亞馬遜今天宣布普遍提供Amazon Lookout for Vision，這是一項利用計算機視覺分析圖像的云服務，可以發(fā)現(xiàn)制成品中的產(chǎn)品或工藝缺陷和異常。亞馬遜表示，Lookout for Vision可在特定的亞馬遜網(wǎng)絡服務(AWS)地區(qū)通過AWS控制臺和支持合作伙伴提供，它能夠使用少至30張基線圖像來訓練一個AI模型。

當人類在循環(huán)中時，制造業(yè)中的任務可能很容易出錯。來自Vanson Bourne的一項研究發(fā)現(xiàn)，制造業(yè)中23%的非計劃停機時間是由人為錯誤造成的，而其他領域的比率則低至9%。耗資3.276億美元的火星氣候軌道器航天器因未能正確轉(zhuǎn)換計量單位之間的關系而被毀。而一家制藥公司報告說，由于一個誤解，導致一張警報票被覆蓋，這導致生產(chǎn)線上的4天，每天損失20萬英鎊（253946美元）。

Lookout for Vision的目標是通過注入一點人工智能來對抗這種情況，從產(chǎn)品的外觀檢測制造和生產(chǎn)缺陷，包括裂縫、凹痕、顏色不正確和不規(guī)則形狀。亞馬遜表示，這項服務每小時可以處理數(shù)千張圖片，并且不需要前期承諾或最低費用?？蛻舭葱r支付使用費，以訓練模型并使用該服務檢測異?；蛉毕?。

在分析數(shù)據(jù)后，Lookout for Vision會通過服務儀表板或?qū)崟rAPI報告與基線不同的圖像。亞馬遜稱，Lookout for Vision足夠復雜，可以在工作環(huán)境變化引起的相機角度、姿勢和光線的差異下保持準確性。不過客戶還是可以對結(jié)果進行反饋，不管是預測是否正確識別了異常情況。Lookout for Vision會自動對底層模型進行再訓練，使服務不斷改進。

使用Lookout for Vision的客戶包括GE Healthcare、Basler和瑞典的Dafgards。Lookout for Vision在亞馬遜的虛擬re:Invent大會上亮相后，于2020年12月開始向客戶推出預覽版）。Dafgards正在使用該服務對其生產(chǎn)線進行自動檢測，并檢測披薩、漢堡包、蛋餅的配料是否正確。而亞馬遜自己的按需印刷書籍以滿足客戶訂單的Print-On-Demand設施，正在利用Lookout for Vision在書籍制造的每個步驟中實現(xiàn)自動化和規(guī)?；曈X檢測。

AWS亞馬遜機器學習副總裁Swami Sivasubramanian在一份新聞稿中說:

"無論客戶是在冷凍披薩上放餡料，還是在為飛機制造精細校準的零件，我們明確聽到的是，保證只有高質(zhì)量的產(chǎn)品才能到達最終用戶手中是他們業(yè)務的根本。雖然這看起來很明顯，但在工業(yè)管道中確保這樣的質(zhì)量控制實際上是非常具有挑戰(zhàn)性的。我們很高興能將Amazon Lookout for Vision提供給所有規(guī)模和所有行業(yè)的客戶，幫助他們快速、低成本地大規(guī)模檢測缺陷，以節(jié)省時間和金錢，同時保持其消費者所依賴的質(zhì)量--無需機器學習經(jīng)驗。"

關于Amazon Lookout for Vision:

