发布于: Jul 29, 2022
Amazon Lookout for Vision 现在通过语义分割提供异常定位。您可以使用 Lookout for Vision 的分割模型来识别图像上存在不同类型异常（例如划痕、凹痕或撕裂）的位置、异常的标签和异常的大小，然后您可以使用它们进行决策，例如分类、分级、装箱产品和发货、返工或报废零件。通过 AWS SDK 或 CLI，您可以在 AWS Cloud 中部署经过训练的语义分割模型，进行推理。您还可以将它们部署到您选择的边缘硬件设备上，并在该设备上本地运行推理。
Amazon Lookout for Vision 模型现在可以部署为在运行 Linux 的 x86 计算平台（只需一个 CPU，而不需要 GPU 加速器）上本地运行推理。这将帮助您节省硬件成本，在低功耗模式下进行推理（例如用于移动漫游器），并启用大量基于 x86 的边缘设备可供选择。此外，还可以部署在任何采用 NVIDIA GPU 加速器且运行 Linux 的 NVIDIA Jetson 边缘设备或 x86 计算平台上。您可以使用 AWS IoT Greengrass，在设备机群上部署和管理兼容边缘的自定义模型。AWS IoT Greengrass 是一种开源边缘运行时和云服务，用于构建、部署和管理设备软件。
借助 Amazon Lookout for Vision，您可以使用计算机视觉，在质量控制和缺陷评估等任务中实现视觉检查自动化，精确定位不同类型的缺陷。您可以主动识别缺陷的位置，例如损坏的零件（凹痕、划痕或焊接不良）、缺失的产品组件或具有重复图案的缺陷，以提高质量控制的效率。