Amazon Lookout for Vision je storitev strojnega učenja (ML), ki s pomočjo računalniškega vida (CV) zazna napake in nepravilnosti v vizualnih predstavitvah. Z Amazon Lookout for Vision lahko proizvodna podjetja povečajo kakovost in zmanjšajo operativne stroške s hitrim prepoznavanjem razlik v slikah predmetov v obsegu.
Številne poslovne stranke želijo prepoznati manjkajoče sestavne dele izdelkov, poškodbe vozil ali konstrukcij, nepravilnosti v proizvodnih linijah, manjše napake v silicijevih oblatih in druge podobne težave. Amazon Lookout for Vision uporablja ML za ogled in razumevanje slik s katerega koli fotoaparata, kot bi ga človek, vendar s še višjo stopnjo natančnosti in v veliko večjem obsegu. Amazon Lookout for Vision odpravlja potrebo po dragih in nedoslednih ročnih pregledih, hkrati pa izboljšuje nadzor kakovosti, oceno napak in poškodb ter skladnost. V nekaj minutah lahko začnete uporabljati Amazon Lookout for Vision za avtomatizacijo pregleda slik in predmetov - brez potrebe po strokovnem znanju ML.
V tej objavi si ogledujemo, kako lahko avtomatiziramo odkrivanje nepravilnosti v silicijevih rezinah in obveščanje operaterjev v realnem času.
Pregled rešitev
Spremljanje kakovosti izdelkov v proizvodni liniji je zahtevna naloga. V nekaterih postopkih so slike izdelka, ki jih ljudje nato pregledajo, da se zagotovi dobra kakovost. Zahvaljujoč umetni inteligenci lahko te naloge za odkrivanje nepravilnosti avtomatizirate, vendar bo po odkritju nepravilnosti morda potrebna človeška intervencija. Standardni pristop je pošiljanje e-pošte, ko se odkrijejo problematični izdelki. Ta e-poštna sporočila bi lahko spregledali, kar bi lahko povzročilo izgubo kakovosti v proizvodnem obratu.
V tej objavi avtomatiziramo postopek odkrivanja nepravilnosti v silicijevih rezinah in obveščanje operaterjev v realnem času z uporabo avtomatiziranih telefonskih klicev. Naslednji diagram ponazarja našo arhitekturo. Uporabljamo statično spletno mesto Ojačaj AWS, ki služi kot vstopna točka za našo prijavo. Vsakič, ko je nova slika naložena prek uporabniškega vmesnika (1), se prikaže AWS Lambda funkcija prikliče model Amazon Lookout for Vision (2) in napove, ali je ta rezina nepravilna ali ne. Funkcija shrani vsako naloženo sliko v Preprosta storitev shranjevanja Amazon (Amazon S3) (3). Če je rezin nenavaden, funkcija pošlje zaupanje napovedi na Amazon Connect in pokliče operaterja (4), ki lahko nadaljnje ukrepa (5).
Nastavitev Amazon Connect in s tem povezanega toka stikov
Če želite konfigurirati Amazon Connect in tok stikov, opravite naslednje korake na visoki ravni:
- Ustvarite primerek Amazon Connect.
- Nastavite kontaktni tok.
- Zahtevajte svojo telefonsko številko.
Ustvari primerek Amazon Connect
Prvi korak je ustvarite primerek Amazon Connect. Za preostali del nastavitve uporabljamo privzete vrednosti, vendar ne pozabite ustvariti skrbniške prijave.
Ustvarjanje primerka lahko traja nekaj minut, nato pa se lahko prijavimo v primerek Amazon Connect s skrbniškim računom, ki smo ga ustvarili.
Nastavitev pretoka kontaktov
V tej objavi imamo vnaprej določen kontaktni tok, ki ga lahko uvozimo. Za več informacij o uvozu obstoječega toka stikov glejte Uvoz / izvoz kontaktnih tokov.
- Izberite datoteko
contact-flow/wafer-anomaly-detection
Iz GitHub repo. - Izberite uvoz.
