近日，亚马逊云科技宣布AMazon Lookout foR Vision正式可用，这是一项全新服务，使用计算机视觉和先进的机器学习能力分析图像，以发现制造过程中产品或流程的缺陷和异常。通过一种名为”小样本学习(few-shot learning)”的机器学习技术，AMazon Lookout foR Vision可使用低至30张基准图像为客户训练模型。使用AMazon Lookout foR Vision，客户可以快速开始检测产品的制造和生产缺陷（例如裂纹、凹痕、不正确的颜色、不规则形状等），防止这些成本高昂的瑕疵进入到运营环节甚至送达客户手中。结合AMazon Lookout foR EquIPMent、AMazon MonITRon和AMazon PanoRaMa，AMazon Lookout foR Vision为工业和制造业客户提供最全面的从云端到边缘端的工业机器学习服务套件。有了AMazon Lookout foR Vision，无需考虑预先承诺或最低费用，客户可按小时支付实际使用服务的费用，以训练模型以及检测异常或缺陷。欲开始使用AMazon Lookout foR Vision，请访问：https://aws.aMazon.coM/lookout-foR-vision/
在当今的制造业中，由于遗漏的缺陷或质量不一致问题而导致的生产线停产，每年会让企业蒙受数百万美元的成本超支和营收损失。为了避免这些代价高昂的问题，工业企业必须保持不懈的努力，以确保质量控制。工业过程中的质量保证通常需要靠人工检查，即便在最好的情况下，这一过程仍是费时且不能保证不一致，而在最坏的情况下则几乎变得不可行。计算机视觉可以带来持续识别缺陷所需的速度和精度，然而，传统的计算机视觉解决方案可能很复杂。从头开始构建计算机视觉模型需要为制造过程中的每个元素精心标记大量图像。然后，数据科学家团队需要构建、训练、部署、监控和微调计算机视觉模型，以分析产品检查过程中的每个独立阶段。即使是微小的制造过程变化（如缺货部件替换为另一个同等部件，更新产品规格或改变照明），便意味着需要再训练和重新部署单个模型，或者是生产过程中下游的其它模型，很明显，这冗长而复杂，费力费时。由于这些障碍，计算机视觉驱动的视觉异常系统仍然是绝大多数公司无法触及的。
AMazon Lookout foR Vision为客户提供了一种高精确度、低成本的异常检测解决方案，使用计算机视觉每小时处理数千张图像来发现缺陷和异常，而无需具有机器学习经验。客户将相机图像实时发送到AMazon Lookout foR Vision，以识别异常情况，如产品表面损坏、部件丢失和生产线上的其它异常情况。利用”小样本学习(few-shot learning)”的机器学习技术（机器学习模型能够基于非常少量的训练数据进行数据分类），该服务只需低至30张可接受的和异常状态的图像作为基准，便可开始评估机器零件或制成品。除了能够在不需要大量训练数据的情况下检测异常之外，该功能还使服务能够适应各种工业环境下的检查任务。在分析数据之后，AMazon Lookout foR Vision会通过服务仪表板或”DetectAnoMalies”实时API报告与基准不同的图像，以便采取适当的行动。AMazon Lookout foR Vision足够精细，能够在工作环境中实现相机角度、姿势和照明的高精度调整。客户还能够对结果提供反馈（例如预测是否正确地识别了异常），Lookout foR Vision将自动重新训练底层模型，不断改进服务。该特性让技术可以充分适应制造过程中的变化，甚至根据客户反馈了解何时允许或不允许变化。这意味着客户可以更加灵活，根据其自身竞争优势或影响其运营的外部因素，适时调整流程。
GE医疗是全球领先的医疗技术和数字解决方案创新者，通过智能设备、数据分析、应用程序和服务，帮助临床医生做出更快、更精准的决策。亚马逊的按需印刷(POD)设施，为客户按单印刷书籍。BasleR是全球工业视觉制造商和解决方案提供商，为半导体检测、机器人、食品检测、邮政分拣和打印图像检测等应用领域提供摄像机和机器视觉系统。DafgaRds在瑞典是一个家喻户晓的名字，生产各种各样的食品。
