ایمیزون ویژن کے لئے تلاش ایک مشین لرننگ (ML) سروس ہے جو کمپیوٹر وژن (CV) کا استعمال کرتے ہوئے بصری نمائندگیوں میں نقائص اور بے ضابطگیوں کی نشاندہی کرتی ہے۔ Amazon Lookout for Vision کے ساتھ، مینوفیکچرنگ کمپنیاں معیار کو بڑھا سکتی ہیں اور پیمانے پر اشیاء کی تصاویر میں فرق کو تیزی سے شناخت کر کے آپریشنل اخراجات کو کم کر سکتی ہیں۔
بہت سے انٹرپرائز گاہک مصنوعات میں گمشدہ اجزاء، گاڑیوں یا ڈھانچے کو پہنچنے والے نقصان، پروڈکشن لائنوں میں بے قاعدگیوں، سلیکون ویفرز میں معمولی نقائص، اور اسی طرح کے دیگر مسائل کی نشاندہی کرنا چاہتے ہیں۔ Amazon Lookout for Vision کسی بھی کیمرے سے تصاویر دیکھنے اور سمجھنے کے لیے ML کا استعمال کرتا ہے جیسا کہ ایک شخص کرتا ہے، لیکن اس سے بھی زیادہ درستگی کے ساتھ اور بہت بڑے پیمانے پر۔ Amazon Lookout for Vision مہنگے اور متضاد دستی معائنہ کی ضرورت کو ختم کرتا ہے، جبکہ کوالٹی کنٹرول، خرابی اور نقصان کی تشخیص، اور تعمیل کو بہتر بناتا ہے۔ منٹوں میں، آپ تصاویر اور اشیاء کے خودکار معائنہ کے لیے Amazon Lookout for Vision کا استعمال شروع کر سکتے ہیں — بغیر کسی ML مہارت کی ضرورت ہے۔
اس پوسٹ میں، ہم دیکھتے ہیں کہ ہم کس طرح سلیکون ویفرز میں بے ضابطگیوں کا پتہ لگانے اور آپریٹرز کو حقیقی وقت میں مطلع کرنے کو خودکار کر سکتے ہیں۔
حل جائزہ
مینوفیکچرنگ لائن میں مصنوعات کے معیار پر نظر رکھنا ایک مشکل کام ہے۔ عمل کے کچھ اقدامات اس پروڈکٹ کی تصاویر لیتے ہیں جن کا انسان پھر جائزہ لیتے ہیں تاکہ اچھے معیار کو یقینی بنایا جا سکے۔ مصنوعی ذہانت کی بدولت، آپ ان بے ضابطگیوں کا پتہ لگانے کے کاموں کو خودکار کر سکتے ہیں، لیکن بے ضابطگیوں کا پتہ چلنے کے بعد انسانی مداخلت ضروری ہو سکتی ہے۔ ایک معیاری نقطہ نظر ای میلز بھیجنا ہے جب پریشانی والی مصنوعات کا پتہ چل جاتا ہے۔ ان ای میلز کو نظر انداز کیا جا سکتا ہے، جس کی وجہ سے مینوفیکچرنگ پلانٹ میں معیار کو نقصان پہنچ سکتا ہے۔
اس پوسٹ میں، ہم خودکار فون کالز کا استعمال کرتے ہوئے سلکان ویفرز میں بے ضابطگیوں کا پتہ لگانے اور آپریٹرز کو حقیقی وقت میں مطلع کرنے کے عمل کو خودکار بناتے ہیں۔ درج ذیل خاکہ ہمارے فن تعمیر کو واضح کرتا ہے۔ ہم استعمال کرتے ہوئے ایک جامد ویب سائٹ تعینات کرتے ہیں۔ AWS بڑھانا، جو ہماری درخواست کے داخلے کے نقطہ کے طور پر کام کرتا ہے۔ جب بھی کوئی نئی تصویر UI (1) کے ذریعے اپ لوڈ کی جاتی ہے، ایک او ڈبلیو ایس لامبڈا۔ فنکشن ایمیزون لک آؤٹ فار ویژن ماڈل (2) کی درخواست کرتا ہے اور پیش گوئی کرتا ہے کہ آیا یہ ویفر غیر معمولی ہے یا نہیں۔ فنکشن ہر اپ لوڈ کردہ تصویر کو اسٹور کرتا ہے۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) (3)۔ اگر ویفر غیر معمولی ہے، تو فنکشن پیشین گوئی کا اعتماد بھیجتا ہے۔ ایمیزون کنیکٹ اور آپریٹر (4) کو کال کرتا ہے، جو مزید کارروائی کرسکتا ہے (5)۔