Uvoženi tok stikov je podoben spodnjemu posnetku zaslona.
- Na strani s podrobnostmi poteka razširite Prikaži dodatne informacije o toku.
Tu lahko najdete ARN kontaktnega toka.
- Zapišite ID pretoka stikov in ID kontaktnega centra, ki ju potrebujete pozneje.
Zahtevajte svojo telefonsko številko
Zahteva številke je enostavno in traja le nekaj klikov. Med uveljavljanjem številke izberite predhodno uvožen kontaktni tok.
Če v državi, ki ste jo izbrali, ni številk, dvignite vozovnico za podporo.
Pregled pretoka stikov
Naslednja slika zaslona prikazuje naš kontaktni tok.
Pretok kontaktov opravlja naslednje funkcije:
- Omogoči beleženje
- Nastavite izhod Amazon Polly glas (za to objavo uporabljamo glas Kendra)
- Pridobite vnos strank z uporabo DTMF (veljavni sta le tipki 1 in 2).
- Na podlagi uporabnikovega vnosa tok izvede eno od naslednjega:
- Pozovite poslovilno sporočilo, v katerem je navedeno, da ne boste izvedli ničesar, in zapustite
- Pozovite poslovilno sporočilo, v katerem je navedeno, da bo izvedeno dejanje, in zapustite
- Ne uspe in dostavite nadomestnega bloka, ki navaja, da se bo naprava izklopila in izstopila
Po želji lahko svoj sistem izboljšate z Amazon Lex bot.
Uvedite rešitev
Zdaj, ko ste nastavili Amazon Connect, razporedili svoj kontaktni tok in zabeležili podatke, ki jih potrebujete za preostanek uvajanja, lahko razmestimo preostale komponente. V kloniranem repozitoriju GitHub uredite build.sh
skript in ga zaženite iz ukazne vrstice:
Navedite naslednje informacije:
- Vaša regija
- Ime segmenta S3, ki ga želite uporabiti (poskrbite, da bo ime vključevalo besedo
sagemaker
). - Ime projekta Amazon Lookout for Vision, ki ga želite uporabiti
- ID vašega stika
- Vaš ID primerka Amazon Connect
- Številka, ki ste jo zahtevali v Amazon Connect v obliki E.164 (na primer +132398765)
- Ime za Oblikovanje oblaka AWS sklad, ki ga ustvarite z zagonom tega skripta
Ta skript nato izvede naslednja dejanja:
- Ustvarite vedro S3 za vas
- Zgradite datoteke .zip za funkcijo Lambda
- Naložite predlogo CloudFormation in funkcijo Lambda v novo vedro S3
- Ustvarite sklad CloudFormation
Po razmestitvi sklada lahko na konzoli AWS CloudFormation najdete naslednje vire.
Vidite, da je Amazon SageMaker zvezek pokl amazon-lookout-vision-create-project
je tudi ustvarjen.
Izdelajte, usposobite in uvedite model Amazon Lookout for Vision
V tem poglavju si oglejte, kako z uporabo odprtokodnega Python SDK zgraditi, usposobiti in uvesti model Amazon Lookout for Vision. Za več informacij o Amazon Lookout for Vision Python SDK glejte to objavo v spletnem dnevniku.
Model lahko zgradite prek Konzola za upravljanje AWS. Za programsko uvajanje izvedite naslednje korake:
- Na konzoli SageMaker, na Primeri prenosnih računalnikov strani, odprite primerek zvezka SageMaker, ki je bil prej ustvarjen z izbiro Odpri Jupyter.
V tem primeru lahko najdete datoteko GitHub repozitorij samodejnega kloniranja Amazon Lookout for Vision Python SDK
- Pojdite v
amazon-lookout-for-vision-python-sdk/example
mapa.
Mapa vsebuje primer zvezka, ki vas vodi skozi izdelavo, usposabljanje in uvajanje modela. Preden začnete, morate naložiti slike, ki jih boste uporabili za usposabljanje modela, v primerek prenosnika.
