Hinweis zum Ende des Supports: Am 31. Oktober 2025 AWS wird der Support für Amazon Lookout for Vision eingestellt. Nach dem 31. Oktober 2025 können Sie nicht mehr auf die Lookout for Vision Vision-Konsole oder die Lookout for Vision Vision-Ressourcen zugreifen. Weitere Informationen finden Sie in diesem Blogbeitrag.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

DetectAnomalies

Erkennt Anomalien im bereitgestellten Bild.

Die Antwort von DetectAnomalies beinhaltet eine boolesche Vorhersage, dass das Bild eine oder mehrere Anomalien enthält, sowie einen Konfidenzwert für die Vorhersage. Handelt es sich bei dem Modell um ein Segmentierungsmodell, umfasst die Antwort Folgendes:

DetectAnomaliesunterstützt gepackte Bitmaps (Bilder) im Interleaved-RGB888-Format. Das erste Byte steht für den roten Kanal, das zweite Byte für den grünen Kanal und das dritte Byte für den blauen Kanal. Wenn Sie das Bild in einem anderen Format bereitstellen, z. B. in BGR, DetectAnomalies sind die Prognosen von falsch.

Standardmäßig verwendet OpenCV das BGR-Format für Bild-Bitmaps. Wenn Sie OpenCV verwenden, um Bilder zur Analyse aufzunehmenDetectAnomalies, müssen Sie das Bild in das RGB888-Format konvertieren, bevor Sie das Bild an übergeben. DetectAnomalies

Die unterstützte Mindestbildgröße beträgt 64x64 Pixel. Die maximal unterstützte Bildgröße beträgt 4096x4096 Pixel.

Sie können das Bild in der Protobuf-Nachricht oder über ein gemeinsam genutztes Speichersegment senden. Das Serialisieren großer Bilder in die Protobuf-Nachricht kann die Latenz von Aufrufen von erheblich erhöhen. DetectAnomalies Für die geringste Latenz empfehlen wir die Verwendung von Shared Memory.

rpc DetectAnomalies(DetectAnomaliesRequest) returns (DetectAnomaliesResponse);
  

DetectAnomaliesRequest

Die Eingabeparameter fürDetectAnomalies.

message Bitmap {
  int32 width = 1;
  int32 height = 2;
  oneof data { 
    bytes byte_data = 3;
    SharedMemoryHandle shared_memory_handle = 4;
  }
}

message SharedMemoryHandle {
  string name = 1;
  uint64 size = 2;
  uint64 offset = 3;
}    

message AnomalyMaskParams {
SharedMemoryHandle shared_memory_handle = 2;
}

message DetectAnomaliesRequest {
string model_component = 1;
Bitmap bitmap = 2;
AnomalyMaskParams anomaly_mask_params = 3;
}

Bitmap

Das Bild, mit DetectAnomalies dem Sie analysieren möchten.

width

Die Breite des Bildes in Pixeln.

height

Die Höhe des Bildes in Pixeln.

byte_data

In der Protobuf-Nachricht übergebene Bildbytes.

shared_memory_handle

Bildbytes, die im gemeinsamen Speichersegment übergeben wurden.

SharedMemoryHandle

Stellt ein gemeinsam genutztes POSIX-Speichersegment dar.

Name

Der Name des POSIX-Speichersegments. Hinweise zum Erstellen von Shared Memory finden Sie unter shm_open.

size

Die Größe des Bildpuffers in Byte, beginnend mit dem Offset.

offset

Der Offset in Byte bis zum Anfang des Bildpuffers vom Anfang des gemeinsamen Speichersegments.

AnomalyMaskParams

Parameter für die Ausgabe einer Anomaliemaske. (Segmentierungsmodell).

shared_memory_handle

Enthält die Bildbytes für die Maske, falls sie nicht angegeben wurde. shared_memory_handle

DetectAnomaliesRequest

model_component

Der Name der AWS IoT Greengrass V2 Komponente, die das Modell enthält, das Sie verwenden möchten.

Bitmap

Das Bild, mit DetectAnomalies dem Sie analysieren möchten.

anomaly_mask_params

Optionale Parameter für die Ausgabe der Maske. (Segmentierungsmodell).

DetectAnomaliesResponse

Die Antwort vonDetectAnomalies.

message DetectAnomalyResult {
bool is_anomalous = 1;
float confidence = 2;
Bitmap anomaly_mask = 3;
repeated Anomaly anomalies = 4;
float anomaly_score = 5;
float anomaly_threshold = 6;
}

message Anomaly {
string name = 1;
PixelAnomaly pixel_anomaly = 2;

message PixelAnomaly {
float total_percentage_area = 1;
string hex_color = 2;
}

message DetectAnomaliesResponse {
  DetectAnomalyResult detect_anomaly_result = 1;
}

Anomalie

Stellt eine auf einem Bild gefundene Anomalie dar. (Segmentierungsmodell).

Name

Der Name eines Anomalie-Typs, der in einem Bild gefunden wurde. nameentspricht einem Anomalie-Typ im Trainingsdatensatz. Der Dienst fügt den Typ der Hintergrundanomalie automatisch in das Antwortformular ein. DetectAnomalies

pixel_anomaly

Informationen über die Pixelmaske, die einen Anomalie-Typ abdeckt.

PixelAnomaly

Informationen über die Pixelmaske, die einen Anomalie-Typ abdeckt. (Segmentierungsmodell).

total_percentage_area

Der prozentuale Bereich des Bildes, den der Anomalie-Typ abdeckt.

hex_color

Ein Hex-Farbwert, der den Typ der Anomalie auf dem Bild darstellt. Die Farbe entspricht der Farbe des im Trainingsdatensatz verwendeten Anomalie-Typs.

DetectAnomalyResult

is_anomalous

Zeigt an, ob das Bild eine Anomalie enthält. trueob das Bild eine Anomalie enthält. falsewenn das Bild normal ist.

confidence

Das Vertrauen, DetectAnomalies das Sie in die Genauigkeit der Vorhersage haben. confidenceist ein Fließkommawert zwischen 0 und 1.

anomaly_mask

wenn shared_memory_handle nicht angegeben wurde, enthält es die Bildbytes für die Maske. (Segmentierungsmodell).

Unregelmäßigkeiten

Eine Liste von 0 oder mehr Anomalien, die im Eingabebild gefunden wurden. (Segmentierungsmodell).

anomaly_score

Eine Zahl, die quantifiziert, wie stark die für ein Bild vorhergesagten Anomalien von einem Bild ohne Anomalien abweichen. anomaly_scoreist ein Gleitkommawert, der von 0.0 bis (niedrigste Abweichung von einem normalen Bild) bis 1,0 (höchste Abweichung von einem normalen Bild) reicht. Amazon Lookout for Vision gibt einen Wert für zurückanomaly_score, auch wenn die Vorhersage für ein Bild normal ist.

anomaly_threshold

Eine Zahl (Float), die bestimmt, wann die vorhergesagte Klassifizierung für ein Bild normal oder ungewöhnlich ist. Bilderanomaly_score, deren Wert gleich oder höher als der Wert von ist, anomaly_threshold gelten als anomal. Ein anomaly_score Wert, der darunter liegt, anomaly_threshold weist auf ein normales Bild hin. Der Wertanomaly_threshold, den ein Modell verwendet, wird von Amazon Lookout for Vision berechnet, wenn Sie das Modell trainieren. Sie können den Wert von nicht festlegen oder ändern anomaly_threshold

Statuscodes