Amazon ha annunciato la disponibilità del nuovo servizio Amazon Lookout for Vision, uno strumento in grado di coadiuvare l’industria manifatturiera nel controllo della qualità dei prodotti in uscita. Si basa tutto sul machine learning e sui server AWS, creando un sistema intelligente in grado di osservare il prodotto attraverso immagini, riconoscerne eventuali problemi produttivi e segnalare l’anomalia affinché si possa intervenire.
Amazon Lookout for Vision
Il processo ha inizio con una fase di input, nella quale il sistema viene istruito con circa 30 immagini dell’oggetto affinché si possano carpire le informazioni base su ciò che si andrà ad analizzare. In questa fase gli algoritmi di Amazon Lookout for Vision debbono avere di fronte la situazione corretta e le più importanti anomalie, così da iniziare a comprendere ciò che si andrà a fare nelle analisi successive. Inizia a questo punto il processo di analisi e apprendimento basato su feedback e conferme.
Amazon Lookout for Vision non confronta soltanto immagini, ma è in grado di comprenderle: anche con differenti rotazioni della fotocamera e inquadrature non perfettamente uguali, gli algoritmi sanno distinguere ed analizzare le varie parti per poter effettuare un raffronto intelligente e preciso. Il processo di ispezione con computer vision crea e confronta modelli, insomma, ed è in grado di identificare le anomalie in presa diretta e con tempi di reazione del tutto minimi.
Il costo del servizio è orario, basato sull’uso dei server tanto nell’istruire il sistema circa i propri prodotti, quanto nell’analizzare la produzione in uscita. Grazie a sistemi di questo tipo, garantisce Amazon, è possibile evitare importanti fallimenti produttivi, facendo leva su bassi costi di setup ed avendo vantaggi crescenti nel tempo.
Componenti mancanti, assemblaggi mal riusciti, elementi difettosi: problematiche di questo tipo possono essere affrontate senza dover costringere una risorsa umana ad un controllo capillare e continuo, task nel quale l’elemento umano è peraltro tendenzialmente fallace e meno affidabile.