- v
example/
mapo, ustvarite dve novi mapi z imenomgood
inbad
. - Pomaknite se v obe mapi in ustrezno naložite slike.
Primeri slik so v prenesenem skladišču GitHub.
- Ko naložite slike, odprite
lookout_for_vision_example.ipynb
zvezek.
Prenosnik vas popelje skozi postopek ustvarjanja vašega modela. Pomemben korak, ki ga morate najprej narediti, je, da navedete naslednje informacije:
Razdelka sklepanja lahko prezrete, vendar se lahko poigrate tudi s tem delom zvezka. Ker ste šele začeli, lahko odidete model_version
nastavljena "1
".
za input_bucket
in project_name
, uporabite vedro S3 in ime projekta Amazon Lookout for Vision, ki sta na voljo kot del build.sh
scenarij. Nato lahko zaženete vsako celico v zvezku, ki uspešno uporabi model.
Meritve vadbe si lahko ogledate s pomočjo SDK-ja, lahko pa jih najdete tudi na konzoli. Če želite to narediti, odprite svoj projekt, se pomaknite do modelov in izberite model, ki ste ga usposobili. Meritve so na voljo na Meritve uspešnosti tab.
Zdaj ste pripravljeni na razmestitev statičnega spletnega mesta, ki lahko na zahtevo pokliče vaš model.
Uvedite statično spletno mesto
Vaš prvi korak je dodati končno točko vašega Amazon API Gateway na izvorno kodo vašega statičnega spletnega mesta.
- Na konzoli API Gateway poiščite poklican API REST
LookoutVisionAPI
. - Odprite API in izberite Pripravništva.
- V spustnem meniju odra (za to objavo, dev), izberite POST
- Kopirajte vrednost za Prikliči URL.
URL dodamo v izvorno kodo HTML.
- Odprite datoteko
html/index.html
.
Na koncu datoteke najdete razdelek, ki uporablja jQuery za sprožitev zahteve AJAX. Pokliče se ena tipka url
, ki ima za vrednost prazen niz.
- Vnesite URL, ki ste ga kopirali kot novega
url
vrednost in shranite datoteko.
Koda bi morala biti podobna naslednji:
- pretvorbo
index.html
datoteko v datoteko .zip. - Na konzoli AWS Amplify izberite aplikacijo
ObjectTracking
.
Začetna stran okolja aplikacije se odpre samodejno.
- Izberite Uvedite brez ponudnika Git.
Ta del lahko izboljšate tako, da povežete AWS Amplify z Git in avtomatizirate celotno uvajanje.
- Izberite Poveži vejo.
- za Ime okolja¸ vnesite ime (za to objavo vnesemo
dev
). - za Metodatako, da izberete Povleci in spusti.
- Izberite Izberite datoteke da naložite
index.html.zip
datoteko, ki ste jo ustvarili. - Izberite Shranite in namestite.
Po uspešni razmestitvi lahko svojo spletno aplikacijo uporabite tako, da izberete domeno, prikazano v AWS Amplify.
Odkrivanje nepravilnosti
Čestitamo! Pravkar ste zgradili rešitev za avtomatizacijo odkrivanja nepravilnosti v silicijevih rezinah in opozorili operaterja, da ustrezno ukrepa. Podatki, ki jih uporabljamo za Amazon Lookout for Vision, so zemljevid rezin, povzet iz Wikipedije. Nekaj "slabih" mest je bilo dodanih posnemanjem realnih scenarijev v proizvodnji polprevodnikov.
Po uvedbi rešitve lahko zaženete test, da vidite, kako deluje. Ko odprete domeno AWS Amplify, vidite spletno mesto, ki omogoča nalaganje slike. Za to objavo predstavljamo rezultat odkrivanja slabe rezine s tako imenovanim vzorcem krofov. Ko naložite sliko, je prikazana na vašem spletnem mestu.
