وفقًا غارتنر، التشغيل الآلي المفرط هو الاتجاه الأول في عام 2022 وسيستمر في التقدم في المستقبل. تتمثل إحدى العوائق الرئيسية التي تحول دون التشغيل الآلي المفرط في المناطق التي ما زلنا نكافح فيها لتقليل المشاركة البشرية. تواجه الأنظمة الذكية صعوبة في مطابقة قدرات التعرف البصري البشرية ، على الرغم من التقدم الكبير في التعلم العميق في رؤية الكمبيوتر. ويرجع ذلك أساسًا إلى نقص البيانات المشروحة (أو عندما تكون البيانات متفرقة) وفي مجالات مثل مراقبة الجودة ، حيث لا تزال العيون البشرية المدربة مهيمنة. سبب آخر هو جدوى وصول الإنسان في جميع مجالات سلسلة توريد المنتجات ، مثل فحص مراقبة الجودة على خط الإنتاج. يستخدم الفحص البصري على نطاق واسع لإجراء التقييم الداخلي والخارجي لمختلف المعدات في منشأة الإنتاج ، مثل صهاريج التخزين وأوعية الضغط والأنابيب وآلات البيع وغيرها من المعدات ، والتي تتوسع في العديد من الصناعات ، مثل الإلكترونيات والطبية و CPG ، والمواد الخام وأكثر من ذلك.
يمكن أن يساعد استخدام الذكاء الاصطناعي (AI) للفحص البصري الآلي أو زيادة عملية الفحص البصري البشري باستخدام الذكاء الاصطناعي في مواجهة التحديات الموضحة أدناه.
تحديات الفحص البصري البشري
يحتوي الفحص البصري الذي يقوده الإنسان على المشكلات عالية المستوى التالية:
- حجم - تمر معظم المنتجات بمراحل متعددة ، من التجميع إلى سلسلة التوريد إلى مراقبة الجودة ، قبل إتاحتها للمستهلك النهائي. يمكن أن تحدث العيوب أثناء عملية التصنيع أو التجميع في نقاط مختلفة في المكان والزمان. لذلك ، ليس من المجدي أو الفعال من حيث التكلفة دائمًا استخدام الفحص البصري البشري شخصيًا. يمكن أن يؤدي عدم القدرة على القياس إلى كوارث مثل تسرب النفط BP Deepwater Horizon و انفجار مكوك الفضاء تشالنجر، التأثير السلبي العام (على البشر والطبيعة) يتجاوز التكلفة النقدية بمسافة طويلة.
- خطأ بصري بشري - في المناطق التي يمكن فيها إجراء الفحص البصري الذي يقوده الإنسان بشكل ملائم ، يعد الخطأ البشري عاملاً رئيسياً يتم تجاهله في كثير من الأحيان. بناءا على الاتى تقرير، فإن معظم مهام التفتيش معقدة وعادة ما تظهر معدلات خطأ تتراوح من 20 إلى 30٪ ، وهو ما يترجم مباشرة إلى تكلفة ونتائج غير مرغوب فيها.
- تكاليف الموظفين والتكاليف المتنوعة - على الرغم من أن التكلفة الإجمالية لمراقبة الجودة يمكن أن تختلف اختلافًا كبيرًا حسب الصناعة والموقع ، وفقًا للبعض تقديرات، راتب مفتش جودة مدرب يتراوح بين 26,000-60,000 دولار أمريكي في السنة. هناك أيضًا تكاليف متنوعة أخرى قد لا يتم احتسابها دائمًا.
يعد SageMaker JumpStart مكانًا رائعًا للبدء بمختلف الأمازون SageMaker الميزات والإمكانيات من خلال الحلول المنسقة بنقرة واحدة ، والدفاتر على سبيل المثال ، ورؤية الكمبيوتر المدربة مسبقًا ، ومعالجة اللغة الطبيعية ونماذج البيانات الجدولية التي يمكن للمستخدمين اختيارها ، والضبط الدقيق (إذا لزم الأمر) ونشرها باستخدام البنية التحتية لـ AWS SageMaker.