ایمیزون کنیکٹ اور متعلقہ رابطہ بہاؤ ترتیب دینا
ایمیزون کنیکٹ اور رابطے کے بہاؤ کو ترتیب دینے کے لیے، آپ درج ذیل اعلیٰ سطحی مراحل کو مکمل کرتے ہیں:
- ایمیزون کنیکٹ مثال بنائیں۔
- رابطے کا بہاؤ ترتیب دیں۔
- اپنے فون نمبر کا دعوی کریں۔
ایمیزون کنیکٹ مثال بنائیں
پہلا قدم ہے ایمیزون کنیکٹ مثال بنائیں. باقی سیٹ اپ کے لیے، ہم ڈیفالٹ ویلیوز استعمال کرتے ہیں، لیکن ایڈمنسٹریٹر لاگ ان بنانا نہ بھولیں۔
مثال بنانے میں چند منٹ لگ سکتے ہیں، جس کے بعد ہم اپنے بنائے ہوئے ایڈمن اکاؤنٹ کا استعمال کرتے ہوئے Amazon Connect مثال میں لاگ ان کر سکتے ہیں۔
رابطے کے بہاؤ کو ترتیب دینا
اس پوسٹ میں، ہمارے پاس پہلے سے طے شدہ رابطہ بہاؤ ہے جسے ہم درآمد کر سکتے ہیں۔ موجودہ رابطے کے بہاؤ کو درآمد کرنے کے بارے میں مزید معلومات کے لیے، دیکھیں درآمد/برآمد رابطہ بہاؤ.
- فائل کا انتخاب کریں۔
contact-flow/wafer-anomaly-detection
سے GitHub repo. - میں سے انتخاب کریں درآمد کریں.
درآمد شدہ رابطہ کا بہاؤ درج ذیل اسکرین شاٹ سے ملتا جلتا نظر آتا ہے۔
- بہاؤ کی تفصیلات کے صفحہ پر، پھیلائیں۔ اضافی بہاؤ کی معلومات دکھائیں۔.
یہاں آپ رابطہ کے بہاؤ کا ARN تلاش کر سکتے ہیں۔
- رابطہ بہاؤ ID اور رابطہ مرکز ID ریکارڈ کریں، جس کی آپ کو بعد میں ضرورت ہوگی۔
اپنے فون نمبر کا دعوی کریں۔
نمبر کا دعوی کرنا آسان ہے اور صرف چند کلکس لیتا ہے۔ نمبر کا دعوی کرتے وقت پہلے سے درآمد شدہ رابطہ بہاؤ کا انتخاب کرنا یقینی بنائیں۔
اگر آپ کی پسند کے ملک میں کوئی نمبر دستیاب نہیں ہے تو، ایک سپورٹ ٹکٹ بڑھائیں۔
رابطے کے بہاؤ کا جائزہ
مندرجہ ذیل اسکرین شاٹ ہمارے رابطے کے بہاؤ کو ظاہر کرتا ہے۔
رابطہ بہاؤ مندرجہ ذیل افعال انجام دیتا ہے:
- لاگنگ کو فعال کریں۔
- آؤٹ پٹ سیٹ کریں۔ ایمیزون پولی آواز (اس پوسٹ کے لیے، ہم مرکز کی آواز استعمال کرتے ہیں)
- DTMF کا استعمال کرتے ہوئے کسٹمر ان پٹ حاصل کریں (صرف 1 اور 2 کلیدیں درست ہیں)۔
- صارف کے ان پٹ کی بنیاد پر، بہاؤ درج ذیل میں سے ایک کام کرتا ہے:
- الوداع کا پیغام دیں کہ کوئی کارروائی نہیں کی جائے گی اور باہر نکلیں۔
