Amazonは先頃、機械学習を使用して画像を処理し、製造された製品のプロセスの欠陥や異常を特定する異常検出製品であるAmazon Lookout for Visionの一般提供を発表した。
出典: https://www.amazon.science/latest-news/how-a-think-big-idea-helped-bring-lookout-for-vision-to-life
新しいサービスは、品質検査の自動化、部品の損傷の検出、不足しているコンポーネントの特定、繰り返しパターンの追跡を行ってプロセスの問題を明らかにするためのさまざまな機能を提供する。トレーニングフェーズでは、生産ラインからの正常な製品と欠陥のある製品を示す画像が収集され、Amazon Lookoutに読み込まれ、モデルを構築するために正常または異常のラベルが付けられる。
検出フェーズは、プロセスラインを監視するためのリアルタイムまたはバッチの画像検査プロセスが含まれ、へこみ、亀裂、引っかき傷などの異常を識別し、欠陥が検出されると通知を受け取る。特定された製品の欠陥に関するフィードバックを提供するさらなる反復により、サービスが継続的に改善される。
出典: https://aws.amazon.com/lookout-for-vision/features/
別の記事『「ThinkBig」のアイデアがLookout for Visionを実現するのにどのように役立ったか』で、Amazonは製品の構築に使用される可能な限り少ないトレーニングでデータを分類するfew-shotの学習手法の背後にある方法論を取り上げた。AWSのシニア応用サイエンティストであるJoaquin Zepeda氏は、この課題について次のように説明している:
製造における異常は本質的にまれであるため、トレーニングセットを組み立てるときに調達することは困難です。私たちのモデルは、この困難に対処するために通常の画像のみでトレーニングすることができます。結果として得られるモデルは、トレーニングセットを拡張するための「試行検出」機能を使用して、ラベルのない画像コレクションで異常をマイニングするためにデプロイまたは使用できます。
Amazon Lookout for Visionは、センサーデータを分析して異常な機器の動作を検出するサービスであるAmazon Lookout for Equipment、時系列分析の柔軟なサービスであるAmazon Lookout for Metricsとともに、異常検出スペースにおけるAmazonの新しいサービスの1つにすぎない。コンピュータビジョン推論は、Amazon Rekognition Custom Labelsを使用して利用できるバッチ画像処理にも利用できる。
AWSのセールス責任者であるChance Garrity氏は、新しいサービスのより多くの産業ユースケースを提案している:
Amazon Lookout for Visionを使用して、製品に不足しているコンポーネント、車両や構造物の損傷、生産ラインの不規則性、シリコンウェーハの微小な欠陥、およびその他の同様の問題を特定できます。
HRS GroupとAWS Machine Learning HeroのテクニカルリードであるOlalekan Elesin氏は、コンピュータビジョン推論がナイジェリア (Nigeria) の地元の食品加工にどのように役立つかを示している:
地元のキャッサバフレーク (cassava flake) の生産者 (ナイジェリアではそれほど裕福ではない人々の主食) がAIの仕組みに関する知識なしでAIを活用して、キャッサバフレークの品質を安価に改善できるとしたらどうでしょうか?
Lookout for Visionにはモデルのトレーニング (トレーニング時間は2USドル/時間から) と異常の検出 (推論時間は4USドル/時間から) のサービス料金の2つの価格設定コンポーネントがある。無料利用枠は1か月あたり10時間のトレーニング時間と4時間の推論時間を含む3か月間だ