亞馬遜云科技機器學習副總裁Swami Sivasubramanian表示，“我們很高興能為所有規(guī)模和行業(yè)的客戶提供Amazon Lookout for Vision，幫助他們進行快速而經(jīng)濟的大規(guī)模檢測缺陷，節(jié)省時間和金錢，同時確保其消費者所依賴的質(zhì)量，而這一切無需機器學習經(jīng)驗。”
Lookout for Vision可以直接通過Amazon Web Services控制臺獲得，也可以通過支持合作伙伴來幫助客戶將計算機視覺嵌入到其設施內(nèi)的現(xiàn)有操作系統(tǒng)中。該服務也與Amazon CloudFormation兼容。Lookout for Vision現(xiàn)已在美國東部（弗吉尼亞北部）、美國東部（俄亥俄）、美國西部（俄勒岡）、歐洲（愛爾蘭）、歐洲（法蘭克福）、亞太地區(qū)（東京）和亞太地區(qū)（首爾）區(qū)域正式推出，其它區(qū)域也將很快推出。
GE醫(yī)療是全球領先的醫(yī)療技術(shù)和數(shù)字解決方案創(chuàng)新者，通過智能設備、數(shù)據(jù)分析、應用程序和服務，幫助臨床醫(yī)生做出更快、更精準的決策?！癆mazon Lookout for Vision的早期使用結(jié)果令人鼓舞，這將有助于提高我們各工廠檢測產(chǎn)品缺陷的速度、一致性和準確性?！盙E醫(yī)療日本公司運營官、制造部門總經(jīng)理、工廠經(jīng)理Kozaburo Fujimoto表示，“作為世界上最值得信賴的醫(yī)療保健公司之一，我們一個多世紀以來不斷保持技術(shù)進步和數(shù)字化創(chuàng)新，我們對亞馬遜云科技的工業(yè)機器學習服務將給我們的制造環(huán)境帶來的益處充滿期待?！?
亞馬遜的按需印刷(POD)設施，為客戶按單印刷書籍?！坝捎跁窃诳蛻粲嗁彆r制造的，確保制造過程每一步的精度至關重要。通過POD，我們可以快速地將最高質(zhì)量的書籍提供給客戶?！眮嗰R遜POD全球總監(jiān)David Symonds表示，“有了Amazon Lookout for Vision，我們可以在生產(chǎn)的每個步驟實現(xiàn)自動化和擴展視覺檢測，同時以全速運行，幫助我們確保良好的客戶體驗?！?/p>
Basler是全球工業(yè)視覺制造商和解決方案提供商，為半導體檢測、機器人、食品檢測、郵政分揀和打印圖像檢測等應用領域提供攝像機和機器視覺系統(tǒng)?！皽p少故障是制造企業(yè)需要考慮的最重要KPI之一。傳統(tǒng)的人工檢測是一種勞動密集型且難以規(guī)?；臋z測方法。通過使用計算機視覺進行質(zhì)量檢測，這一過程可以實現(xiàn)自動化，從而顯著降低成本。Basler和Amazon Lookout for Vision提供了一個非常精簡的架構(gòu)，可以在任何生產(chǎn)場所采用基于視覺的異常檢測。我們很高興能夠結(jié)合Basler在工業(yè)視覺和邊緣平臺的專業(yè)知識，以及亞馬遜云科技在工業(yè)機器學習領域的投資，共同為我們的客戶提供完整的視覺解決方案?！盉asler AG市場營銷總監(jiān)Gerrit Fischer表示。
Dafgards在瑞典是一個家喻戶曉的名字，生產(chǎn)各種各樣的食品?！拔覀冎皣L試了Amazon Lookout for Vision，以自動化檢查我們的披薩生產(chǎn)線，檢測披薩中是否有足夠的奶酪和正確的配料，結(jié)果很好。”Dafgards卓越運營和工業(yè)物聯(lián)網(wǎng)部門負責人Fredrik Dafgård表示，“我們很高興能將Lookout for Vision擴展到漢堡和乳蛋餅等其它生產(chǎn)線，幫助我們檢測包括不正確的配料在內(nèi)的任何異常情況。我們計劃將Lookout for Vision擴展到多個生產(chǎn)線。Amazon Lookout for Vision將幫助Dafgards提高檢測缺陷和異常的一致性和準確性，使我們能夠大規(guī)模提高整體生產(chǎn)質(zhì)量?！?/p>
