工場のカメラごとにAIを自動更新、AWSが数千台の検査を1回0.07ドルで運用する新手法

米Amazon Web Services（AWS）は、工場などのエッジ環境に設置された多数のカメラごとに画像認識モデルを自動で訓練・評価・配信する運用構成を公開した。2023年に紹介した仕組みを「Amazon SageMaker Python SDK v3」向けに更新したもので、非推奨となったAmazon SageMaker Edge Managerに代わり、エッジ最適化にAmazon SageMaker Neoを採用している。

工場の外観検査では、1台のカメラで成功しても40ラインなどの大規模環境へ展開する際、カメラごとの画角や照明条件の違いから単一モデルでは十分な精度が出ない課題がある。カメラごとに個別の調整済みモデルが必要となるが、人手を介さずに数千規模のモデルを学習・管理・配信する自動化体制が求められていた。

提示された構成では「Amazon SageMaker Pipeline」を使い、カメラごとに異常検知と欠陥分類の2系統でモデルを訓練する。異常検知には畳み込みオートエンコーダ、分類にはResNet18を使用し、ONNX形式に出力後、データの不均衡を考慮した品質判定を行う。基準を満たしたモデルのみをSageMaker Neoで対象端末向けに最適化変換し、登録する。

実行制御にはAWS Step FunctionsやAmazon SQSを用い、同時実行数を最大5件に制限することで標準のアカウント上限内に収める。一連の仕組みはAWS Cloud Development Kit（AWS CDK）で展開でき、合成データを用いた全行程の計算費用は1回あたり約0.07ドルとされる。