أمازون لوك أوت فور فيجن هي خدمة التعلم الآلي (ML) التي تكشف عن العيوب والشذوذ في التمثيل المرئي باستخدام رؤية الكمبيوتر (CV). باستخدام Amazon Lookout for Vision ، يمكن لشركات التصنيع زيادة الجودة وتقليل التكاليف التشغيلية من خلال التعرف السريع على الاختلافات في صور الكائنات على نطاق واسع.
يرغب العديد من عملاء المؤسسات في تحديد المكونات المفقودة في المنتجات ، والأضرار التي لحقت بالمركبات أو الهياكل ، والمخالفات في خطوط الإنتاج ، والعيوب الصغيرة في رقائق السيليكون ، وغيرها من المشكلات المماثلة. تستخدم Amazon Lookout for Vision التعلم الآلي لرؤية وفهم الصور من أي كاميرا كما يفعل أي شخص ، ولكن بدرجة أعلى من الدقة وعلى نطاق أوسع بكثير. تلغي Amazon Lookout for Vision الحاجة إلى الفحص اليدوي المكلف وغير المتسق ، مع تحسين مراقبة الجودة وتقييم العيوب والأضرار والامتثال. في غضون دقائق ، يمكنك البدء في استخدام Amazon Lookout for Vision لأتمتة فحص الصور والكائنات - دون الحاجة إلى خبرة في تعلم الآلة.
في هذا المنشور ، ننظر في كيف يمكننا أتمتة اكتشاف الحالات الشاذة في رقائق السيليكون وإخطار المشغلين في الوقت الفعلي.
حل نظرة عامة
يعد تتبع جودة المنتجات في خط التصنيع مهمة صعبة. تلتقط بعض خطوات العملية صورًا للمنتج الذي يقوم البشر بعد ذلك بمراجعته من أجل ضمان الجودة الجيدة. بفضل الذكاء الاصطناعي ، يمكنك أتمتة مهام الكشف عن الشذوذ ، ولكن قد يكون التدخل البشري ضروريًا بعد اكتشاف الحالات الشاذة. النهج القياسي هو إرسال رسائل البريد الإلكتروني عند اكتشاف المنتجات التي بها مشاكل. قد يتم التغاضي عن رسائل البريد الإلكتروني هذه ، مما قد يتسبب في فقدان الجودة في مصنع التصنيع.
في هذا المنشور ، نقوم بأتمتة عملية اكتشاف الحالات الشاذة في رقائق السيليكون وإخطار المشغلين في الوقت الفعلي باستخدام المكالمات الهاتفية الآلية. يوضح الرسم البياني التالي هندستنا. نقوم بنشر موقع ثابت باستخدام تضخيم AWS، والتي تعد بمثابة نقطة دخول لتطبيقنا. كلما تم تحميل صورة جديدة عبر واجهة المستخدم (1) ، فإن ملف AWS لامدا تستدعي الوظيفة نموذج Amazon Lookout for Vision (2) وتتنبأ بما إذا كانت هذه الرقاقة شاذة أم لا. تخزن الوظيفة كل صورة تم تحميلها على خدمة تخزين أمازون البسيطة (أمازون S3) (3). إذا كانت الرقاقة شاذة ، ترسل الوظيفة ثقة التوقع إلى أمازون كونيكت ويستدعي عامل التشغيل (4) ، الذي يمكنه اتخاذ مزيد من الإجراءات (5).
إعداد Amazon Connect وتدفق جهات الاتصال المرتبط به
لتكوين Amazon Connect وتدفق جهات الاتصال ، عليك إكمال الخطوات عالية المستوى التالية:
- قم بإنشاء مثيل Amazon Connect.
- قم بإعداد تدفق الاتصال.
- اطلب رقم هاتفك.
قم بإنشاء مثيل Amazon Connect
الخطوة الأولى هي ل إنشاء مثيل Amazon Connect. بالنسبة لبقية الإعداد ، نستخدم القيم الافتراضية ، ولكن لا تنس إنشاء تسجيل دخول مسؤول.
يمكن أن يستغرق إنشاء المثيل بضع دقائق ، وبعد ذلك يمكننا تسجيل الدخول إلى مثيل Amazon Connect باستخدام حساب المسؤول الذي أنشأناه.
إعداد تدفق الاتصال
في هذا المنشور ، لدينا تدفق اتصال محدد مسبقًا يمكننا استيراده. لمزيد من المعلومات حول استيراد تدفق جهات اتصال موجود ، راجع استيراد / تصدير تدفقات جهات الاتصال.
- اختر الملف
contact-flow/wafer-anomaly-detection
من جيثب ريبو. - اختار استيراد.
