Ciclo de vida da visão computacional em frota na borda com SageMaker SDK v3
aws ·
Este artigo apresenta uma arquitetura de referência para gerenciar o ciclo de vida de modelos de visão computacional em grandes frotas de dispositivos de borda, utilizando a versão 3 do SDK Python da Amazon SageMaker. A solução aborda o desafio de implantar milhares de modelos especializados ao automatizar o treinamento, a avaliação e a implantação sem intervenção humana para cada câmera. O sistema utiliza um pipeline de ramificação dupla que treina simultaneamente um detector de anomalias e um classificador de defeitos por câmera, garantindo a qualidade por meio de gates baseados nas métricas de precisão equilibrada e recall. Os modelos são compilados com o Amazon SageMaker Neo para otimização nos dispositivos antes de serem registrados no Registro de Modelos da SageMaker. Uma camada de orquestração, construída com AWS Step Functions e DynamoDB, gerencia solicitações de treinamento concorrentes para permanecer dentro das cotas de serviço da conta. Todo o sistema é implantado por meio do AWS Cloud Development Kit (CDK) e pode ser validado de ponta a ponta usando dados sintéticos, com custos de computação de aproximadamente sete centavos. Esse padrão permite atualizações eficientes em toda a frota, mantendo altos padrões de qualidade para tarefas industriais de inspeção visual.
aws