在當今的制造業(yè)中，由于遺漏的缺陷或質(zhì)量不一致問(wèn)題而導致的生產(chǎn)線(xiàn)停產(chǎn)，每年會(huì )讓企業(yè)蒙受數百萬(wàn)美元的成本超支和營(yíng)收損失。為了避免這些代價(jià)高昂的問(wèn)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(guò)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(guò)程仍是費時(shí)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(jué)可以帶來(lái)持續識別缺陷所需的速度和精度，然而，傳統的計算機視覺(jué)解決方案可能很復雜。從頭開(kāi)始構建計算機視覺(jué)模型需要為制造過(guò)程中的每個(gè)元素精心標記大量圖像。然后，數據科學(xué)家團隊需要構建、訓練、部署、監控和微調計算機視覺(jué)模型，以分析產(chǎn)品檢查過(guò)程中的每個(gè)獨立階段。即使是微小的制造過(guò)程變化（如缺貨部件替換為另一個(gè)同等部件，更新產(chǎn)品規格或改變照明），便意味著(zhù)需要再訓練和重新部署單個(gè)模型，或者是生產(chǎn)過(guò)程中下游的其它模型，很明顯，這冗長(cháng)而復雜，費力費時(shí)。由于這些障礙，計算機視覺(jué)驅動(dòng)的視覺(jué)異常系統仍然是絕大多數公司無(wú)法觸及的。
Amazon Lookout for Vision為客戶(hù)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(jué)每小時(shí)處理數千張圖像來(lái)發(fā)現缺陷和異常，而無(wú)需具有機器學(xué)習經(jīng)驗。客戶(hù)將相機圖像實(shí)時(shí)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(xiàn)上的其它異常情況。利用“小樣本學(xué)習（few-shot learning）”的機器學(xué)習技術(shù)（機器學(xué)習模型能夠基于非常少量的訓練數據進(jìn)行數據分類(lèi)），該服務(wù)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(kāi)始評估機器零件或制成品。除了能夠在不需要大量訓練數據的情況下檢測異常之外，該功能還使服務(wù)能夠適應各種工業(yè)環(huán)境下的檢查任務(wù)。在分析數據之后，Amazon Lookout for Vision會(huì )通過(guò)服務(wù)儀表板或“DetectAnomalies”實(shí)時(shí)API報告與基準不同的圖像，以便采取適當的行動(dòng)。Amazon Lookout for Vision足夠精細，能夠在工作環(huán)境中實(shí)現相機角度、姿勢和照明的高精度調整。客戶(hù)還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(dòng)重新訓練底層模型，不斷改進(jìn)服務(wù)。該特性讓技術(shù)可以充分適應制造過(guò)程中的變化，甚至根據客戶(hù)反饋了解何時(shí)允許或不允許變化。這意味著(zhù)客戶(hù)可以更加靈活，根據其自身競爭優(yōu)勢或影響其運營(yíng)的外部因素，適時(shí)調整流程。
“無(wú)論客戶(hù)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(hù)的產(chǎn)品都是高質(zhì)量的，是他們業(yè)務(wù)的根本。雖然這似乎是顯而易見(jiàn)的，但確保工業(yè)流程的質(zhì)量控制實(shí)際上非常具有挑戰性。”亞馬遜云科技機器學(xué)習副總裁Swami Sivasubramanian表示，“我們很高興能為所有規模和行業(yè)的客戶(hù)提供Amazon Lookout for Vision，幫助他們進(jìn)行快速而經(jīng)濟的大規模檢測缺陷，節省時(shí)間和金錢(qián)，同時(shí)確保其消費者所依賴(lài)的質(zhì)量，而這一切無(wú)需機器學(xué)習經(jīng)驗。”
Lookout for Vision可以直接通過(guò)Amazon Web Services控制臺獲得，也可以通過(guò)支持合作伙伴來(lái)幫助客戶(hù)將計算機視覺(jué)嵌入到其設施內的現有操作系統中。該服務(wù)也與Amazon CloudFormation兼容。Lookout for Vision現已在美國東部（弗吉尼亞北部）、美國東部（俄亥俄）、美國西部（俄勒岡）、歐洲（愛(ài)爾蘭）、歐洲（法蘭克福）、亞太地區（東京）和亞太地區（首爾）區域正式推出，其它區域也將很快推出。
GE醫療是全球領(lǐng)先的醫療技術(shù)和數字解決方案創(chuàng )新者，通過(guò)智能設備、數據分析、應用程序和服務(wù)，幫助臨床醫生做出更快、更精準的決策。“Amazon 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(chǎng)檢測產(chǎn)品缺陷的速度、一致性和準確性。”GE醫療日本公司運營(yíng)官、制造部門(mén)總經(jīng)理、工廠(chǎng)經(jīng)理Kozaburo Fujimoto表示，“作為世界上最值得信賴(lài)的醫療保健公司之一，我們一個(gè)多世紀以來(lái)不斷保持技術(shù)進(jìn)步和數字化創(chuàng )新，我們對亞馬遜云科技的工業(yè)機器學(xué)習服務(wù)將給我們的制造環(huán)境帶來(lái)的益處充滿(mǎn)期待。”
亞馬遜的按需印刷（POD）設施，為客戶(hù)按單印刷書(shū)籍。“由于書(shū)籍是在客戶(hù)訂購時(shí)制造的，確保制造過(guò)程每一步的精度至關(guān)重要。通過(guò)POD，我們可以快速地將最高質(zhì)量的書(shū)籍提供給客戶(hù)。”亞馬遜POD全球總監David Symonds表示，“有了Amazon Lookout for Vision，我們可以在生產(chǎn)的每個(gè)步驟實(shí)現自動(dòng)化和擴展視覺(jué)檢測，同時(shí)以全速運行，幫助我們確保良好的客戶(hù)體驗。”
Basler是全球工業(yè)視覺(jué)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(lǐng)域提供攝像機和機器視覺(jué)系統。“減少故障是制造企業(yè)需要考慮的最重要KPI之一。傳統的人工檢測是一種勞動(dòng)密集型且難以規模化的檢測方法。通過(guò)使用計算機視覺(jué)進(jìn)行質(zhì)量檢測，這一過(guò)程可以實(shí)現自動(dòng)化，從而顯著(zhù)降低成本。Basler和Amazon Lookout for Vision提供了一個(gè)非常精簡(jiǎn)的架構，可以在任何生產(chǎn)場(chǎng)所采用基于視覺(jué)的異常檢測。我們很高興能夠結合Basler在工業(yè)視覺(jué)和邊緣平臺的專(zhuān)業(yè)知識，以及亞馬遜云科技在工業(yè)機器學(xué)習領(lǐng)域的投資，共同為我們的客戶(hù)提供完整的視覺(jué)解決方案。”Basler AG市場(chǎng)營(yíng)銷(xiāo)總監Gerrit Fischer表示。
Dafgards在瑞典是一個(gè)家喻戶(hù)曉的名字，生產(chǎn)各種各樣的食品。“我們之前嘗試了Amazon Lookout for Vision，以自動(dòng)化檢查我們的披薩生產(chǎn)線(xiàn)，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(yíng)和工業(yè)物聯(lián)網(wǎng)部門(mén)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(xiàn)，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(gè)生產(chǎn)線(xiàn)。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，使我們能夠大規模提高整體生產(chǎn)質(zhì)量。”
消息來(lái)源：AWS
