AWS宣佈Amazon Lookout for Vision正式啟用，這是一項全新服務，使用電腦視覺和先進機器學習能力分析圖像，用來監測製造過程中產品或流程的瑕疵和異常。透過名為「小樣本學習（few-shot learning）」的機器學習技術，可使用少至30張基準圖像為客戶訓練模型。透過Amazon Lookout for Vision，客戶可以快速開始檢測產品的製造和生產瑕疵，防止這些成本高昂的瑕疵進入到營運環節甚至送達客戶手中。結合Amazon Lookout for Equipment、Amazon Monitron和AWS Panorama，Amazon Lookout for Vision為工業和製造業客戶提供最全面從雲到端的工業機器學習服務套件。
在當今的製造業中，由於遺漏的瑕疵或品質不一而導致生產線停產，每年讓企業蒙受數百萬美元的成本超支和營收損失。為了避免這些代價高昂的問題，工業企業必須持續努力確保品質控管。工業過程中的品質保證通常需要靠人工檢查，即便在最好的情況下，這一過程仍是費時且不能保證品質一致，而在最壞的情況下則幾乎變得不可行。
電腦視覺可帶來持續識別瑕疵所需的速度和準確度，然而，傳統的電腦視覺解決方案可能相對複雜。從零開始建構電腦視覺模型需要為製造過程中的每個元素精心標記大量圖像。然後，資料科學家團隊需要建構、訓練、部署、監控和微調電腦視覺模型，以分析產品檢查過程中的每個獨立階段。即使是微小的製造過程變化（如缺貨部件替換為另一個同等部件、更新產品規格或改變照明），便意味著需要再訓練和重新部署單個模型，或者是生產過程下游的其它模型，既冗長複雜又費力費時。電腦視覺驅動的視覺異常系統基於這些障礙，仍是絕大多數公司無法觸及的。
電腦視覺每小時處理數千張圖像來發現瑕疵和異常，而無需具有機器學習經驗。客戶將相機圖像即時傳送到Amazon Lookout for Vision識別異常情況，如產品表面損壞、部件遺失和生產線上的其它異常情況。藉由「小樣本學習（few-shot learning）」的機器學習技術（機器學習模型能夠基於非常少量的訓練資料進行資料分類），該服務最少只需30張可識別及狀態異常的圖像作為基準，便可開始評估機器零件或製成品。除了能在不需要大量訓練資料的情況下檢測異常之外，該功能能使服務適應各種工業環境下的檢查任務。在分析資料之後，Amazon Lookout for Vision會透過服務儀錶板或DetectAnomalies即時API，報告與基準不同的圖像，以便採取適當行動。Amazon Lookout for Vision有足夠的精細度，能在工作環境中實現相機角度、姿勢和照明的高準確度調整。
客戶還能針對結果提供回饋（如預測是否正確地識別異常），Lookout for Vision將自動重新訓練底層模型，不斷改進服務。該特性讓技術可以充分適應製造過程中的變化，甚至根據客戶回饋瞭解何時允許或不允許變化。這意味著客戶可以更加靈活運用，並依自身競爭優勢或影響其營運的外部因素，適時調整流程。
Lookout for Vision可以直接透過AWS控制台取得，也可以藉由支援合作夥伴來協助客戶將電腦視覺嵌入其設施內的現有作業系統中。該服務也與AWS CloudFormation相容。Lookout for Vision現已在美國東部（維吉尼亞北部）、美國東部（俄亥俄）、美國西部（俄勒岡）、歐洲（愛爾蘭）、歐洲（法蘭克福）、亞太地區（東京）和亞太地區（首爾）區域正式推出，其它區域也將很快推出。