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.
Products
Ms. Jessica Johansson
Beckhoff Automation AB
Östra Hindbyvägen 70
213 74 Malmö
Sverige