Amazon Lookout for Vision 是一種機器學習 (ML) 服務，它使用計算機視覺 (CV) 技術來發(fā)現(xiàn)視覺表現(xiàn)中的缺陷和異常。借助 Amazon Lookout for Vision，制造業(yè)公司可以大規(guī)?？焖侔l(fā)現(xiàn)對象圖像中的差異，從而提高質(zhì)量并降低運營成本。例如，客戶可以通過 Amazon Lookout for Vision 發(fā)現(xiàn)產(chǎn)品中缺失的零部件、整車或結(jié)構(gòu)上的損壞、生產(chǎn)線異常、晶圓中的細微缺陷以及其他類似的問題。Amazon Lookout for Vision 使用機器學習技術，可以像人一樣發(fā)現(xiàn)并理解來自攝像頭的圖像，同時準確性更高，運用規(guī)模也遠遠更大。借助 Amazon Lookout for Vision，客戶將不再需要進行成本高昂且不穩(wěn)定的人工檢驗，同時可以提高質(zhì)量控制、缺陷和損壞評估以及合規(guī)性。您可以在幾分鐘內(nèi)學會使用 Amazon Lookout for Vision，實現(xiàn)自動化的圖像和對象檢查，并且無需具備任何機器學習專業(yè)知識。

優(yōu)勢

輕松快速改進流程

Amazon Lookout for Vision 讓您能夠輕松快速地在工業(yè)過程中大規(guī)模實施基于計算機視覺的檢驗。您只需為您希望執(zhí)行視覺檢查的工序提供 30 張圖像，即可開始使用此功能。Amazon Lookout for Vision 會自動創(chuàng)建一個模型并分析來自實時生產(chǎn)線監(jiān)控攝像頭的圖像，發(fā)現(xiàn)與基準圖像之間的任何差異。

快速提高生產(chǎn)質(zhì)量

借助 Lookout for Vision，您可以實時減少生產(chǎn)工序中的缺陷。此服務會識別并通過簡單易用的控制面板來報告可見的異常，讓您能夠快速采取措施，防止出現(xiàn)更多缺陷，從而提高生產(chǎn)質(zhì)量并降低成本。

降低運營成本

Lookout for Vision 可以報告視覺檢查數(shù)據(jù)的趨勢，例如識別缺陷率最高的工序，或標記最近的缺陷數(shù)量變化。這讓您能夠確定是否需要安排工藝生產(chǎn)線的計劃維護，還是需要將生產(chǎn)轉(zhuǎn)移至其他設備，以避免成本高昂的計劃外停機。

初裝成本低

機器視覺系統(tǒng)需要使用專用的智能攝像頭，其成本高昂、安裝耗時。而借助 Lookout for Vision，您可以將低成本的攝像頭（甚至已經(jīng)安裝的攝像頭）變?yōu)橹С謾C器學習的視覺檢驗攝像頭，但無需任何機器學習專業(yè)知識。

在嚴酷的條件下提供準確的結(jié)果

機器視覺系統(tǒng)通常需要高度受控的成像條件才能提供準確的結(jié)果。而借助 Lookout for Vision，即使在自然光線變化以及出現(xiàn)工業(yè)環(huán)境內(nèi)的其他條件時，您也能準確地發(fā)現(xiàn)缺陷。

持續(xù)提高準確度

質(zhì)量經(jīng)理或工藝工程師可以在 Lookout for Vision 查看并驗證預測的缺陷。通過驗證后，將使用此反饋來更新機器學習模型，從而獲得更準確的結(jié)果并提高性能。

工作原理

第 1 步：采集生產(chǎn)線的正常和缺陷產(chǎn)品圖像，然后將這些圖像加載到 Amazon Lookout for Vision 控制臺中。

第 2 步：將圖像標記為正?；虍惓＃琇ookout for Vision 會在幾分鐘內(nèi)自動為您構(gòu)建模型。向數(shù)據(jù)集添加圖像，從而優(yōu)化模型以提高缺陷檢出率。

第 3 步：使用 Amazon Lookout for Vision 控制面板來監(jiān)控缺陷并改進工序。

第 4 步：實現(xiàn)自動化的實時或批量視覺檢驗工序，并在發(fā)現(xiàn)缺陷時收到通知。

第 5 步：提供有關所識別產(chǎn)品缺陷的反饋，從而持續(xù)改進。