TwinCAT Machine Learning erbjuder ytterligare slutmotor

Servermotor för höga maskininlärningskrav

Med TwinCAT Machine Learning Server som en ytterligare slutmotor uppfyller TwinCAT Machine Learning de ökande kraven på maskininlärning (ML) eller djup inlärning för industritillämpningar. Det beror på att ML-modellerna blir allt mer komplexa, hastigheten förväntas kunna öka och slutmotorer måste vara mer flexibla när det gäller ML-modeller.

TwinCAT Machine Learning Server är ett TwinCAT PLC-bibliotek och en så kallad nästan realtidsslutmotor, dvs. till skillnad från de båda tidigare motorerna körs den inte i verklig realtid utan i en separat process på IPC. Det gör att nästan alla AI-modeller kan köras på servermotorn med fullt stöd för det standardiserade överföringsformatet Open Neural Network Exchange (ONNX). Det finns även AI-optimerade maskinvarutillval för den här TwinCAT-produkten som möjliggör skalbar prestanda.

TwinCAT Machine Learning Server kan användas för vanlig parallellisering i CPU-kärnor, antingen med den integrerade GPU i Beckhoffs industri-PC eller med särskilda GPU, t.ex. från NVIDIA. Detta ger en slutmotor med maximal flexibilitet när det gäller modeller och hög prestanda hos maskinvara. Den kan användas i prediktiva och normativa modeller men även inom maskinvision och robotteknik. Exempel omfattar bildbaserade metoder för sortering eller utvärdering av produkter, för felklassificering samt fel- eller produktlokalisering och för beräkning av grippositioner.