अमेज़ॅन लुकआउट फॉर विज़न एक मशीन लर्निंग (एमएल) सेवा है जो कंप्यूटर विज़न (CV) का उपयोग करके दृश्य अभ्यावेदन में दोष और विसंगतियों को दूर करती है। विज़न के लिए अमेज़ॅन लुकआउट के साथ, निर्माण कंपनियां गुणवत्ता में वृद्धि कर सकती हैं और पैमाने पर वस्तुओं की छवियों में अंतर को जल्दी से पहचानकर परिचालन लागत को कम कर सकती हैं।
कई उद्यम ग्राहक उत्पादों में लापता घटकों, वाहनों या संरचनाओं को नुकसान, उत्पादन लाइनों में अनियमितता, सिलिकॉन वेफर्स में माइनसक्यूल दोष और अन्य समान समस्याओं की पहचान करना चाहते हैं। अमेज़ॅन लुकआउट फॉर विज़न किसी भी कैमरे से किसी भी व्यक्ति की छवियों को देखने और समझने के लिए एमएल का उपयोग करता है, लेकिन सटीकता की एक उच्च डिग्री और बहुत बड़े पैमाने पर। अमेज़ॅन लुकआउट फॉर विज़न गुणवत्ता नियंत्रण, दोष और क्षति के आकलन और अनुपालन में सुधार करते हुए महंगा और असंगत मैनुअल निरीक्षण की आवश्यकता को समाप्त करता है। मिनटों में, आप छवियों और वस्तुओं के निरीक्षण को स्वचालित करने के लिए अमेज़ॅन लुकआउट का उपयोग करना शुरू कर सकते हैं - जिसमें कोई एमएल विशेषज्ञता आवश्यक नहीं है।
इस पोस्ट में, हम देखते हैं कि कैसे हम सिलिकॉन वेफर्स में विसंगतियों का पता लगा सकते हैं और वास्तविक समय में ऑपरेटरों को सूचित कर सकते हैं।
समाधान अवलोकन
विनिर्माण लाइन में उत्पादों की गुणवत्ता पर नज़र रखना एक चुनौतीपूर्ण कार्य है। कुछ प्रक्रिया के कदम उस उत्पाद की छवियां लेते हैं जो मनुष्य अच्छी गुणवत्ता को सुनिश्चित करने के लिए समीक्षा करते हैं। कृत्रिम बुद्धि के लिए धन्यवाद, आप इन विसंगतियों का पता लगाने के कार्यों को स्वचालित कर सकते हैं, लेकिन विसंगतियों का पता चलने के बाद मानव हस्तक्षेप आवश्यक हो सकता है। समस्याग्रस्त उत्पादों का पता चलने पर एक मानक दृष्टिकोण ईमेल भेज रहा है। इन ईमेलों को अनदेखा किया जा सकता है, जिससे विनिर्माण संयंत्र में गुणवत्ता में कमी हो सकती है।
इस पोस्ट में, हम सिलिकॉन वेफर्स में विसंगतियों का पता लगाने और स्वचालित फोन कॉल का उपयोग करके वास्तविक समय में ऑपरेटरों को सूचित करने की प्रक्रिया को स्वचालित करते हैं। निम्नलिखित चित्र हमारी वास्तुकला को दर्शाता है। हम एक स्थिर वेबसाइट का उपयोग करते हैं AWS प्रवर्धित करें, जो हमारे आवेदन के लिए प्रवेश बिंदु के रूप में कार्य करता है। जब भी यूआई (1) के माध्यम से एक नई छवि अपलोड की जाती है, ए AWS लाम्बा फ़ंक्शन विज़न मॉडल (2) के लिए अमेज़ॅन लुकआउट को आमंत्रित करता है और भविष्यवाणी करता है कि यह वफ़र विषम है या नहीं। फ़ंक्शन प्रत्येक अपलोड की गई छवि को संग्रहीत करता है अमेज़न सरल भंडारण सेवा (अमेज़न S3) (3)। यदि वफ़र विसंगतिपूर्ण है, तो फ़ंक्शन भविष्यवाणी का विश्वास भेजता है अमेज़न कनेक्ट और एक ऑपरेटर (4) को कॉल करता है, जो आगे की कार्रवाई (5) कर सकता है।
अमेज़ॅन कनेक्ट और संबंधित संपर्क प्रवाह की स्थापना
अमेज़ॅन कनेक्ट और संपर्क प्रवाह को कॉन्फ़िगर करने के लिए, आप निम्न उच्च-स्तरीय चरणों को पूरा करते हैं:
- Amazon Connect उदाहरण बनाएँ।
- संपर्क प्रवाह सेट करें।
- अपने फोन नंबर का दावा करें।
Amazon Connect उदाहरण बनाएँ
पहला कदम है Amazon Connect उदाहरण बनाएँ। शेष सेटअप के लिए, हम डिफ़ॉल्ट मानों का उपयोग करते हैं, लेकिन व्यवस्थापक लॉगिन बनाना न भूलें।
इंस्टेंस निर्माण में कुछ मिनट लग सकते हैं, जिसके बाद हम अपने द्वारा बनाए गए व्यवस्थापक खाते का उपयोग करके अमेज़ॅन कनेक्ट उदाहरण में लॉग इन कर सकते हैं।
संपर्क प्रवाह स्थापित करना
इस पोस्ट में, हमारे पास एक पूर्वनिर्धारित संपर्क प्रवाह है जिसे हम आयात कर सकते हैं। मौजूदा संपर्क प्रवाह को आयात करने के बारे में अधिक जानकारी के लिए, देखें आयात / निर्यात संपर्क प्रवाह.
