AWS宣布Amazon Lookout for Vision正式啟用

近日，Amazon Web Services(AWS)宣布Amazon Lookout for Vision正式啟用，這是一項全新服務，使用電腦視覺和先進機器學習能力分析圖像，用來監測製造過程中產品或流程的瑕疵和異常。

透過名為「小樣本學習(few-shot learning)」的機器學習技術，Amazon Lookout for Vision可使用少至30張基準圖像為客戶訓練模型。透過Amazon Lookout for Vision，客戶可以快速開始檢測產品的製造和生產瑕疵(例如裂紋、凹痕、錯誤顏色、不規則形狀等)，防止這些成本高昂的瑕疵進入到營運環節甚至送達客戶手中。

結合Amazon Lookout for Equipment、Amazon Monitron和AWS Panorama，Amazon Lookout for Vision為工業和製造業客戶提供最全面從雲到端的工業機器學習服務套件。

有了Amazon Lookout for Vision，客戶可按小時支付實際使用服務費，無需考慮預先支付或最低費用，訓練模型以及檢測異常或瑕疵。

在當今的製造業中，由於遺漏的瑕疵或品質不一而導致生產線停產，每年讓企業蒙受數百萬美元的成本超支和營收損失。為了避免這些代價高昂的問題，工業企業必須持續努力確保品質控管。

工業過程中的品質保證通常需要靠人工檢查，即便在最好的情況下，這一過程仍是費時且不能保證品質一致，而在最壞的情況下則幾乎變得不可行。

電腦視覺可帶來持續識別瑕疵所需的速度和準確度，然而，傳統的電腦視覺解決方案可能相對複雜。從零開始建構電腦視覺模型需要為製造過程中的每個元素精心標記大量圖像。

然後，資料科學家團隊需要建構、訓練、部署、監控和微調電腦視覺模型，以分析產品檢查過程中的每個獨立階段。即使是微小的製造過程變化(如缺貨部件替換為另一個同等部件、更新產品規格或改變照明)，便意味著需要再訓練和重新部署單個模型，或者是生產過程下游的其他模型，既冗長複雜又費力費時。電腦視覺驅動的視覺異常系統基於這些障礙，仍是絕大多數公司無法觸及的。

電腦視覺每小時處理數千張圖像來發現瑕疵和異常，而無需具有機器學習經驗。客戶將相機圖像即時傳送到Amazon Lookout for Vision識別異常情況，如產品表面損壞、部件遺失和生產線上的其他異常情況。

藉由「小樣本學習(few-shot learning)」的機器學習技術(機器學習模型能夠基於非常少量的訓練資料進行資料分類)，該服務最少只需30張可識別及狀態異常的圖像作為基準，便可開始評估機器零件或製成品。

除了能在不需要大量訓練資料的情況下檢測異常之外，該功能能使服務適應各種工業環境下的檢查任務。在分析資料之後，Amazon Lookout for Vision會透過服務儀錶板或DetectAnomalies即時API，報告與基準不同的圖像，以便採取適當行動。

Amazon Lookout for Vision有足夠的精細度，能在工作環境中實現相機角度、姿勢和照明的高準確度調整。客戶還能針對結果提供回饋(如預測是否正確地識別異常)，Lookout for Vision將自動重新訓練底層模型，不斷改進服務。

該特性讓技術可以充分適應製造過程中的變化，甚至根據客戶回饋瞭解何時允許或不允許變化。這意味著客戶可以更加靈活運用，並依自身競爭優勢或影響其營運的外部因素，適時調整流程。

AWS的亞馬遜機器學習(Amazon Machine Learning)副總裁Swami Sivasubramanian表示：「無論客戶是給冷凍披薩配料還是為飛機製造精確校準的零組件，我們都清楚瞭解，保證到達終端使用者的產品都是高品質的，是他們業務的根本。雖然這似乎是顯而易見的，但確保工業流程的品質控制實際上非常具有挑戰性。我們很高興能為所有規模和產業的客戶提供Amazon Lookout for Vision，幫助他們進行快速而經濟的大規模檢測缺陷，節省時間和金錢，同時確保其消費者所依賴的品質，而這一切無需客戶有機器學習經驗。」

Lookout for Vision可以直接透過AWS控制台取得，也可以藉由支援合作夥伴來協助客戶將電腦視覺嵌入其設施內的現有作業系統中。該服務也與AWS CloudFormation相容。Lookout for Vision現已在美國東部(維吉尼亞北部)、美國東部(俄亥俄)、美國西部(俄勒岡)、歐洲(愛爾蘭)、歐洲(法蘭克福)、亞太地區(東京)和亞太地區(首爾)區域正式推出，其他區域也將很快推出。

GE醫療是全球領先的醫療技術和數位解決方案創新者，藉由智慧設備、資料分析、應用程式和服務，協助臨床醫生做出更快、更精準的決策。

GE Healthcare Japan營運主任、製造部門總經理兼工廠經理藤本康三郎(Kozaburo Fujimoto)表示：「Amazon Lookout for Vision的早期使用結果令人振奮，這將有助於提高我們各工廠檢測產品缺陷的速度、一致性和準確性。作為世界上最值得信賴的醫療保健公司之一，一個多世紀以來不斷保持技術進步和數位化創新，我們對AWS的工業機器學習服務將給我們的製造環境帶來的益處充滿期待。」

亞馬遜的隨選印刷(Print-On-Demand；POD)設施，為客戶按單印刷書籍。亞馬遜POD全球總監David Symonds表示：「書籍是在客戶訂購時製造的，因此確保製造過程的每一步精準度至關重要。透過POD，我們可以快速將高品質的書籍提供給客戶。有了Amazon Lookout for Vision，我們可以在生產的每個步驟實現自動化和擴展視覺檢測的同時全速執行，協助我們確保良好的客戶體驗。」

Basler是全球工業視覺製造商和解決方案提供商，為半導體檢測、機器人、食品檢測、郵政分類和列印圖像檢測等應用領域提供攝影機和機器視覺系統。

Basler AG市場行銷負責人Gerrit Fischer表示：「減少故障是製造企業需要考慮的最重要KPI之一。傳統的人工檢測是一種勞動密集型且難以規模化的檢測方法。透過使用電腦視覺進行品質檢測，這一過程可以實現自動化，從而明顯降低成本。Basler和Amazon Lookout for Vision提供了非常精簡的架構，可以在任何生產場所採用基於視覺的異常檢測。我們很高興能夠結合Basler在工業視覺和邊緣平台的專業知識以及AWS在工業機器學習領域的投資，共同為客戶提供完整的視覺解決方案。」

Dafgards在瑞典是一個家喻戶曉的名字，生產各種各樣的食品。Dafgards卓越營運和工業物聯網部門負責人Fredrik Dafgard表示：「我們曾藉由Amazon Lookout for Vision自動化檢查披薩生產線，檢測披薩中是否有足夠的乳酪和正確的配料，成效很好。我們也很高興能將Lookout for Vision擴展到漢堡和鹹派等其他生產線，協助檢測包含錯誤配料在內的任何異常情況。我們計劃將Lookout for Vision擴展到多個生產線。Amazon Lookout for Vision將幫助Dafgards提高檢測瑕疵及異常的一致性和準確性，使我們能夠大規模提高整體生產品質。」