詳しい解説 · 読了目安 7 分
AWS、SageMaker SDK v3でカメラ別の品質ゲートとエッジ成果物を解説
カメラ別の再学習、ONNX評価、Neoコンパイル、機器への配布を分離する参考構成。並列数、権限、過去の計算費用の範囲も明示する。
- 当サイトの公開日
- 原典の公開日
- 出典確認日
AWSの2026年10月26日付技術ガイドは、機器群の画像検査設計をSageMaker Python SDK v3向けに更新した。主題は処理の編成と成果物の管理であり、新しい画像モデルや工場で測定した成果ではない。本稿は全文と必要な構成図に基づく。本站はコードを実行せず、リンク先リポジトリも独立確認していない。
ニュースを聴く
この記事を読み上げるか、ニュースを続けて聴けます。
読み上げを準備中…
端末の音声
読み上げはブラウザーまたは端末が処理します。AISubHub は文章を音声 API に送りません。利用できる音声やロック画面での再生は端末によって異なります。
再開時に短い部分を繰り返す場合があります。
要点
- 13段階のパイプラインがカメラごとにオートエンコーダーとResNet18を学習する。導出ONNXを評価し、ゲート通過後にNeoでコンパイルし、その後登録する。
- 異常検知はAUROC ≥ 0.8、分類は平衡正解率 ≥ 0.6 かつ欠陥再現率 ≥ 0.5。分岐は独立し、置換に失敗したカメラでは従来の承認済みモデルを保つ。
- 約15分・0.07米ドルは、Ohioの2026年7月オンデマンド料金によるml.m5.xlarge計算時間の例。現在価格や本番運用全体の費用ではない。
一、カメラの識別子で学習履歴を分ける
AWSは2023年の設計をSDK v3向けに改め、廃止されたEdge Managerの代わりにNeoをエッジ最適化へ使う。著者は撮影角度や照明の違いからカメラ別モデルを説明するが、全導入に必要だという証明ではない。13段階は前処理と二つの最新モデル取得を並列開始し、異常検知と分類を別々に学習する。
二つの共有登録グループでCameraIdを使い、カメラ別履歴を保持する。APIがこのメタデータをサーバー側検索できないため、承認済みパッケージを新しい順に探す。再学習は同じカメラの前モデルを利用し、初回は分類器がImageNet重み、オートエンコーダーがランダム初期化となる。本站の分析では、別カメラの履歴を誤って学習依存にしない点が重要である。
二、導出モデルとクラス偏りを品質ゲートで検査
小型畳み込みオートエンコーダーは再構成誤差で異常を検知し、ImageNet初期化のResNet18が欠陥を分類する。評価はメモリ内モデルだけでなく、留保データに対する導出ONNXで行う。異常検知はAUROC ≥ 0.8、分類は平衡正解率 ≥ 0.6 かつ欠陥再現率 ≥ 0.5が条件。調整可能な例示値であり、実工場の実績ではない。
良品画像が約90%なら、常に良品と答えても正解率約0.9となり、欠陥は一つも見つからない。良品再現率1.0、欠陥再現率0.2でも平衡正解率は0.6になるため、別の再現率下限を設ける。学習では頻度の逆数による重み付き抽出と重みなし損失を使う。本站の分析では、各対策が異なる失敗を扱い、通過しても現場の誤り率が許容範囲と証明されるわけではない。
三、評価後にコンパイルして登録する
順序は品質ゲート、Neoコンパイル、登録である。ONNXだけのアーカイブに再梱包し、コンパイル用入力形状ではバッチを1に固定する。実行IDからジョブ名を作り、再試行で既存ジョブの照会を続ける。ONNX評価はコンパイルより前なので、実機上のコンパイル済みバイナリー性能を測ったことにはならない。
登録庫は可搬ONNXを編目し、S3にはDLRが読み込むcompiled.soを置く。既定はLinux/X86_64で、機器別の指定も可能だ。登録項目は学習コンテナを参照し、推論endpointを提供しない。下流の仕組みが機器へ配布する必要がある。本站はコンパイルと登録を有用な出荷条件と捉えるが、インストールや機器の受入完了とは区別する。
四、並列数と失敗を明示的な状態として扱う
再学習要求はSQS FIFOへ入り、LambdaがStep Functionsを開始する。DynamoDB semaphoreは既定で5本のパイプライン実行を許す。条件付き原子インクリメントが容量確認と確保を一度に行い、先に読み後で書く競合を避ける。満員なら待機・再試行する。上限はアカウント割当内で調整できるが、処理量保証や無制限学習の許可ではない。
AWSは完了と全失敗経路で枠を解放し、EventBridgeが実行障害をSNSへ送り、完了も通知すると説明する。品質ゲートは独立なので、一方の失敗中に他方が登録される場合があり、対象カメラでは前の承認済みモデルが残る。本站の分析では二モデル一括の原子的昇格ではなく、障害通知も運用対応そのものにはならない。
五、SDK移行は配備と権限の前提を変える
SDK v3はモジュール化パッケージと型付き設定を使う。ガイドではCDK合成時に実在IAMロールを検査するため、同じ配備でまだ未作成のロールは使えないと説明する。例は先にロール、バケット、ECRを作り、その後実在ロールと具体的ARNで合成する。この二段階のbootstrapフラグは、標準CDKツールキットの初期化と別物である。
また検証器がリソースARNなしでECR取得を模擬するため、単一リポジトリに絞った権限は実行可能でも検査に落ち、例ではECR権限を広げているという。本站の分析ではこれは権限審査事項であり、本番環境で一般的に拡権すべき推奨ではない。アカウント権限と基盤の前提は必要で、本站は何も配備していない。
六、費用、データ、削除処理の限界
AWSは合成画像の全13段階を約15分、ml.m5.xlargeの課金時間で約0.07米ドルと報告する。条件はOhio、2026年7月のオンデマンド料金である。この過去の計算例は本番予算全体ではなく、保存、編成、データ準備、機器配送などは別計算が必要だ。現在価格や実際の一検査当たり費用ではない。
任意のBCCD例は364枚の注釈付き血液塗抹画像で、血小板の有無を製造欠陥の代用分類にする。臨床的結論でも工場精度・機器受入の証明でもない。後片付けでは実行時作成モデルパッケージを先に削除しなければ、CloudFormationはスタックと一緒に消せない。本站は再現可能な設計案として読み、自ら実行・検証したとは主張しない。
注目する理由
応用できるのは、カメラID、成果物評価、コンパイル、承認、並列制御を結び、配送と受入を別作業として残す設計である。しきい値と権限は環境に合わせる必要があり、例を普遍的な本番基準にしてはならない。
制約と提供状況
根拠はAWS全文と必要な構成図のみ。リンク先コード、notebook、デモ動画は実行・独立確認していない。日付は日単位、費用は過去の条件を保つ。購読価格の更新や検査サービス導入を意味しない。
出典と根拠
AI を活用した編集記事を、記載した一次情報で確認しています。企業の主張は出典を明示し、掲載は推奨を意味しません。