- फ़ाइल चुनें
contact-flow/wafer-anomaly-detection
से गीथहब रेपो. - चुनें आयात.
आयातित संपर्क प्रवाह निम्न स्क्रीनशॉट के समान दिखता है।
- प्रवाह विवरण पृष्ठ पर, विस्तृत करें अतिरिक्त प्रवाह जानकारी दिखाएं.
यहां आप संपर्क प्रवाह के एआरएन को पा सकते हैं।
- संपर्क प्रवाह आईडी और संपर्क केंद्र आईडी रिकॉर्ड करें, जिसकी आपको बाद में आवश्यकता है।
अपने फोन नंबर का दावा करें
एक नंबर का दावा आसान है और बस कुछ ही क्लिक लेता है। संख्या का दावा करते समय पहले से आयातित संपर्क प्रवाह को चुनना सुनिश्चित करें।
यदि आपकी पसंद के देश में कोई संख्या उपलब्ध नहीं है, तो एक समर्थन टिकट बढ़ाएं।
संपर्क प्रवाह अवलोकन
निम्न स्क्रीनशॉट हमारे संपर्क प्रवाह को दर्शाता है।
संपर्क प्रवाह निम्नलिखित कार्य करता है:
- लॉगिंग करने देना
- आउटपुट सेट करें अमेज़ॅन पोली आवाज (इस पोस्ट के लिए, हम केंद्र आवाज का उपयोग करते हैं)
- DTMF (केवल कुंजियाँ 1 और 2 मान्य हैं) का उपयोग करके ग्राहक इनपुट प्राप्त करें।
- उपयोगकर्ता के इनपुट के आधार पर, प्रवाह निम्न में से एक करता है:
- कोई कार्रवाई नहीं की जाएगी और बाहर निकलने के लिए एक अलविदा संदेश का संकेत दें
- एक गुडबाय संदेश को इंगित करते हुए एक कार्रवाई की जाएगी और बाहर निकल जाएगी
- विफल और यह कहते हुए एक फ़ॉलबैक ब्लॉक वितरित करें कि मशीन बंद हो जाएगी और बाहर निकल जाएगी
वैकल्पिक रूप से, आप अपने सिस्टम को एक के साथ बढ़ा सकते हैं अमेज़न लेक्स बॉट।
समाधान तैनात करें
अब जब आपने अमेज़ॅन कनेक्ट स्थापित किया है, तो अपने संपर्क प्रवाह को तैनात किया है, और बाकी तैनाती के लिए आपके द्वारा आवश्यक जानकारी को नोट किया है, हम शेष घटकों को तैनात कर सकते हैं। क्लोन GitHub रिपॉजिटरी में, संपादित करें build.sh
स्क्रिप्ट और कमांड लाइन से इसे चलाएं:
निम्नलिखित जानकारी प्रदान करें:
- आपका क्षेत्र
- S3 बाल्टी नाम जिसे आप उपयोग करना चाहते हैं (सुनिश्चित करें कि नाम में शब्द शामिल है
sagemaker
). - विज़न प्रोजेक्ट के लिए अमेज़ॅन लुकआउट का नाम जिसका आप उपयोग करना चाहते हैं
- आपके संपर्क प्रवाह की आईडी
- आपका अमेज़ॅन कनेक्ट इंस्टेंस आईडी
- आपके द्वारा Amazon Connect में E.164 प्रारूप में दावा किया गया नंबर (उदाहरण के लिए, +132398765)
- के लिए एक नाम एडब्ल्यूएस CloudFormation स्टैक आप इस स्क्रिप्ट को चलाकर बनाते हैं
यह स्क्रिप्ट तब निम्नलिखित क्रियाएं करती है:
- आपके लिए एक S3 बाल्टी बनाएँ
- अपने लैम्ब्डा फ़ंक्शन के लिए .zip फ़ाइलों का निर्माण करें
- CloudFormation टेम्पलेट और लैम्बडा फ़ंक्शन को अपनी नई S3 बाल्टी में अपलोड करें
- CloudFormation स्टैक बनाएँ
स्टैक को तैनात करने के बाद, आप AWS CloudFormation कंसोल पर बनाए गए निम्न संसाधन पा सकते हैं।
आप देख सकते हैं कि ए अमेज़न SageMaker नोटबुक कहा जाता है amazon-lookout-vision-create-project
भी बनाया गया है।
विज़न मॉडल के लिए अमेज़ॅन लुकआउट का निर्माण, प्रशिक्षण और तैनाती
इस खंड में, हम देखते हैं कि ओपन-सोर्स पायथन एसडीके का उपयोग करके विज़न मॉडल के लिए अमेज़ॅन लुकआउट का निर्माण, प्रशिक्षण और तैनाती कैसे की जाती है। विज़न पायथन एसडीके के लिए अमेज़ॅन लुकआउट के बारे में अधिक जानकारी के लिए, देखें इस ब्लॉग पोस्ट.