- ایک الوداعی پیغام کا اشارہ کریں کہ کارروائی کی جائے گی اور باہر نکلیں گے۔
- ناکام ہو جائیں اور فال بیک بلاک فراہم کریں جس میں کہا جائے کہ مشین بند ہو جائے گی اور باہر نکل جائے گی۔
اختیاری طور پر، آپ ایک کے ساتھ اپنے سسٹم کو بڑھا سکتے ہیں۔ ایمیزون لیکس bot
حل تعینات کریں۔
اب جب کہ آپ نے Amazon Connect قائم کر لیا ہے، اپنے رابطے کے بہاؤ کو تعینات کر لیا ہے، اور باقی تعیناتی کے لیے آپ کو درکار معلومات کو نوٹ کر لیا ہے، ہم بقیہ اجزاء کو تعینات کر سکتے ہیں۔ کلون شدہ GitHub ذخیرے میں، ترمیم کریں۔ build.sh
اسکرپٹ اور اسے کمانڈ لائن سے چلائیں:
مندرجہ ذیل معلومات فراہم کریں:
- آپ کا علاقہ
- S3 بالٹی کا نام جو آپ استعمال کرنا چاہتے ہیں (یقینی بنائیں کہ نام میں لفظ شامل ہے۔
sagemaker
). - Amazon Lookout for Vision پروجیکٹ کا نام جسے آپ استعمال کرنا چاہتے ہیں۔
- آپ کے رابطے کے بہاؤ کی ID
- آپ کی Amazon Connect مثال ID
- آپ نے ایمیزون کنیکٹ میں E.164 فارمیٹ میں جس نمبر کا دعوی کیا ہے (مثال کے طور پر، +132398765)
- کے لیے ایک نام AWS کلاؤڈ فارمیشن اس اسکرپٹ کو چلا کر آپ اسٹیک بناتے ہیں۔
یہ اسکرپٹ پھر درج ذیل اعمال انجام دیتا ہے:
- اپنے لیے ایک S3 بالٹی بنائیں
- اپنے لیمبڈا فنکشن کے لیے .zip فائلیں بنائیں
- CloudFormation ٹیمپلیٹ اور Lambda فنکشن کو اپنی نئی S3 بالٹی میں اپ لوڈ کریں۔
- CloudFormation اسٹیک بنائیں
اسٹیک کے تعینات ہونے کے بعد، آپ AWS CloudFormation کنسول پر بنائے گئے درج ذیل وسائل تلاش کر سکتے ہیں۔
آپ دیکھ سکتے ہیں کہ ایک ایمیزون سیج میکر نوٹ بک کہا جاتا ہے amazon-lookout-vision-create-project
بھی تخلیق کیا جاتا ہے۔
Amazon Lookout for Vision ماڈل کی تعمیر، تربیت اور تعیناتی کریں۔
اس سیکشن میں، ہم دیکھتے ہیں کہ اوپن سورس Python SDK کا استعمال کرتے ہوئے Amazon Lookout for Vision ماڈل کی تعمیر، تربیت اور تعیناتی کیسے کی جاتی ہے۔ Amazon Lookout for Vision Python SDK کے بارے میں مزید معلومات کے لیے، دیکھیں یہ بلاگ پوسٹ.
آپ کے ذریعے ماڈل بنا سکتے ہیں AWS مینجمنٹ کنسول. پروگرامی تعیناتی کے لیے، درج ذیل مراحل کو مکمل کریں:
- سیج میکر کنسول پر، پر نوٹ بک کی مثالیں۔ صفحہ، سیج میکر نوٹ بک مثال تک رسائی حاصل کریں جو پہلے منتخب کرکے بنائی گئی تھی۔ Jupyter کھولیں۔
مثال کے طور پر، آپ کو تلاش کر سکتے ہیں GitHub ذخیرہ Amazon Lookout for Vision Python SDK خود بخود کلون ہو گیا۔
- میں تشریف لے جائیں۔
amazon-lookout-for-vision-python-sdk/example
فولڈر.
