As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Automatize o treinamento e a implantação do Amazon Lookout for Vision para detecção de anomalias
Criado por Michael Wallner (AWS), Gabriel Rodriguez Garcia (AWS), Kangkang Wang (AWS), Shukhrat Khodjaev (AWS), Sanjay Ashok (AWS), Yassine Zaafouri (AWS) e Gabriel Zylka (AWS)
Repositório de código: automated-silicon-wafer-anomaly- -for-vision detection-using-amazon-lookout | Ambiente: produção | Tecnologias: aprendizado de máquina e IA CloudNative; DevOps |
Serviços da AWS: AWS CloudFormation; AWS; AWS CodeBuild; AWS CodeCommit; AWS Lambda CodePipeline; Amazon Lookout for Vision |
Resumo
Esse padrão ajuda você a automatizar o treinamento e a implantação dos modelos de aprendizado de máquina Amazon Lookout for Vision para inspeção visual. Embora esse padrão se concentre na detecção de anomalias em pastilhas de silício, você pode adaptar a solução para uso em uma ampla variedade de produtos e indústrias.
Em 2020, a capacidade anual de um dos maiores fabricantes de semicondutores do mundo ultrapassou 12 milhões de pastilhas equivalentes de 12 polegadas. Para garantir a qualidade e a confiabilidade dessas pastilhas, a inspeção visual é uma etapa essencial no processo de produção. Os métodos tradicionais de inspeção visual, como amostragem manual ou o uso de ferramentas antigas e desatualizadas que dependem de medidas estatísticas, podem ser demorados e ineficientes. Dada a escala desse processo e sua importância para a indústria mais ampla de semicondutores, há uma oportunidade significativa de otimizar e automatizar a inspeção visual usando tecnologias avançadas de inteligência artificial (IA).
O Lookout for Vision ajuda a agilizar o processo de inspeção de imagens e objetos, reduzindo a necessidade de inspeções manuais caras e inconsistentes. Essa solução melhora o controle de qualidade, facilita a avaliação precisa de defeitos e danos e garante a conformidade com os padrões do setor. Além disso, você pode automatizar o processo de inspeção do Lookout for Vision sem precisar de experiência especializada em aprendizado de máquina.
Usando essa solução, você pode integrar seu modelo de visão computacional em qualquer sistema. Por exemplo, você pode integrar um modelo em um site em que os usuários fazem upload de imagens e as analisam em busca de defeitos. A imagem a seguir mostra um exemplo de uma pastilha de silício com defeitos de arranhão em um processo de polimento químico mecânico (CMP). Você pode usar o Lookout for Vision para detectar essas anomalias. Por exemplo, o Lookout for Vision detectou anomalias nessa imagem com 99,04% de confiança.
Essa solução é baseada no código e no caso de uso descritos na postagem do blog Crie uma solução de rastreamento baseada em eventos usando o Amazon Lookout for Vision
Pré-requisitos e limitações
Pré-requisitos
Uma conta AWS ativa
Permissões administrativas na conta da AWS
AWS Command Line Interface (AWS CLI), instalada e configurada
AWS CDK, instalado e configurado
Arquitetura
Arquitetura de destino
Essa arquitetura ilustra a automação da criação, treinamento e implantação dos modelos Amazon Lookout for Vision por meio de um pipeline de CI/CD. O diagrama mostra o seguinte fluxo de trabalho:
O código é armazenado em um CodeCommit repositório da Amazon. Os desenvolvedores podem modificar o código, alterar as imagens de entrada ou adicionar outras etapas ao pipeline de automação.
Depois de implantar a solução ou atualizar a ramificação principal do CodeCommit repositório, a Amazon envia CodePipeline automaticamente o código para a Amazon. CodeBuild
CodeBuild usa o SDK para Python do Lookout for Vision para treinar e implantar o modelo de classificação de imagens. As imagens usadas para treinamento são armazenadas em um bucket do Amazon Simple Storage Service (Amazon S3). CodeBuild baixa automaticamente essas imagens e as armazena. Para personalizar a solução de acordo com suas necessidades, você pode importar suas próprias imagens.
O modelo Lookout for Vision é exposto aos usuários finais por meio do AWS Lambda. No entanto, você não está limitado a essa abordagem. Você também pode implantar o Lookout for Vision na borda em dispositivos de IoT ou executá-lo como um processo em lote de forma programada para gerar previsões.
Ferramentas
Serviços da AWS
CodeBuildA AWS é um serviço de criação totalmente gerenciado que ajuda você a compilar o código-fonte, executar testes unitários e produzir artefatos prontos para implantação.
CodeCommitA AWS é um serviço de controle de versão que ajuda você a armazenar e gerenciar repositórios Git de forma privada, sem precisar gerenciar seu próprio sistema de controle de origem.
CodePipelineA AWS ajuda você a modelar e configurar rapidamente os diferentes estágios de uma versão de software e automatizar as etapas necessárias para liberar alterações de software continuamente.
O AWS Key Management Service (AWS KMS) ajuda você a criar e controlar chaves criptográficas para proteger seus dados.
O AWS Lambda é um serviço de computação que ajuda você a executar código sem exigir provisionamento ou gerenciamento de servidores. Ele executa o código somente quando necessário e dimensiona automaticamente, assim, você paga apenas pelo tempo de computação usado.
O Amazon Lookout for Vision usa visão computacional para encontrar detecções visuais em produtos industriais, com precisão e em grande escala.
O Amazon Simple Storage Service (Amazon S3) é um serviço de armazenamento de objetos baseado na nuvem que ajuda você a armazenar, proteger e recuperar qualquer quantidade de dados.
Repositório de código
O código desse padrão está disponível no repositório de treinamento e implantação do GitHub Automate Amazon Lookout for Vision para Silicon Wafer
Práticas recomendadas
Ao executar o código como um experimento, certifique-se de interromper seu endpoint Amazon Lookout for Vision.
Épicos
Tarefa | Descrição | Habilidades necessárias |
---|---|---|
Clone o GitHub repositório. | Clone o treinamento e a implantação do GitHub Automate Amazon Lookout for Vision para o repositório Silicon Wafer Anomaly
| Bash |
Crie um ambiente virtual. | Digite o comando a seguir para criar um ambiente virtual em sua estação de trabalho local.
| Python |
Instale as dependências. | Depois que o ambiente virtual for criado, digite o comando a seguir para instalar as dependências necessárias.
| Python |
(Somente para usuários Linux) Ative o ambiente virtual. | Depois que a inicialização for concluída e o ambiente virtual for criado, use o comando a seguir para ativar o ambiente virtual.
| Bash |
(Somente para usuários do Windows) Ative o ambiente virtual. | Depois que a inicialização for concluída e o ambiente virtual for criado, use o comando a seguir para ativar o ambiente virtual.
| PowerShell |
Implante a pilha. |
| Administrador da AWS |
Tarefa | Descrição | Habilidades necessárias |
---|---|---|
Insira um exemplo de evento de teste. |
| AWS geral |
Recursos relacionados
Documentação da AWS
Publicações do blog da AWS