आप के माध्यम से मॉडल का निर्माण कर सकते हैं एडब्ल्यूएस प्रबंधन कंसोल। प्रोग्रामर परिनियोजन के लिए, निम्नलिखित चरणों को पूरा करें:
- SageMaker कंसोल पर, पर नोटबंदी के उदाहरण पृष्ठ, SageMaker नोटबुक उदाहरण का उपयोग करें जिसे पहले चुनकर बनाया गया था ज्यूपिटर खोलें।
उदाहरण में, आप पा सकते हैं गिटहब भंडार विज़न पायथन एसडीके के लिए अमेज़न लुकआउट स्वचालित रूप से क्लोन किया गया।
- में नेविगेट करें
amazon-lookout-for-vision-python-sdk/example
फ़ोल्डर.
फ़ोल्डर में एक उदाहरण नोटबुक होता है जो आपको एक मॉडल के निर्माण, प्रशिक्षण और तैनाती के माध्यम से चलता है। आरंभ करने से पहले, आपको अपने नोटबुक उदाहरण में मॉडल को प्रशिक्षित करने के लिए छवियों को अपलोड करने की आवश्यकता है।
- में
example/
फ़ोल्डर, दो नए नाम फ़ोल्डर बनाएँgood
औरbad
. - दोनों फ़ोल्डरों में नेविगेट करें और तदनुसार अपनी छवियों को अपलोड करें।
उदाहरण चित्र डाउनलोड किए गए GitHub रिपॉजिटरी में हैं।
- चित्र अपलोड करने के बाद, खोलें
lookout_for_vision_example.ipynb
स्मरण पुस्तक।
नोटबुक आपको अपना मॉडल बनाने की प्रक्रिया से चलता है। एक महत्वपूर्ण कदम जो आपको पहले करना चाहिए, वह निम्नलिखित जानकारी प्रदान करता है:
आप अनुमान अनुभाग को अनदेखा कर सकते हैं, लेकिन यह भी महसूस कर सकते हैं कि नोटबुक के इस हिस्से के साथ खेलने के लिए स्वतंत्र हैं। क्योंकि आप अभी शुरू कर रहे हैं, आप छोड़ सकते हैं model_version
करने के लिए सेट "1
".
के लिए input_bucket
और project_name
, S3 बाल्टी और अमेज़ॅन लुकआउट को विज़न प्रोजेक्ट नाम के लिए उपयोग करें, जो के भाग के रूप में प्रदान किए गए हैं build.sh
स्क्रिप्ट। फिर आप नोटबुक में प्रत्येक सेल को चला सकते हैं, जो सफलतापूर्वक मॉडल को दर्शाती है।
आप एसडीके का उपयोग करके प्रशिक्षण मीट्रिक देख सकते हैं, लेकिन आप उन्हें कंसोल पर भी पा सकते हैं। ऐसा करने के लिए, अपनी परियोजना खोलें, मॉडल पर नेविगेट करें, और आपके द्वारा प्रशिक्षित मॉडल चुनें। मेट्रिक्स पर उपलब्ध हैं प्रदर्शन मेट्रिक्स टैब.