في هذا المنشور ، نتعرف على كيفية نشر حل آلي للكشف عن العيوب بسرعة ، من استيعاب البيانات إلى استنتاج النماذج ، باستخدام مجموعة بيانات متاحة للجمهور و SageMaker JumpStart.
حل نظرة عامة
يستخدم هذا الحل أسلوبًا متطورًا للتعلم العميق لاكتشاف عيوب السطح تلقائيًا باستخدام SageMaker. شبكة الكشف عن العيوب أو نموذج DDN يعزز أسرع R-CNN ويحدد العيوب المحتملة في صورة سطح صلب. ال قاعدة بيانات عيوب السطح NEU، عبارة عن مجموعة بيانات متوازنة تحتوي على ستة أنواع من عيوب السطح النموذجية لشريط فولاذي مدرفل على الساخن: مقياس ملفوف (RS) ، بقع (Pa) ، جنون (Cr) ، سطح محفور (PS) ، تضمين (In) ، والخدوش (Sc). تتضمن قاعدة البيانات 1,800 صورة ذات تدرج رمادي: 300 عينة لكل نوع من العيوب.
وصف المنتج
يحتوي حل JumpStart على القطع الأثرية التالية ، والتي تتوفر لك من متصفح ملفات JupyterLab:
- تشكيل السحابة/ - تكوين سحابة AWS ملفات التكوين لإنشاء موارد SageMaker ذات الصلة وتطبيق الأذونات. يتضمن أيضًا البرامج النصية للتنظيف لحذف الموارد التي تم إنشاؤها.
- SRC / - يحتوي على الآتي:
- تحضير البيانات / - إعداد البيانات لمجموعات بيانات NEU.
- sagemaker_defect_detection / - العبوة الرئيسية تحتوي على الآتي:
- بيانات - يحتوي على معالجة مجموعة بيانات NEU.
- عارضات ازياء - يحتوي على نظام الفحص الآلي للعيوب (ADI) المسمى شبكة الكشف عن العيوب. انظر ما يلي ورقة للتفاصيل.
- تيلس - المرافق المختلفة للتصور وتقييم COCO.
- مصنف - لمهمة التصنيف.
- كاشف - لمهمة الكشف.
- يتحول - يحتوي على تحويلات الصور المستخدمة في التدريب.
- دفاتر الملاحظات/ - المفكرات الفردية ، تمت مناقشتها بمزيد من التفصيل لاحقًا في هذا المنشور.
- مخطوطات / - سيناريوهات متنوعة للتدريب والبناء.
مجموعة البيانات الافتراضية
يقوم هذا الحل بتدريب المصنف على مجموعة بيانات NEU-CLS وكاشف على مجموعة البيانات NEU-DET. تحتوي مجموعة البيانات هذه على 1800 صورة و 4189 مربعًا محيطًا في المجموع. فيما يلي نوع العيوب في مجموعة البيانات الخاصة بنا:
- جنون (فئة:
Cr
، التسمية: 0) - الشمول (فئة:
In
، التسمية: 1) - سطح محفور (فئة:
PS
، التسمية: 2) - بقع (الفئة: Pa ، التسمية: 3)
- مقياس مدلفن (فئة:
RS
، التسمية: 4) - خدوش (فئة:
Sc
، التسمية: 5)
فيما يلي عينة من الصور للفصول الستة.
الصور التالية هي عينة من نتائج الكشف. من اليسار إلى اليمين ، لدينا الصورة الأصلية ، واكتشاف الحقيقة الأرضية ، وإخراج نموذج SageMaker DDN.
معمار
يأتي حل JumpStart معبأ مسبقًا مع ملفات أمازون ساجميكر ستوديو أجهزة الكمبيوتر المحمولة التي تقوم بتنزيل مجموعات البيانات المطلوبة وتحتوي على التعليمات البرمجية والوظائف المساعدة لتدريب النموذج / النماذج والنشر باستخدام نقطة نهاية SageMaker في الوقت الفعلي.