فولڈر میں ایک مثالی نوٹ بک ہے جو آپ کو ماڈل کی تعمیر، تربیت اور تعیناتی میں لے جاتی ہے۔ شروع کرنے سے پہلے، آپ کو اپنی نوٹ بک مثال میں ماڈل کو تربیت دینے کے لیے استعمال کرنے کے لیے تصاویر اپ لوڈ کرنے کی ضرورت ہے۔
- میں
example/
فولڈر کے نام سے دو نئے فولڈر بنائیںgood
اورbad
. - دونوں فولڈرز میں جائیں اور اسی کے مطابق اپنی تصاویر اپ لوڈ کریں۔
مثال کی تصاویر ڈاؤن لوڈ کردہ GitHub ریپوزٹری میں ہیں۔
- تصاویر اپ لوڈ کرنے کے بعد، کھولیں۔
lookout_for_vision_example.ipynb
کاپی.
نوٹ بک آپ کو اپنا ماڈل بنانے کے عمل سے گزرتی ہے۔ ایک اہم قدم جو آپ کو پہلے کرنا چاہیے وہ ہے درج ذیل معلومات فراہم کرنا:
آپ انفرنس سیکشن کو نظر انداز کر سکتے ہیں، لیکن نوٹ بک کے اس حصے کے ساتھ کھیلنے کے لیے آزاد محسوس کریں۔ چونکہ آپ ابھی شروعات کر رہے ہیں، آپ چھوڑ سکتے ہیں۔ model_version
تیار "1
".
کے لئے input_bucket
اور project_name
S3 بالٹی اور Amazon Lookout for Vision پروجیکٹ کا نام استعمال کریں جو کہ کے حصے کے طور پر فراہم کیے گئے ہیں۔ build.sh
سکرپٹ. اس کے بعد آپ نوٹ بک میں ہر سیل کو چلا سکتے ہیں، جو ماڈل کو کامیابی کے ساتھ تعینات کرتا ہے۔
آپ SDK کا استعمال کرتے ہوئے ٹریننگ میٹرکس دیکھ سکتے ہیں، لیکن آپ انہیں کنسول پر بھی تلاش کر سکتے ہیں۔ ایسا کرنے کے لیے، اپنا پروجیکٹ کھولیں، ماڈلز پر جائیں، اور وہ ماڈل منتخب کریں جسے آپ نے تربیت دی ہے۔ میٹرکس پر دستیاب ہیں۔ پرفارمنس میٹرکس ٹیب.
اب آپ ایک مستحکم ویب سائٹ تعینات کرنے کے لیے تیار ہیں جو آپ کے ماڈل کو طلب کرنے پر کال کر سکتی ہے۔
جامد ویب سائٹ کو متعین کریں۔
آپ کا پہلا قدم آپ کے اختتامی نقطہ کو شامل کرنا ہے۔ ایمیزون API گیٹ وے اپنی جامد ویب سائٹ کے سورس کوڈ پر۔
- API گیٹ وے کنسول پر، REST API کو تلاش کریں۔
LookoutVisionAPI
. - API کھولیں اور منتخب کریں۔ انٹرنشپ.
- اسٹیج کے ڈراپ ڈاؤن مینو پر (اس پوسٹ کے لیے، دیو)، منتخب کیجئیے POST
- کے لیے قدر کاپی کریں۔ یو آر ایل کی درخواست کریں۔.
ہم URL کو HTML سورس کوڈ میں شامل کرتے ہیں۔
- فائل کھولیں
html/index.html
.
فائل کے آخر میں، آپ کو ایک سیکشن مل سکتا ہے جو AJAX کی درخواست کو متحرک کرنے کے لیے jQuery کا استعمال کرتا ہے۔ ایک کلید کہلاتی ہے۔ url
، جس کی قدر کے طور پر ایک خالی تار ہے۔
- وہ URL درج کریں جسے آپ نے اپنے نئے کے بطور کاپی کیا ہے۔
url
قدر کریں اور فائل کو محفوظ کریں۔
کوڈ مندرجہ ذیل کی طرح نظر آنا چاہئے:
- تبدیل
index.html
زپ فائل میں فائل کریں۔ - AWS Amplify کنسول پر، ایپ کا انتخاب کریں۔
ObjectTracking
.
آپ کی ایپ کا فرنٹ اینڈ انوائرمنٹ پیج خود بخود کھل جاتا ہے۔
- منتخب کریں Git فراہم کنندہ کے بغیر تعینات کریں۔.
