2021-02-26 00:15:40
来 源
中存储
解决方案
亚马逊Lookout for Vision 在图像和视频流上使用AWS训练的计算机视觉模型,以发现产品或生产过程中的异常和缺陷。

中存储网2021年2月24日消息,亚马逊网络服务公司 (AWS)宣布了 亚马逊Lookout for Vision是一项新服务,它使用计算机视觉和先进的机器学习功能来分析图像,以发现产品或过程中的缺陷以及制成品中的异常情况。通过采用称为“少量学习”的机器学习技术,亚马逊Lookout for Vision可以使用多达30张基线图像为客户训练模型。客户可以快速开始使用亚马逊寻找Vision来检测其产品中的制造和生产缺陷(例如,裂缝,凹痕,不正确的颜色,不规则形状等),并防止那些代价高昂的错误沿生产线发展并永远无法覆盖客户。和...一起亚马逊 寻找设备, 亚马逊 Monitron和AWS Panorama 亚马逊Lookout for Vision为工业和制造业客户提供了最全面的云到边缘工业机器学习服务套件。和亚马逊Look for Vision,没有前期承诺或最低费用,客户按小时支付其实际使用量,以训练模型并使用该服务检测异常或缺陷。开始使用亚马逊展望视觉,请访问https://aws.amazon.com/lookout-for-vision/

亚马逊Lookout for Vision是一项新服务

在当今的制造业中,由于遗漏缺陷或质量不一致而导致的生产线停产每年可能导致数百万美元的成本超支和收入损失。为了避免这些昂贵的问题,工业公司必须保持不断的努力以确保质量控制。工业过程中的质量保证通常需要人工检查,这可能是冗长乏味的,并且在最佳状态或最坏情况下是不可行的。计算机视觉带来了识别缺陷的速度和准确性。但是,实施传统的计算机视觉解决方案可能很复杂。从头开始构建计算机视觉模型需要为制造过程的每个元素提供大量经过仔细标记的图像。然后,数据科学家团队需要构建,培训,部署,监控,并微调计算机视觉模型,以分析产品检验过程的每个单独阶段。即使在制造过程中进行很小的更改(例如,用等效的替代品替换缺货的组件,更新产品规格或更改照明),也意味着必须重新培训和重新部署各个模型,以及生产过程中下游的其他模型,这很繁琐,复杂且耗时。由于这些障碍,绝大多数公司无法使用计算机视觉驱动的视觉异常系统。或照明的更改)意味着必须在生产过程中重新训练和重新部署单个模型以及下游的其他模型,这既繁琐,复杂又耗时。由于这些障碍,绝大多数公司无法使用计算机视觉驱动的视觉异常系统。或照明的更改)意味着必须在生产过程中重新训练和重新部署单个模型以及下游的其他模型,这既繁琐,复杂又耗时。由于这些障碍,绝大多数公司无法使用计算机视觉驱动的视觉异常系统。

亚马逊Lookout for Vision为客户提供了一种高精度,低成本的异常检测解决方案,该解决方案使用计算机视觉每小时处理数千张图像以发现缺陷和异常,而无需任何机器学习经验。客户将相机图像发送到亚马逊实时查找Vision,以识别异常情况,例如产品表面损坏,组件丢失以及生产线中的其他不正常情况。利用称为少拍学习的机器学习技术(其中机器学习模型能够基于少量的训练数据对数据进行分类),该服务仅需要30张可接受和异常状态的图像作为基线开始评估机器零件或制成品。除了使服务无需大量培训数据即可检测异常外,此功能还使服务能够适应工业环境中的各种检查任务。分析数据后,亚马逊 Lookout for Vision然后通过服务仪表板或“ DetectAnomalies”实时API报告与基线不同的图像,以便可以采取适当的措施。 亚马逊Lookout for Vision足够复杂,可以保持高精确度,并且由于工作环境的变化而导致相机角度,姿势和光线的变化。客户还具有提供有关结果的反馈的能力(例如,预测是否正确识别了异常),并且Lookout for Vision将自动重新训练基础模型,从而使服务不断改进。此功能使技术可以适应制造过程中的变化,甚至可以根据客户的反馈了解何时允许或不允许发生变化。这意味着客户可以更灵活地根据竞争优势或影响其运营的外部因素来调整其流程。