تقوم جميع أجهزة الكمبيوتر الدفتري بتنزيل مجموعة البيانات من الجمهور خدمة تخزين أمازون البسيطة (Amazon S3) وظيفتا دلو ومساعد الاستيراد لتصور الصور. تسمح أجهزة الكمبيوتر المحمولة للمستخدم بتخصيص الحل ، مثل المعلمات الفائقة لتدريب النموذج أو الأداء نقل التعلم في حال اخترت استخدام الحل لحالة استخدام الكشف عن العيوب.
يحتوي الحل على أربعة أجهزة كمبيوتر محمولة من Studio التالية:
- 0_demo.ipynb - يُنشئ كائنًا نموذجيًا من نموذج DDN مُدرَّب مسبقًا على مجموعة بيانات NEU-DET وينشره خلف نقطة نهاية SageMaker في الوقت الفعلي. ثم نرسل بعض عينات الصور التي بها عيوب للكشف عنها وتصور النتائج.
- 1_retrain_from_checkpoint.ipynb - يعيد تدريب كاشفنا المُدرَّب مسبقًا لبضع فترات أخرى ويقارن النتائج. يمكنك أيضًا إحضار مجموعة البيانات الخاصة بك ؛ ومع ذلك ، فإننا نستخدم نفس مجموعة البيانات في دفتر الملاحظات. كما تم تضمين خطوة لأداء نقل التعلم عن طريق ضبط النموذج المدرب مسبقًا. يتضمن الضبط الدقيق لنموذج التعلم العميق في مهمة معينة استخدام الأوزان المكتسبة من مجموعة بيانات معينة لتحسين أداء النموذج في مجموعة بيانات أخرى. يمكنك أيضًا إجراء ضبط دقيق على نفس مجموعة البيانات المستخدمة في التدريب الأولي ولكن ربما باستخدام معلمات تشعبية مختلفة.
- 2_detector_from_scratch.ipynb - يقوم بتدريب جهاز الكشف الخاص بنا من نقطة الصفر لتحديد ما إذا كانت هناك عيوب في الصورة.
- 3_classification_from_scratch.ipynb - يدرب المصنف لدينا من الصفر لتصنيف نوع العيب في الصورة.
يحتوي كل دفتر ملاحظات على كود معياري ينشر SageMaker نقطة نهاية في الوقت الفعلي للاستدلال على النموذج. يمكنك عرض قائمة دفاتر الملاحظات بالانتقال إلى متصفح الملفات JupyterLab والانتقال إلى مجلد "دفتر الملاحظات" في دليل حل JumpStart أو بالنقر فوق "فتح دفتر ملاحظات" في حل JumpStart ، وتحديدًا صفحة حل "اكتشاف عيوب المنتج" (انظر أدناه ).
المتطلبات الأساسية المسبقة
الحل الموضح في هذا المنشور هو جزء من أمازون سيج ميكر جومب ستارت. لتشغيل حل SageMaker JumpStart 1P هذا ونشر البنية التحتية لحساب AWS الخاص بك ، تحتاج إلى إنشاء مثيل Amazon SageMaker Studio نشط (انظر Onboard to Amazon SageMaker Domain).
بداية القفز الميزات غير متوفرة في مثيلات دفتر ملاحظات SageMaker ، ولا يمكنك الوصول إليها من خلال ملف واجهة سطر الأوامر AWS (AWS CLI).
انشر الحل
نحن نقدم مقاطع فيديو إرشادية للخطوات عالية المستوى في هذا الحل. للبدء ، قم بتشغيل SageMaker JumpStart واختر ملف كشف عيوب المنتج حل على الحلول علامة التبويب.
تقوم دفاتر SageMaker المزودة بتنزيل بيانات الإدخال وتشغيل المراحل اللاحقة. توجد بيانات الإدخال في حاوية S3.
نقوم بتدريب نماذج المصنف والكاشف وتقييم النتائج في SageMaker. إذا رغبت في ذلك ، يمكنك نشر النماذج المدربة وإنشاء نقاط نهاية SageMaker.
نقطة نهاية SageMaker التي تم إنشاؤها من الخطوة السابقة هي ملف نقطة نهاية HTTPS وقادر على إنتاج تنبؤات.
يمكنك مراقبة نموذج التدريب والنشر عبر الأمازون CloudWatch.