Če je slika zaznana kot anomalija, Amazon Connect pokliče vašo telefonsko številko in lahko komunicirate s storitvijo.
zaključek
V tej objavi smo z Amazon Lookout for Vision avtomatizirali odkrivanje nepravilnosti v silicijevih rezinah in v realnem času opozorili operaterja z Amazon Connect, da lahko ukrepa po potrebi.
Ta rešitev ni vezana samo na napolitanke. Lahko ga razširite na sledenje predmetom pri prevozu, izdelke v proizvodnji in druge neskončne možnosti.
O avtorjih
Tolla Cherwenka je AWS Global Solutions Architect, ki je certificiran za podatke in analitiko. Z umetnostjo možnega pristopa deluje nazaj od poslovnih ciljev za razvoj transformativnih podatkovnih arhitektur, ki temeljijo na dogodkih in omogočajo odločitve na podlagi podatkov. Poleg tega je navdušena nad ustvarjanjem preskriptivnih rešitev za refaktoring za kritične monolitne delovne obremenitve mikrostoritev, dobavne verige in povezanih tovarn, ki izkoriščajo IOT, strojno učenje, storitve velikih podatkov in analitiko.
Michael Wallner je globalni znanstvenik za podatke s profesionalnimi storitvami AWS in je navdušen nad tem, da strankam na njihovi poti AI / ML v oblaku omogoči, da postanejo AWSome. Poleg tega, da se močno zanima za Amazon Connect, ima rad šport in uživa v kuhanju.
Krithivasan Balasubramaniyan je glavni svetovalec pri Amazon Web Services. Strankam, ki poslujejo po vsem svetu, omogoča digitalno preobrazbo in pomaga pri oblikovanju nativnih rešitev v oblaku.
- dostop
- Račun
- Ukrep
- Dodatne
- admin
- Amazon
- Amazon Web Services
- analitika
- odkrivanje anomalije
- API
- aplikacija
- uporaba
- Arhitektura
- okoli
- Umetnost
- Umetna inteligenca
- Avtomatizirano
- AWS
- Blog
- Bot
- izgradnjo
- Building
- poslovni
- klic
- Vzrok
- Cloud
- oblak domač
- Koda
- Podjetja
- skladnost
- Računalniška vizija
- zaupanje
- svetovalec
- kuhanje
- stroški
- Ustvarjanje
- Stranke, ki so
- datum
- podatkovni znanstvenik
- Povpraševanje
- Odkrivanje
- Razvoj
- digitalni
- Digitalni Transformation
- Končna točka
- Podjetje
- podjetniške stranke
- okolje
- Razširi
- prva
- Pretok
- format
- brezplačno
- funkcija
- git
- GitHub
- Globalno
- dobro
- Kako
- Kako
- HTTPS
- Ljudje
- identificirati
- slika
- uvoz
- Povečajte
- Podatki
- Intelligence
- obresti
- Internet stvari
- IT
- Ključne
- tipke
- učenje
- Vzvod
- vrstica
- strojno učenje
- upravljanje
- proizvodnja
- map
- Meritve
- Mission
- ML
- Model
- številke
- odprite
- Odpre
- Da
- Ostalo
- Vzorec
- napoved
- predstaviti
- Izdelek
- proizvodnja
- Izdelki
- Projekt
- Python
- kakovost
- dvigniti
- Bralec
- zmanjša
- viri
- REST
- pregleda
- Run
- tek
- sagemaker
- Lestvica
- SDK
- polprevodnik
- Storitve
- nastavite
- Enostavno
- So
- rešitve
- Šport
- Začetek
- začel
- shranjevanje
- trgovine
- uspeh
- uspešno
- dobavi
- dobavne verige
- podpora
- sistem
- Test
- čas
- sledenje
- Sledenje
- usposabljanje
- Preoblikovanje
- Prevoz
- ui
- vrednost
- Vozila
- Poglej
- Vizija
- Voice
- web
- spletne storitve
- Spletna stran
- WHO
- Wikipedia
- delo
- deluje