آپ AWS Amplify کو Git سے مربوط کرنے اور اپنی پوری تعیناتی کو خودکار بنانے کے لیے اس ٹکڑے کو بڑھا سکتے ہیں۔
- میں سے انتخاب کریں شاخ کو جوڑیں۔.
- کے لئے ماحولیات کا نامایک نام درج کریں (اس پوسٹ کے لیے، ہم درج کرتے ہیں۔
dev
). - کے لئے طریقہمنتخب ڈریگ اور ڈراپ.
- میں سے انتخاب کریں فائلوں کا انتخاب کریں اپ لوڈ کرنے کے لیے
index.html.zip
فائل آپ نے بنائی ہے۔ - میں سے انتخاب کریں محفوظ کریں اور تعینات کریں۔.
تعیناتی کامیاب ہونے کے بعد، آپ AWS Amplify میں دکھائے گئے ڈومین کو منتخب کر کے اپنی ویب ایپلیکیشن استعمال کر سکتے ہیں۔
بے ضابطگیوں کا پتہ لگائیں۔
مبارک ہو! آپ نے ابھی سلکان ویفرز میں بے ضابطگیوں کا پتہ لگانے کے لیے ایک حل بنایا ہے اور ایک آپریٹر کو مناسب کارروائی کرنے کے لیے الرٹ کیا ہے۔ Amazon Lookout for Vision کے لیے ہم جو ڈیٹا استعمال کرتے ہیں وہ ویکیپیڈیا سے لیا گیا ویفر میپ ہے۔ سیمی کنڈکٹر مینوفیکچرنگ میں حقیقی دنیا کے منظرناموں کی نقل کرنے کے لیے کچھ "خراب" مقامات شامل کیے گئے ہیں۔
حل کو تعینات کرنے کے بعد، آپ یہ دیکھنے کے لیے ایک ٹیسٹ چلا سکتے ہیں کہ یہ کیسے کام کرتا ہے۔ جب آپ AWS Amplify ڈومین کھولتے ہیں، تو آپ کو ایک ویب سائٹ نظر آتی ہے جو آپ کو ایک تصویر اپ لوڈ کرنے دیتی ہے۔ اس پوسٹ کے لیے، ہم نام نہاد ڈونٹ پیٹرن کے ساتھ خراب ویفر کا پتہ لگانے کا نتیجہ پیش کرتے ہیں۔ تصویر اپ لوڈ کرنے کے بعد، یہ آپ کی ویب سائٹ پر ظاہر ہوتی ہے۔
اگر تصویر میں بے ضابطگی پائی جاتی ہے، تو Amazon Connect آپ کے فون نمبر پر کال کرتا ہے اور آپ سروس کے ساتھ بات چیت کر سکتے ہیں۔
نتیجہ
اس پوسٹ میں، ہم نے سلیکون ویفرز میں بے ضابطگیوں کا پتہ لگانے کے لیے Amazon Lookout for Vision کا استعمال کیا اور Amazon Connect کا استعمال کرتے ہوئے ایک آپریٹر کو حقیقی وقت میں الرٹ کیا تاکہ وہ ضرورت کے مطابق کارروائی کر سکے۔
یہ حل صرف ویفرز کا پابند نہیں ہے۔ آپ اسے نقل و حمل میں آبجیکٹ ٹریکنگ، مینوفیکچرنگ میں مصنوعات، اور دیگر لامتناہی امکانات تک بڑھا سکتے ہیں۔
مصنفین کے بارے میں
ٹولہ چیروینکا AWS گلوبل سولیوشن آرکیٹیکٹ ہے جو ڈیٹا اور اینالیٹکس میں تصدیق شدہ ہے۔ وہ کاروباری اہداف سے پیچھے کی طرف کام کرنے کے لیے ممکنہ نقطہ نظر کا ایک فن استعمال کرتی ہے تاکہ تبدیلی کے واقعات سے چلنے والے ڈیٹا آرکیٹیکچرز کو تیار کیا جا سکے جو ڈیٹا پر مبنی فیصلوں کو قابل بناتا ہے۔ مزید برآں، وہ مائیکرو سروسز، سپلائی چین اور منسلک فیکٹریوں کے لیے مشن کے اہم یک سنگی کام کے بوجھ کو ری فیکٹر کرنے کے لیے نسخے کے حل تیار کرنے کے بارے میں پرجوش ہیں جو IOT، مشین لرننگ، بڑے ڈیٹا اور تجزیاتی خدمات کا فائدہ اٹھاتی ہیں۔