अब आप एक स्थिर वेबसाइट को तैयार करने के लिए तैयार हैं जो आपके मॉडल को मांग पर कॉल कर सकती है।
स्थैतिक वेबसाइट तैनात करें
आपका पहला कदम अपने समापन बिंदु को जोड़ना है अमेज़ॅन एपीआई गेटवे अपने स्थैतिक वेबसाइट के स्रोत कोड के लिए।
- API गेटवे कंसोल पर, REST API को खोजें
LookoutVisionAPI
. - एपीआई खोलें और चुनें इंटर्नशिप.
- मंच के ड्रॉप-डाउन मेनू पर (इस पोस्ट के लिए, देव), चुनें पोस्ट
- के लिए मूल्य की प्रतिलिपि बनाएँ URL आमंत्रित करें.
हम URL को HTML स्रोत कोड में जोड़ते हैं।
- फ़ाइल खोलें
html/index.html
.
फ़ाइल के अंत में, आप एक अनुभाग पा सकते हैं जो AJAX अनुरोध को ट्रिगर करने के लिए jQuery का उपयोग करता है। एक कुंजी कहा जाता है url
, जिसके मूल्य के रूप में एक खाली स्ट्रिंग है।
- अपने नए के रूप में आपके द्वारा कॉपी किया गया URL दर्ज करें
url
मान और फ़ाइल सहेजें।
कोड निम्नलिखित के समान दिखना चाहिए:
- बदलना
index.html
.zip फ़ाइल में फ़ाइल करें। - AWS एम्पलीफायर कंसोल पर, ऐप चुनें
ObjectTracking
.
आपके ऐप का फ्रंट-एंड एनवायरनमेंट पेज अपने आप खुल जाता है।
- चुनते हैं गिट प्रदाता के बिना तैनात करें.
आप GWS से AWS को जोड़ने और अपनी संपूर्ण तैनाती को स्वचालित करने के लिए इस टुकड़े को बढ़ा सकते हैं।
- चुनें कनेक्ट शाखा.
- के लिए पर्यावरण का नाम। एक नाम दर्ज करें (इस पोस्ट के लिए, हम दर्ज करते हैं
dev
). - के लिए विधि, चुनते हैं खींचें और ड्रॉप.
- चुनें फ़ाइलों का चयन करें अपलोड करने के लिए
index.html.zip
आपके द्वारा बनाई गई फ़ाइल। - चुनें बचाओ और तैनात करो.
तैनाती सफल होने के बाद, आप एडब्ल्यूएस एम्पलीफायर में प्रदर्शित डोमेन को चुनकर अपने वेब एप्लिकेशन का उपयोग कर सकते हैं।
विसंगतियों का पता लगाएं
बधाई हो! आपने अभी सिलिकॉन वेफर्स में विसंगतियों का पता लगाने के लिए एक समाधान बनाया है और एक ऑपरेटर को उचित कार्रवाई करने के लिए सतर्क किया है। अमेज़ॅन लुकआउट फॉर विज़न के लिए हम जो डेटा उपयोग करते हैं, वह विकिपीडिया से लिया गया एक वेफर मैप है। सेमीकंडक्टर निर्माण में वास्तविक दुनिया के परिदृश्यों की नकल करने के लिए कुछ "बुरे" स्पॉट जोड़े गए हैं।
समाधान को तैनात करने के बाद, आप यह देखने के लिए एक परीक्षण चला सकते हैं कि यह कैसे काम करता है। जब आप AWS Amplify डोमेन खोलते हैं, तो आप एक ऐसी वेबसाइट देखते हैं, जो आपको एक छवि अपलोड करने देती है। इस पोस्ट के लिए, हम एक तथाकथित डोनट पैटर्न के साथ एक खराब वेफर का पता लगाने का परिणाम प्रस्तुत करते हैं। चित्र अपलोड करने के बाद, यह आपकी वेबसाइट पर प्रदर्शित होता है।
यदि छवि को एक विसंगति के रूप में पाया जाता है, तो अमेज़ॅन कनेक्ट आपके फोन नंबर को कॉल करता है और आप सेवा के साथ बातचीत कर सकते हैं।
निष्कर्ष
इस पोस्ट में, हमने सिलिकॉन वेफर्स में विसंगतियों का पता लगाने के लिए अमेज़ॅन लुकआउट फॉर विज़न का इस्तेमाल किया और अमेज़ॅन कनेक्ट का उपयोग करके वास्तविक समय में एक ऑपरेटर को सचेत किया ताकि वे आवश्यकतानुसार कार्रवाई कर सकें।