يبدو تدفق جهات الاتصال المستوردة مشابهًا للقطة الشاشة التالية.
- في صفحة تفاصيل التدفق ، قم بتوسيع إظهار معلومات التدفق الإضافية.
هنا يمكنك العثور على ARN لتدفق جهات الاتصال.
- قم بتسجيل معرف تدفق الاتصال ومعرف مركز الاتصال ، والذي تحتاجه لاحقًا.
اطلب رقم هاتفك
ادعاء رقم أمر سهل ولا يتطلب سوى بضع نقرات. تأكد من اختيار تدفق جهات الاتصال الذي تم استيراده مسبقًا أثناء المطالبة بالرقم.
إذا لم تكن هناك أرقام متوفرة في البلد الذي تختاره ، فقم برفع تذكرة دعم.
نظرة عامة على تدفق الاتصال
تُظهر لقطة الشاشة التالية تدفق جهات الاتصال لدينا.
يؤدي تدفق الاتصال الوظائف التالية:
- تمكين التسجيل
- اضبط الإخراج الأمازون بولي صوت (في هذا المنشور ، نستخدم صوت كندرا)
- احصل على مدخلات العميل باستخدام DTMF (المفتاحان 1 و 2 فقط صالحان).
- بناءً على إدخال المستخدم ، يقوم التدفق بأحد الإجراءات التالية:
- اطلب رسالة وداع تفيد بعدم اتخاذ أي إجراء والخروج
- اطلب رسالة وداع تفيد بأنه سيتم اتخاذ إجراء والخروج
- فشل وقدم كتلة احتياطية تفيد بأن الآلة سوف تغلق وتخرج
اختياريًا ، يمكنك تحسين نظامك بملحق أمازون ليكس بوت.
انشر الحل
الآن بعد أن قمت بإعداد Amazon Connect ، ونشرت تدفق جهات الاتصال الخاص بك ، ولاحظت المعلومات التي تحتاجها لبقية النشر ، يمكننا نشر المكونات المتبقية. في مستودع GitHub المستنسخ ، قم بتحرير ملف build.sh
البرنامج النصي وتشغيله من سطر الأوامر:
وفر المعلومات التالية:
- منطقتك
- اسم حاوية S3 الذي تريد استخدامه (تأكد من أن الاسم يتضمن الكلمة
sagemaker
). - اسم مشروع Amazon Lookout for Vision الذي تريد استخدامه
- معرف تدفق الاتصال الخاص بك
- معرف مثيل Amazon Connect الخاص بك
- الرقم الذي طالبت به في Amazon Connect بتنسيق E.164 (على سبيل المثال ، +132398765)
- اسم ل تكوين سحابة AWS كومة قمت بإنشائها عن طريق تشغيل هذا البرنامج النصي
ثم يقوم هذا البرنامج النصي بتنفيذ الإجراءات التالية:
- قم بإنشاء دلو S3 من أجلك
- أنشئ ملفات .zip لوظيفة Lambda
- قم بتحميل قالب CloudFormation ووظيفة Lambda إلى حاوية S3 الجديدة
- قم بإنشاء مكدس CloudFormation
بعد نشر الحزمة ، يمكنك العثور على الموارد التالية التي تم إنشاؤها على وحدة تحكم AWS CloudFormation.
يمكنك أن ترى أن ملف الأمازون SageMaker دفتر يسمى amazon-lookout-vision-create-project
تم إنشاؤه أيضًا.
قم ببناء وتدريب ونشر نموذج Amazon Lookout for Vision
في هذا القسم ، نرى كيفية إنشاء نموذج Amazon Lookout for Vision وتدريبه ونشره باستخدام Python SDK مفتوح المصدر. لمزيد من المعلومات حول Amazon Lookout for Vision Python SDK ، راجع هذا بلوق وظيفة.
يمكنك بناء النموذج عبر وحدة تحكم إدارة AWS. للنشر الآلي ، أكمل الخطوات التالية:
- على وحدة تحكم SageMaker ، في ملف مثيلات دفتر الملاحظات الصفحة ، قم بالوصول إلى مثيل دفتر ملاحظات SageMaker الذي تم إنشاؤه مسبقًا عن طريق الاختيار افتح Jupyter.
في المثال ، يمكنك العثور على ملف مستودع جيثب من Amazon Lookout for Vision Python SDK المستنسخة تلقائيًا.
- انتقل إلى ملف
amazon-lookout-for-vision-python-sdk/example
المجلد.
يحتوي المجلد على مثال لدفتر ملاحظات يرشدك خلال إنشاء نموذج وتدريبه ونشره. قبل أن تبدأ ، تحتاج إلى تحميل الصور لاستخدامها في تدريب النموذج على مثيل دفتر الملاحظات الخاص بك.
