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，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?；蛉毕?。

在當今的制造業(yè)中，由于遺漏的缺陷或質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，以確保質量控制。工業(yè)過程中的質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)科學家團隊需要構建、訓練、部署、監(jiān)控和微調計算機視覺模型，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(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?。Amazon 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整?？蛻暨€能夠對結果提供反饋(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)流程的質量控制實際上非常具有挑戰(zhàn)性?！眮嗰R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?！? GE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?！?

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，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，結果很好?！?Dafgards卓越運營和工業(yè)物聯(lián)網(wǎng)部門負責人Fredrik Dafg?rd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)質量。”