“无论客户是将馅料放在冷冻的比萨饼上还是为飞机制造精细校准的零件,我们都明确地知道,确保只有高质量的产品才能到达最终用户,这对他们的业务至关重要。虽然这看起来似乎很明显,但确保工业管道中的此类质量控制实际上是非常具有挑战性的,” 斯瓦米·西瓦苏拉曼尼亚人 ,副总裁 亚马逊适用于AWS的机器学习。“我们很高兴能提供亚马逊 Look Vision面向各种规模和各个行业的客户,以帮助他们快速,经济高效地大规模发现缺陷,从而节省时间和金钱,同时保持消费者所依赖的质量,而无需任何机器学习经验。”

可通过AWS控制台以及支持合作伙伴直接使用Lookout for Vision,以帮助客户将计算机视觉嵌入其设施中的现有操作系统中。该服务还与AWS CloudFormation兼容。Look for Vision现已在美国东部( 北弗吉尼亚 ),美国东部(俄亥俄),美国西部(俄勒冈州), 欧盟 (爱尔兰), 欧盟 (法兰克福), 亚太地区 (东京), 和 亚太地区 (汉城),并在未来几个月内在其他地区提供。

GE医疗是全球领先的医疗技术和数字解决方案创新者,可帮助临床医生通过智能设备,数据分析,应用程序和服务做出更快,更明智的决策。“我们对以下令人鼓舞的早期结果感到兴奋亚马逊 Lookout for Vision有望帮助提高我们工厂内检测产品缺陷的速度,一致性和准确性,”  藤本光三郎 ,运营官,制造部总经理,工厂经理, GE医疗日本。“作为拥有超过一个世纪技术进步和数字创新的全球最受信任的医疗保健公司之一,我们期望利用AWS工业机器学习服务将带给我们制造环境的好处。”

亚马逊的按需打印(POD)设施可按需打印书籍,以履行客户订单。“使用POD,由于书籍是在客户订购时制造的,因此必须确保制造过程中每个步骤的精度,以便为我们的客户提供快速的交货时间和最优质的书籍,” 戴维·西蒙兹 ,POD全球总监 亚马逊。“和亚马逊 Look for Vision,我们可以在制造的每个步骤中自动化并按比例缩放外观检查,同时以全处理速度运行,从而帮助我们确保出色的客户体验。”

Basler是工业视觉领域的全球制造商和解决方案提供商,提供用于半导体检查,机器人技术,食品检查,邮政分拣和打印图像检查等应用的相机和机器视觉系统。减少故障是制造公司要考虑的最重要的KPI之一。传统的人工检查是劳动密集型的并且难以扩展。通过使用计算机视觉进行质量检查,该过程可以实现自动化并显着降低成本。” 杰里特·费舍尔 ,Basler AG市场营销主管。“巴斯勒和亚马逊Lookout for Vision提供了一种非常精简的体系结构,可以在任何制造场所采用基于视觉的异常检测。我们很高兴通过结合Basler在工业视觉和边缘平台方面的专业知识以及AWS在工业机器学习方面的投资,共同为客户提供完整的视觉解决方案。”

Dafgards是家喻户晓的名字 瑞典,制造各种食品。“我们以前尝试过亚马逊希望Vision能够自动检查我们的比萨饼生产线,以检测比萨饼是否有足够的奶酪和正确的配料,并取得良好的结果,”达夫加德斯卓越运营和工业物联网负责人FredrikDafgård说。“我们很高兴将Lookout for Vision扩展到我们的其他生产线,例如汉堡包和蛋饼,以帮助我们发现任何异常,例如成分不正确。随着时间的推移,我们计划跨多个生产线扩展Lookout for Vision。亚马逊 Look for Vision将使Dafgards能够提高检测缺陷和异常的一致性和准确性,从而使我们能够大规模提高整体生产质量。”

声明: 此文观点不代表本站立场;转载须要保留原文链接;版权疑问请联系我们。