- في مجلة
example/
مجلد ، قم بإنشاء مجلدين جديدين باسمgood
وbad
. - انتقل إلى كلا المجلدين وقم بتحميل صورك وفقًا لذلك.
توجد أمثلة للصور في مستودع GitHub الذي تم تنزيله.
- بعد تحميل الصور ، افتح ملف
lookout_for_vision_example.ipynb
دفتر.
يرشدك دفتر الملاحظات خلال عملية إنشاء النموذج الخاص بك. إحدى الخطوات المهمة التي يجب عليك القيام بها أولاً هي توفير المعلومات التالية:
يمكنك تجاهل قسم الاستدلال ، ولكن لا تتردد أيضًا في التلاعب بهذا الجزء من دفتر الملاحظات. لأنك بدأت للتو ، يمكنك المغادرة model_version
ضبط ل "1
".
في حالة input_bucket
و project_name
، استخدم حاوية S3 واسم مشروع Amazon Lookout for Vision الذي يتم توفيره كجزء من build.sh
النصي. يمكنك بعد ذلك تشغيل كل خلية في دفتر الملاحظات ، والتي تنشر النموذج بنجاح.
يمكنك عرض مقاييس التدريب باستخدام SDK ، ولكن يمكنك أيضًا العثور عليها على وحدة التحكم. للقيام بذلك ، افتح مشروعك ، وانتقل إلى النماذج ، واختر النموذج الذي قمت بتدريبه. المقاييس متوفرة على مقاييس الأداء علامة التبويب.
أنت الآن جاهز لنشر موقع ويب ثابت يمكنه الاتصال بنموذجك عند الطلب.
انشر موقع الويب الثابت
خطوتك الأولى هي إضافة نقطة نهاية ملف بوابة أمازون API إلى شفرة مصدر موقع الويب الثابت الخاص بك.
- في وحدة تحكم بوابة API ، ابحث عن واجهة برمجة تطبيقات REST التي تسمى
LookoutVisionAPI
. - افتح API واختر المستويات.
- في القائمة المنسدلة للمنصة (بالنسبة لهذه المشاركة ، ديف)، اختر ال سأعين
- انسخ قيمة استدعاء URL.
نضيف عنوان URL إلى شفرة مصدر HTML.
- فتح الملف
html/index.html
.
في نهاية الملف ، يمكنك العثور على قسم يستخدم jQuery لتشغيل طلب AJAX. مفتاح واحد يسمى url
، التي تحتوي على سلسلة فارغة كقيمة لها.
- أدخل عنوان URL الذي نسخته على أنه جديد
url
قيمة وحفظ الملف.
يجب أن يكون الرمز مشابهًا لما يلي:
- تحويل
index.html
ملف إلى ملف مضغوط. - في وحدة تحكم AWS Amplify ، اختر التطبيق
ObjectTracking
.
تفتح صفحة بيئة الواجهة الأمامية لتطبيقك تلقائيًا.
- أختار انشر بدون Git Provider.
يمكنك تحسين هذه القطعة لتوصيل AWS Amplify بـ Git وأتمتة النشر بالكامل.
- اختار ربط الفرع.
- في حالة اسم البيئة¸ أدخل اسمًا (لهذا المنصب ، ندخل
dev
). - في حالة خدمة التوصيل، حدد السحب والإسقاط.
- اختار اختر الملفات لتحميل ملف
index.html.zip
الملف الذي قمت بإنشائه. - اختار حفظ ونشر.
بعد نجاح النشر ، يمكنك استخدام تطبيق الويب الخاص بك عن طريق اختيار المجال المعروض في AWS Amplify.
كشف الشذوذ
تهانينا! لقد قمت للتو ببناء حل لأتمتة الكشف عن الحالات الشاذة في رقائق السيليكون وتنبيه المشغل لاتخاذ الإجراء المناسب. البيانات التي نستخدمها في Amazon Lookout for Vision هي خريطة رقاقة مأخوذة من ويكيبيديا. تمت إضافة عدد قليل من النقاط "السيئة" لتقليد سيناريوهات العالم الحقيقي في تصنيع أشباه الموصلات.
بعد نشر الحل ، يمكنك إجراء اختبار لمعرفة كيفية عمله. عندما تفتح مجال AWS Amplify ، ترى موقع ويب يتيح لك تحميل صورة. في هذا المنشور ، نقدم نتيجة اكتشاف رقاقة سيئة مع ما يسمى بنمط دونات. بعد تحميل الصورة ، يتم عرضها على موقع الويب الخاص بك.