تنظيف
عندما تنتهي من هذا الحل ، تأكد من حذف جميع موارد AWS غير المرغوب فيها. يمكنك استخدام AWS CloudFormation لحذف جميع الموارد القياسية التي تم إنشاؤها بواسطة الحل والكمبيوتر الدفتري تلقائيًا. في وحدة تحكم AWS CloudFormation ، احذف الحزمة الأصلية. يؤدي حذف المكدس الأصل إلى حذف المكدس المتداخلة تلقائيًا.
تحتاج إلى حذف أي موارد إضافية قد تكون أنشأتها في هذا الكمبيوتر المحمول يدويًا ، مثل حاويات S3 الإضافية بالإضافة إلى الحاوية الافتراضية للحل أو نقاط نهاية SageMaker الإضافية (باستخدام اسم مخصص).
وفي الختام
في هذا المنشور ، قدمنا حلاً باستخدام SageMaker JumpStart لمعالجة المشكلات المتعلقة بالحالة الحالية للفحص البصري ومراقبة الجودة واكتشاف العيوب في مختلف الصناعات. لقد أوصينا باتباع نهج جديد يسمى نظام الفحص الآلي للعيوب المصمم باستخدام نظام مدرب مسبقًا نموذج DDN لاكتشاف العيوب على الأسطح الفولاذية. بعد إطلاق حل JumpStart وتنزيل مجموعات بيانات NEU العامة ، قمت بنشر نموذج مدرب مسبقًا خلف نقطة نهاية الوقت الحقيقي لـ SageMaker وقمت بتحليل مقاييس نقطة النهاية باستخدام CloudWatch. ناقشنا أيضًا الميزات الأخرى لحل JumpStart ، مثل كيفية إحضار بيانات التدريب الخاصة بك ، وأداء تعلم النقل ، وإعادة تدريب الكاشف والمصنف.
جرب هذا حل JumpStart في SageMaker Studio ، إما إعادة تدريب النموذج الحالي على مجموعة بيانات جديدة لاكتشاف العيوب أو الاختيار من مكتبة SageMaker JumpStart الخاصة بـ نماذج الرؤية الحاسوبية, نماذج البرمجة اللغوية العصبية or نماذج مجدولة ونشرها لحالة الاستخدام الخاصة بك.
حول المؤلف
فيدانت جاين هو مهندس حلول متخصص في الذكاء الاصطناعي / التعلم الآلي ، يساعد العملاء على جني قيمة من نظام التعلم الآلي في AWS. قبل انضمامه إلى AWS ، شغل Vedant مناصب ML / Data Science Specialty في العديد من الشركات مثل Databricks و Hortonworks (الآن Cloudera) و JP Morgan Chase. بعيدًا عن عمله ، فيدانت شغوف بصناعة الموسيقى واستخدام العلوم لعيش حياة ذات مغزى واستكشاف المأكولات النباتية اللذيذة من جميع أنحاء العالم.
تاو صن هو عالم تطبيقي في AWS. حصل على الدكتوراه. في علوم الكمبيوتر من جامعة ماساتشوستس ، أمهيرست. تكمن اهتماماته البحثية في التعلم المعزز العميق والنمذجة الاحتمالية. ساهم في AWS DeepRacer و AWS DeepComposer. يحب الرقص في القاعة والقراءة في أوقات فراغه.