यह समाधान केवल वेफर्स के लिए बाध्य नहीं है। आप इसे परिवहन में ट्रैकिंग, निर्माण में उत्पादों, और अन्य अंतहीन संभावनाओं तक बढ़ा सकते हैं।
लेखक के बारे में
तोला चेरवेंका एक AWS ग्लोबल सॉल्यूशन आर्किटेक्ट है जो डेटा और एनालिटिक्स में प्रमाणित है। वह परिवर्तनकारी घटना-संचालित डेटा आर्किटेक्चर विकसित करने के लिए व्यावसायिक लक्ष्यों से पीछे की ओर काम करने के लिए संभावित दृष्टिकोण की एक कला का उपयोग करता है जो डेटा-संचालित निर्णय सक्षम करता है। इसके अलावा, वह मिशन क्रिटिकल मोनोलिथिक वर्कलोड को रीक्रिएट करने के लिए माइक्रोसर्विस, सप्लाय चेन और कनेक्टेड फैक्ट्रीज जो कि IOT, मशीन लर्निंग, बिग डेटा और एनालिटिक्स सर्विसेज का लाभ उठाती हैं, के लिए प्रिस्क्रिपटिव सॉल्यूशंस बनाने का शौक रखती हैं।
माइकल वालनर AWS व्यावसायिक सेवाओं के साथ एक वैश्विक डेटा वैज्ञानिक है और AWSome बनने के लिए क्लाउड में अपने AI / ML यात्रा पर ग्राहकों को सक्षम करने के बारे में भावुक है। अमेज़ॅन कनेक्ट में गहरी रुचि रखने के अलावा, वह खेल पसंद करता है और खाना पकाने का आनंद लेता है।
Kऋतिवासन बालसुब्रमण्यन अमेज़न वेब सेवा में एक प्रमुख सलाहकार है। वह अपने डिजिटल परिवर्तन यात्रा में वैश्विक उद्यम ग्राहकों को सक्षम बनाता है और आर्किटेक्ट क्लाउड देशी समाधानों में मदद करता है।
- पहुँच
- लेखा
- कार्य
- अतिरिक्त
- व्यवस्थापक
- वीरांगना
- अमेज़ॅन वेब सेवा
- विश्लेषिकी
- असंगति का पता लगाये
- एपीआई
- अनुप्रयोग
- आवेदन
- स्थापत्य
- चारों ओर
- कला
- कृत्रिम बुद्धिमत्ता
- स्वचालित
- एडब्ल्यूएस
- ब्लॉग
- बीओटी
- निर्माण
- इमारत
- व्यापार
- कॉल
- कारण
- बादल
- बादल देशी
- कोड
- कंपनियों
- अनुपालन
- Computer Vision
- आत्मविश्वास
- सलाहकार
- खाना पकाने
- लागत
- बनाना
- ग्राहक
- तिथि
- आँकड़े वाला वैज्ञानिक
- मांग
- खोज
- विकसित करना
- डिजिटल
- डिजिटल परिवर्तन
- endpoint
- उद्यम
- उद्यम ग्राहकों
- वातावरण
- विस्तार
- प्रथम
- प्रवाह
- प्रारूप
- मुक्त
- समारोह
- जाना
- GitHub
- वैश्विक
- अच्छा
- कैसे
- How To
- HTTPS
- मनुष्य
- पहचान करना
- की छवि
- का आयात
- बढ़ना
- करें-
- बुद्धि
- ब्याज
- IOT
- IT
- कुंजी
- Instagram पर
- सीख रहा हूँ
- लीवरेज
- लाइन
- यंत्र अधिगम
- प्रबंध
- विनिर्माण
- नक्शा
- मेट्रिक्स
- मिशन
- ML
- आदर्श
- संख्या
- खुला
- खोलता है
- आदेश
- अन्य
- पैटर्न
- भविष्यवाणी
- वर्तमान
- एस्ट्रो मॉल
- उत्पादन
- उत्पाद
- परियोजना
- अजगर
- गुणवत्ता
- उठाना
- पाठक
- को कम करने
- उपयुक्त संसाधन चुनें
- बाकी
- की समीक्षा
- रन
- दौड़ना
- sagemaker
- स्केल
- एसडीके
- अर्धचालक
- सेवाएँ
- सेट
- सरल
- So
- समाधान ढूंढे
- खेल-कूद
- प्रारंभ
- शुरू
- भंडारण
- भंडार
- सफलता
- सफल
- आपूर्ति
- आपूर्ति श्रृंखला
- समर्थन
- प्रणाली
- परीक्षण
- पहर
- ट्रैक
- ट्रैकिंग
- प्रशिक्षण
- परिवर्तन
- परिवहन
- ui
- मूल्य
- वाहन
- देखें
- दृष्टि
- आवाज़
- वेब
- वेब सेवाओं
- वेबसाइट
- कौन
- विकिपीडिया
- काम
- कार्य