إذا تم اكتشاف الصورة على أنها حالة شاذة ، فإن Amazon Connect يتصل برقم هاتفك ويمكنك التفاعل مع الخدمة.
وفي الختام
في هذا المنشور ، استخدمنا Amazon Lookout for Vision لأتمتة اكتشاف الحالات الشاذة في رقائق السيليكون وتنبيه المشغل في الوقت الفعلي باستخدام Amazon Connect حتى يتمكن من اتخاذ الإجراءات حسب الحاجة.
هذا الحل لا يقتصر على الرقائق فقط. يمكنك توسيعه ليشمل تتبع الكائنات في النقل والمنتجات في التصنيع والإمكانيات الأخرى التي لا نهاية لها.
حول المؤلف
تولا شيروينكا هو مهندس الحلول العالمية لدى AWS والمعتمد في البيانات والتحليلات. إنها تستخدم فنًا من النهج الممكن للعمل بشكل عكسي من أهداف العمل لتطوير هياكل بيانات تحويلية مدفوعة بالأحداث والتي تمكّن القرارات المستندة إلى البيانات. علاوة على ذلك ، فهي متحمسة لإنشاء حلول توجيهية لإعادة التعمير لإرسال أعباء عمل متجانسة حرجة إلى الخدمات الصغيرة وسلسلة التوريد والمصانع المتصلة التي تستفيد من إنترنت الأشياء والتعلم الآلي والبيانات الضخمة وخدمات التحليلات.
مايكل والنر هو عالم بيانات عالمي مع خدمات AWS الاحترافية وهو متحمس لتمكين العملاء في رحلة الذكاء الاصطناعي / التعلم الآلي في السحابة ليصبحوا AWSome. إلى جانب اهتمامه العميق بخدمة Amazon Connect ، فهو يحب الرياضة ويستمتع بالطهي.
Kريثيفاسان بالاسوبرامانيان هو مستشار رئيسي في Amazon Web Services. إنه يمكّن عملاء المؤسسات العالمية في رحلة التحول الرقمي ويساعد في تصميم الحلول السحابية الأصلية.
- الوصول
- حسابي
- اكشن
- إضافي
- مشرف
- أمازون
- أمازون ويب سيرفيسز
- تحليلات
- إكتشاف عيب خلقي
- API
- التطبيق
- تطبيق
- هندسة معمارية
- حول
- فنـون
- الذكاء الاصطناعي
- الآلي
- AWS
- المدونة
- أحذية طويلة
- نساعدك في بناء
- ابني
- الأعمال
- دعوة
- سبب
- سحابة
- سحابة الأصلية
- الكود
- الشركات
- الالتزام
- رؤية الكمبيوتر
- الثقة
- consultants
- الطهي
- التكاليف
- خلق
- العملاء
- البيانات
- عالم البيانات
- الطلب
- كشف
- تطوير
- رقمي
- التحول الرقمي
- نقطة النهاية
- مشروع
- عملاء المؤسسة
- البيئة
- وسع
- الاسم الأول
- تدفق
- شكل
- مجانًا
- وظيفة
- بوابة
- GitHub جيثب:
- العالمية
- خير
- كيفية
- كيفية
- HTTPS
- البشر
- تحديد
- صورة
- استيراد
- القيمة الاسمية
- معلومات
- رؤيتنا
- مصلحة
- قام المحفل
- IT
- القفل
- مفاتيح
- تعلم
- الرافعة المالية
- خط
- آلة التعلم
- إدارة
- تصنيع
- رسم خريطة
- المقاييس
- الرسالة
- ML
- نموذج
- أرقام
- جاكيت
- يفتح
- طلب
- أخرى
- نمط
- تنبؤ
- يقدم
- منتج
- الإنتــاج
- المنتجات
- تنفيذ المشاريع
- بايثون
- جودة
- رفع
- قارئ
- تخفيض
- الموارد
- REST
- مراجعة
- يجري
- تشغيل
- sagemaker
- حجم
- الإستراحة
- أشباه الموصلات
- خدمات
- طقم
- الاشارات
- So
- الحلول
- رياضة
- بداية
- بدأت
- تخزين
- فروعنا
- تحقيق النجاح
- ناجح
- تزويد
- سلسلة التوريد
- الدعم
- نظام
- تجربه بالعربي
- الوقت
- مسار
- تتبع الشحنة
- قادة الإيمان
- تحول
- وسائل النقل
- ui
- قيمنا
- السيارات
- المزيد
- رؤيتنا
- صوت
- الويب
- خدمات ويب
- الموقع الإلكتروني
- من الذى
- ويكيبيديا
- للعمل
- أعمال