- "
- &
- 000
- 100
- 2022
- 28
- a
- القدرات
- من نحن
- الوصول
- وفقا
- حسابي
- نشط
- إضافة
- العنوان
- التطورات
- AI
- الكل
- بالرغم ان
- دائما
- أمازون
- آخر
- تطبيقي
- التقديم
- نهج
- حول
- مصطنع
- الذكاء الاصطناعي
- الذكاء الاصطناعي (منظمة العفو الدولية)
- جمعية
- التقييم المناسبين
- الآلي
- تلقائيا
- أتمتة
- متاح
- AWS
- الحواجز
- قبل
- وراء
- يجري
- أقل من
- ما بين
- جلب
- المتصفح
- ابني
- قدرات
- قادر على
- حقيبة
- سلسلة
- التحديات
- مطاردة
- اختار
- فئة
- فصول
- تصنيف
- الكود
- الشركات
- مجمع
- الكمبيوتر
- علوم الكمبيوتر
- الاعداد
- كنسولات
- مستهلك
- يحتوي
- استمر
- ساهمت
- مراقبة
- ضوابط
- فعاله من حيث التكلفه
- التكاليف
- خلق
- خلق
- يخلق
- من تنسيق
- حالياًّ
- الوضع الحالي
- على
- العملاء
- تصميم
- البيانات
- قاعدة البيانات
- عميق
- اعتمادا
- نشر
- نشر
- نشر
- ينشر
- على الرغم من
- التفاصيل
- تفاصيل
- كشف
- مختلف
- مباشرة
- الكوارث
- مسافة
- نطاق
- بإمكانك تحميله
- أثناء
- كل
- النظام الإيكولوجي
- الإلكترونيات
- نقطة النهاية
- معدات
- تقييم
- تقييم
- مثال
- عرض
- القائمة
- توسع
- تسهيل
- المميزات
- متابعيك
- متابعات
- تبدأ من
- وظائف
- مستقبل
- الذهاب
- الرمادي
- عظيم
- جدا
- معالجة
- مساعدة
- مساعدة
- الأفق
- كيفية
- كيفية
- لكن
- HTTPS
- الانسان
- البشر
- تحديد
- صورة
- صور
- التأثير
- شامل
- يشمل
- إدراجه
- فرد
- الصناعات
- العالمية
- البنية التحتية
- إدخال
- مثل
- رؤيتنا
- ذكي
- السريرية
- مسائل
- IT
- انضمام
- جيه بي مورغان
- JP مورغان تشيس
- تُشير
- لغة
- إطلاق
- أطلقت
- قيادة
- تعلم
- تعلم
- المكتبة
- خط
- قائمة
- موقع
- آلة
- آلة التعلم
- الآلات
- صنع
- رائد
- جعل
- القيام ب
- يدويا
- تصنيع
- ماساتشوستس
- مطابقة
- المواد
- ذات مغزى
- طبي
- المقاييس
- نموذج
- عارضات ازياء
- نقدي
- مراقبة
- الأكثر من ذلك
- مورغان
- أكثر
- متعدد
- موسيقى
- ناسا
- طبيعي
- الطبيعة
- التنقل
- سلبي
- شبكة
- مفكرة
- عدد
- تم الحصول عليها
- زيت
- أصلي
- أخرى
- الكلي
- الخاصة
- صفقة
- جزء
- خاص
- عاطفي
- بقع
- أداء
- أداء
- ربما
- نقاط
- ممكن
- تنبؤات
- الضغط
- سابق
- عملية المعالجة
- معالجة
- منتج
- الإنتــاج
- المنتجات
- تزود
- المقدمة
- جمهور
- جودة
- بسرعة
- الأجور
- الخام
- نادي القراءة
- في الوقت الحقيقي
- تخفيض
- ذات الصلة
- مطلوب
- بحث
- الموارد
- النتائج
- يجري
- راتب
- نفسه
- SC
- حجم
- علوم
- عالم
- الاشارات
- SIX
- حل
- الحلول
- بعض
- الفضاء
- متخصص
- تخصص
- محدد
- على وجه التحديد
- كومة
- مراحل
- معيار
- بداية
- بدأت
- الولايه او المحافظه
- دولة من بين الفن
- لا يزال
- تخزين
- ستوديو
- تزويد
- سلسلة التوريد
- المساحة
- نظام
- أنظمة
- المهام
- •
- العالم
- وبالتالي
- عبر
- الوقت
- قادة الإيمان
- القطارات
- تحويل
- التحولات
- عادة
- جامعة
- USD
- تستخدم
- المستخدمين
- خدمات
- قيمنا
- مختلف
- مقاطع فيديو
- المزيد
- رؤيتنا
- التصور
- ويكيبيديا
- للعمل
- العالم
- عام
- حل متجر العقارات الشامل الخاص بك في جورجيا