TwinCAT Machine Learning Creator: 助力工业 AI 大模型全自动训练
文:文/德国倍福自动化有限公司2024年第五期
导语:人工智能(AI)是一项极具普适性的技术, 同时也是一项能够成功实现自动化工作流程的技术。它能够突破迄 今为止基于传统算法所能实现的自动化极限。然而,AI在工业应用领域的优势,唯有在无需深厚的AI专业知识 便能轻松驾驭之时,方能得以充分展现与确立。这正是倍福开发 TwinCAT Machine Learning Creator 软件 的初衷。
基于算法的传统自动化体系依赖于一种相当僵化的结 构,其运作方式近乎于遵循一套既定的规则集合。当情况 A 发生时,则会通过 B 进行回应,以获得所期望的结果 C。简 而言之,从特定情境到预期结果的路径是预先设想好的, 然后精准实施。而基于 AI 的方法则巧妙地运用实例数据, 自动完成从特定情景到预期结果的学习路径,因此无需人 类明确构思并转化为算法。
AI 技术在工业领域有众多潜在应用,其中最前沿的莫 过于 AI 机器视觉检测。具体应用包括成品生产线末端检 测、依据产品质量或其它属性精准分拣产品(通常是天然 产品),以及光学过程监测和分类。这一广泛应用领域的 具体实例包括但不限于:
· 对金属体的形状和/或表面质量进行最终检验;
· 按照不同的质量等级分拣水果、木质表面和羊毛等天 然产品;
· 垃圾分类回收;
· 监控加工区域,例如激光焊接过程监控;
· 处理视觉定位任务,比如特定物体定位和抓取任务。
基于 AI 的方法在处理这些任务时的显著优势在于,一 旦经过适当的训练,通过学习得出的算法便能展现出出色 的适应性,轻松应对输入数据的变化。这意味着,即使在 其有限的能力范围内,经过充分训练的 AI 模型也能有效有 效应对并妥善解决这些陌生情境的挑战。
鉴于 AI 技术在工业领域所展现出的巨大潜力,工业企 业目前所面临的核心难题在于缺乏一批能够高效、批量地 创建 AI 模型的专业技术人才。在当前竞争激烈的就业市场 中,对 AI 专家的需求远远超出了实际的人才供给。更为关键的是,AI 专家只有与自动化或过程控制专家合作,才能 成功解决自动化难题。这正是倍福的用武之地:TwinCAT Machine Learning Creator 能够自动执行复杂的 AI 训练流 程,使得自动化与过程控制专家能够自主创建 AI 模型。这 极大地拓宽了这项技术的潜力,使其能够惠及每一个人。
1 倍福 AI 生态系统
倍福为工业 AI 应用精心构建了一个全面的生态系统, 其核心优势在于能够直接在工业控制器(PLC)上高效执行 AI 模型。各种传感器都可通过 EtherCAT 现场总线以及配套 的 EtherCAT 网络设备连接至控制系统。此外,倍福还能提 供各种系统集成式机器视觉硬件,包括坚固耐用的工业相 机、高性能的工业级镜头以及光源。传感器信息被即时传输 至基于 PC 的控制器,在那里可以直接处理这些信息,包括 运用 AI 技术进行深度分析。
TwinCAT Machine Learning Server、TwinCAT Vision Neural Networks 和 TwinCAT Neural Network Inference Engine 等集成了 PLC 的执行模块可用于训练好的 AI 模 型。它们既能够充分利用 CPU 的计算资源,也能够灵活运 用 NVIDIA GPU 的算力。AI 执行模块可以加载存储在开放 标准“ONNX”中的训练好的 AI 模型。这样,用户便可以 自由地在任何适合的训练环境中灵活训练 AI 模型,然后在 TwinCAT 控制器中轻松执行这些模型。倍福通过其 C6043 超紧凑型工业 PC,为用户提供了集成 NVIDIA 嵌入式 GPU 并符合行业标准的可扩展硬件解决方案,从而使得整个倍 福生态系统能够以优化的方式将 AI 模型无缝集成到设备的 控制层中。
2 自动创建 AI 模型
倍福秉承开放式控制技术理念,设计了现有的 PLC 集 成式执行模块,以支持 ONNX 标准,从而实现了 AI 模型 与 AI 训练环境的无缝对接,无论用户使用的是何种训练 环境。ONNX 文件将一个训练好的 AI 模型描述为带相关 参数的算子序列。这些描述文件能够轻松加载到 TwinCAT Machine Learning Server 等 TwinCAT 3 功能组件中,然 后由 PLC 执行;但是,诸如 PyTorch 或 Scikit-learn 等通 常用于训练 AI 模型的机器学习框架主要面向 AI 专家,他们 通常会在 Python 编程环境中精心准备训练数据,创建 AI 模型架构,并深入进行模型训练。
倍福现在通过 TwinCAT Machine Learning Creator, 提供了一种更为简单的方法,即借助基于 Web 的界面引导 用户轻松完成数据上传、模型训练、模型分析和模型下载 等全流程。我们的目标群体主要包括自动化和过程控制专 家,即使他们不具备数据科学背景,也能通过我们的平台 实现 AI 模型训练过程的标准化。
3 数据上传
机器学习的整个概念都围绕着通过实例数据来学习。 考虑到这一点,拥有一个干净且具有代表性的数据集对于 学习任务来说至关重要。这通常需要一个已标注的数据 集:以图像分类领域为例,这意味着一定数量的样本图像 已经过人工分类处理。因此,每张图像都被打上了标签, 代表所期望的结果。图像和标签之间的关系通过标签文件
