Le système de détection automatique de défauts déployé par Amazon dans des entrepôts, basé sur un grand modèle de langage multimodal, permet d’identifier une grande variété de défauts, pour une large gamme de produits.
Des produits allant de la nourriture pour chiens aux étuis de téléphone, en passant par les livres ou les t-shirts, sont inspectés par un nouveau dispositif d’intelligence artificielle (IA) pour dénicher les éventuels défauts.
Project P.I. combine des technologies d’IA générative et de vision par ordinateur – optimisées par les services AWS tels qu’Amazon Bedrock et Amazon SageMaker – pour détecter tout un tas de défauts, notamment les produits endommagés, les problèmes de couleur ou de taille, ou encore les produits périmés.
Le but affiché : prévenir tout envoi d’article défectueux
La firme explique notamment s’appuyer sur la reconnaissance optique de caractères (OCR) afin de vérifier les dates d’expiration sur l’emballage. Les modèles de vision par ordinateur examinent les images couleur et monochromes à la recherche de signes de dommages aux produits, comme des couvertures de livres pliées.
Lorsqu’un défaut au niveau d’un article est détecté, la firme peut prendre plusieurs mesures pour résoudre le problème, notamment en vérifiant si l’article fait partie d’un lot défectueux et, si tel est le cas, en isolant le lot du reste des articles, a expliqué Angela Ke, senior product manager.
En parallèle, l’équipe « science » d’Amazon indique commencer à exploiter l’IA générative pour rendre la détection des défauts des produits plus robuste. Par exemple, l’équipe a lancé un grand modèle de langage multimodal entraîné pour identifier les défauts tels que les sceaux brisés, les boîtes déchirées et les couvertures de livres pliés, et pour signaler en langage naturel les dégâts détectés.
Le grand modèle de langage est donc utilisé en parallèle du modèle de langage visuel, pour analyser des données provenant de différentes sources, et assister dans la prise de décision.
L’Usine Digitale / 5 juin 2024
