AWS 发布 SageMaker 边缘视觉模型全舰队生命周期方案

2026/10/27 02:10

核心发布：AWS 发布一套基于 SageMaker SDK v3 的边缘计算机视觉模型全舰队生命周期参考架构，代码已放入 aws-samples GitHub 仓库。
技术路径：每个摄像头独立训练异常检测自编码器与 ResNet18 缺陷分类器；模型导出 ONNX 后先过质量门，再经 SageMaker Neo 编译，最后才注册到 Model Registry。
质量门设计：异常分支要求 AUROC ≥ 0.8；分类分支同时要求 balanced accuracy ≥ 0.6 与 defect recall ≥ 0.5，避免在缺陷样本稀少时被普通 accuracy 误导。
编排与成本：SQS FIFO、Lambda、Step Functions 与 DynamoDB 信号量负责控制舰队训练并发；合成数据完整跑完 13 步约 15 分钟，计算成本约 0.07 美元。
行业意义：方案针对多摄像头、多产线部署后“模型数量爆炸”的运维问题，把训练、评估、编译、版本化和舰队节奏做成可复用模板。