建立,在最简单的情况下,标签文件是一个包含文件名和 相应标签的表格。
数据上传方式是开放的,支持多种图像数据格式 和标签文件格式。这意味着用户可以自由选择标签工具 (如果需要的话)。我们目前正在将 TwinCAT Analytics Data Scout 用作标签工具,以实现从 TwinCAT 控制器到 TwinCAT Machine Learning Creator 的高效数据集成。
4 AI 模型训练
AI 训练流程的配置保持精简,其核心步骤包括创建一 个模型名称,并将数据集(或多个数据集)添加到训练过 程中。除了核心配置之外,所有其它配置均为可选配置, 用户可根据实际应用需求灵活调整,以精确控制 AI 模型 在 TwinCAT 控制器上的运行行为。如果明确了采用倍福 的 TwinCAT 硬件平台和 TwinCAT 软件创建 AI 模型,用户 就可以设定 AI 模型最大可接受的执行时间阈值。我们在创 建 AI 模型的过程中会考虑到这些关键信息。如果未明确设 定最大执行时间,系统则会完全专注于优化 AI 模型的性能 (泛化能力)。
5 模型分析
AI 模型,尤其是使用 TwinCAT Machine Learning Creator 创建的深度神经网络(深度学习模型) ,具有良好 的泛化特性。这表示模型的预期性能也非常出色;然而, 神经网络本质上是一个“黑盒子”,其功能性只能通过专门的分析技术,而非简单直接的方法来破解。这些方法也被 称为“可解释性 AI”。
训练好的 AI 模型的分析方法呈现出多元化的特点。软 件会自动将上传的数据集进行智能划分, 一部分被指定为 训练数据,用于训练模型;另一部分则作为测试数据,用 于模型分析。测试数据集包含了 AI 模型未曾见过的实例数 据,即未知实例,但这些实例已经被打标。这样就可以精 确地计算出统计值,直观地显示模型的正确率和错误率。 在模型的每一次执行期间,系统还会计算出相应的置信度 值,并以统计数据的形式呈现。在模型每次执行过程中, 系统甚至还可以智能地生成一个显著图,该图叠加在原始 输入图像上,用以指示在进行图像分类时需要重点关注哪 些图像区域。
6 模型下载
一旦 AI 模型经过训练并达到集成至设备控制系统的标 准,即可作为 ONNX 文件从平台下载。这意味着 AI 模型 并不局限于在 TwinCAT 环境,而是能够根据需要在任何平 台上频繁部署。此外,完整的 TwinCAT PLC 代码也可以以 PLCopen XML 格式从平台下载,包括图像获取、图像预处 理以及 AI 模型执行和后处理的完整流程。训练工具相应地 无缝过渡到 TwinCAT PLC。
从训练平台导出 ONNX 文件的另一大优势在于,它极 大地促进了 AI 专家的参与。这些专家能够借助 TwinCAT Machine Learning Creator 快速且标准化地构建出高质量 的初始 AI 模型。然后,用户可以将 ONNX 格式的结果导入 到各个专业工具中继续处理,例如对模型进行额外的分析 或精细化调整。
7 功能特点和优势
TwinCAT Machine Learning Creator 具备以下特性: · 通过 TwinCAT 中的无代码平台轻松创建 AI 模型;
· AI 模型已经针对实时应用进行了延迟调优;
· 充分利用了开放的标准、接口以及 AI 的最佳实践; · 提供训练好的 ONNX 格式的最终模型;
· 在整个 AI 模型的开发、测试和验证过程中提供高透 明度;
· 支持企业内部的 AI 模型标准化工作,推动模型的进 一步开发;
· 特别适合用于基于图像处理的质检领域。
同时,自动化的 AI 模型创建将带来以下应用优势: · 帮助所有企业释放 AI 潜力;
· 包括小微企业在内的所有企业都可以利用 AI 技术提 高竞争优势;
· 解决高技能人才日益短缺的难题;
· 极大地简化 AI 专家的工作,最大限度地减少出错可 能性;
· 所需的专用程序数据可以得到妥善保护,所有数据都 会保留在企业内;
· 加快项目开发进程,帮助企业更快地实现投资回报。
中传动网版权与免责声明:
凡本网注明[来源:中国传动网]的所有文字、图片、音视和视频文件,版权均为中国传动网(www.chuandong.com)独家所有。如需转载请与0755-82949061联系。任何媒体、网站或个人转载使用时须注明来源“中国传动网”,违反者本网将追究其法律责任。
本网转载并注明其他来源的稿件,均来自互联网或业内投稿人士,版权属于原版权人。转载请保留稿件来源及作者,禁止擅自篡改,违者自负版权法律责任。
如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
关注伺服与运动控制公众号获取更多资讯
关注直驱与传动公众号获取更多资讯
关注中国传动网公众号获取更多资讯
- 运动控制
- 伺服系统
- 机器视觉
- 机械传动
- 编码器
- 直驱系统
- 工业电源
- 电力电子
- 工业互联
- 高压变频器
- 中低压变频器
- 传感器
- 人机界面
- PLC
- 电气联接
- 工业机器人
- 低压电器
- 机柜