مائیکل والنر AWS پروفیشنل سروسز کے ساتھ ایک گلوبل ڈیٹا سائنٹسٹ ہے اور کلاؤڈ میں اپنے AI/ML سفر پر صارفین کو AWSome بننے کے قابل بنانے کا شوق رکھتا ہے۔ Amazon Connect میں گہری دلچسپی رکھنے کے علاوہ وہ کھیل کو پسند کرتا ہے اور کھانا پکانے سے لطف اندوز ہوتا ہے۔
Kریتھیواسن بالاسوبرامنیان ایمیزون ویب سروسز میں پرنسپل کنسلٹنٹ ہیں۔ وہ عالمی انٹرپرائز صارفین کو ان کے ڈیجیٹل تبدیلی کے سفر میں قابل بناتا ہے اور آرکیٹیکٹ کلاؤڈ مقامی حل میں مدد کرتا ہے۔
- تک رسائی حاصل
- اکاؤنٹ
- عمل
- ایڈیشنل
- منتظم
- ایمیزون
- ایمیزون ویب سروسز
- تجزیاتی
- بے ضابطگی کا پتہ لگانا
- اے پی آئی
- اپلی کیشن
- درخواست
- فن تعمیر
- ارد گرد
- فن
- مصنوعی ذہانت
- آٹومیٹڈ
- AWS
- بلاگ
- بوٹ
- تعمیر
- عمارت
- کاروبار
- فون
- کیونکہ
- بادل
- بادل آبائی
- کوڈ
- کمپنیاں
- تعمیل
- کمپیوٹر ویژن
- آپکا اعتماد
- کنسلٹنٹ
- کھانا پکانے
- اخراجات
- تخلیق
- گاہکوں
- اعداد و شمار
- ڈیٹا سائنسدان
- ڈیمانڈ
- کھوج
- ترقی
- ڈیجیٹل
- ڈیجیٹل تبدیلی
- اختتام پوائنٹ
- انٹرپرائز
- انٹرپرائز گاہکوں
- ماحولیات
- توسیع
- پہلا
- بہاؤ
- فارمیٹ
- مفت
- تقریب
- جاؤ
- GitHub کے
- گلوبل
- اچھا
- کس طرح
- کیسے
- HTTPS
- انسان
- شناخت
- تصویر
- درآمد
- اضافہ
- معلومات
- انٹیلی جنس
- دلچسپی
- IOT
- IT
- کلیدی
- چابیاں
- سیکھنے
- لیوریج
- لائن
- مشین لرننگ
- انتظام
- مینوفیکچرنگ
- نقشہ
- پیمائش کا معیار
- مشن
- ML
- ماڈل
- تعداد
- کھول
- کھولتا ہے
- حکم
- دیگر
- پاٹرن
- کی پیشن گوئی
- حال (-)
- مصنوعات
- پیداوار
- حاصل
- منصوبے
- ازگر
- معیار
- بلند
- ریڈر
- کو کم
- وسائل
- باقی
- کا جائزہ لینے کے
- رن
- چل رہا ہے
- sagemaker
- پیمانے
- sdk
- سیمکولیٹر
- سروسز
- مقرر
- سادہ
- So
- حل
- اسپورٹس
- شروع کریں
- شروع
- ذخیرہ
- پردہ
- کامیابی
- کامیاب
- فراہمی
- فراہمی کا سلسلہ
- حمایت
- کے نظام
- ٹیسٹ
- وقت
- ٹریک
- ٹریکنگ
- ٹریننگ
- تبدیلی
- نقل و حمل
- ui
- قیمت
- گاڑیاں
- لنک
- نقطہ نظر
- وائس
- ویب
- ویب خدمات
- ویب سائٹ
- ڈبلیو
- وکیپیڈیا
- کام
- کام کرتا ہے