Un'azienda di incisioni vuole automatizzare il controllo qualità per le targhe incise. Ha un bucket S3 con immagini di targhe difettose che dovrebbero essere rifiutate. Le previsioni automatiche a bassa confidenza devono essere instradate a un team di revisione interno utilizzando Amazon Augmented AI (A2I). Quale soluzione soddisfa questi requisiti?

L'opzione corretta è utilizzare Amazon Rekognition perché è un servizio di visione artificiale che può analizzare immagini per rilevare difetti, rendendolo adatto per il controllo qualità delle targhe incise. I casi a bassa confidenza possono essere instradati ad Amazon A2I, che è progettato per integrare il giudizio umano nei flussi di lavoro di machine learning. L'utilizzo di una forza lavoro privata con A2I è appropriato per un team di revisione interno, garantendo che solo i dipendenti autorizzati esaminino i dati sensibili. Le altre opzioni sono errate: Amazon Textract è per l'estrazione di testo e dati da documenti, non per l'analisi visiva di difetti nelle immagini. Amazon Transcribe è per la conversione del parlato in testo, non è rilevante per l'analisi delle immagini. AWS Panorama è per l'accelerazione della visione artificiale ai margini, ma Rekognition è più direttamente applicabile per l'analisi di immagini in S3 e A2I non richiede necessariamente Panorama per questo caso d'uso. Inoltre, l'uso di Amazon Mechanical Turk per una forza lavoro interna non è l'opzione più appropriata; una forza lavoro privata è preferibile.