Toto propojení v rámci jednoho programového prostředí výrazně zjednodušuje nejen vývoj nových aplikací, ale také výsledné řešení vychází levněji než jiné koncepce. Můžeme totiž ve většině případů použít jediný počítač, ke kterému jsou připojeny jak kamery, tak i jednotky průmyslových vstupů a výstupů a který je tovněž připojen k počítačové síti a firemnímu informačnímu systému. Na tomto počítači obvykle běží grafické uživatelské rozhraní aplikace, databázový SQL server, webový server, úlohy vizuální inspekce a strojového vidění a také celá logika automatizační aplikace.

Při potřebě dalších vzdálených automatizačních rozvaděčů může být každý z nich připojen pomocí Ethernetu a TCP/IP sítě. Příklad takového vzdáleného rozvaděče je na obr. 2. Efektivita řešení a výhodná cena veškerého hardware i software je u takto koncipovaných systémů zřejmá.

S příchodem nové generace prostředí Control Web 8 přibylo i několik vlastností, které možnosti integrace strojového vidění nadále zdokonalují.

Do strojového vidění byl doplněn nový typ datových objektů data pro přenos obecných binárních dat. Tento typ koresponduje s datovými elementy typu data v prostředí systému Control Web. Virtuální přístroje v aplikačním programu a kroky v řetězci strojového vidění si nyní mohou efektivně vyměňovat bloky libovolných dat. Typ dat a formát jejich uložení není nikterak předepsán, stačí, když mu příjemce dat rozumí. V některých úlohách, jako je např. další práce s detekovanými významnými body obrazu v aplikačním programu, přináší tato technika přenosu bloků binárních dat významné zrychlení. Nové možnosti spolupráce automatizační aplikace s řetězcem kroků strojového vidění může dobře demonstrovat např. virtuální přístroje pro zobrazení prostorové scény v podobě 3D objektu. Obrazová data jsou snímána stereoskopickou dvojicí kamer. Tento virtuální přístroj má několik zvláštností. Zobrazuje sice scénu snímanou kamerami, ale sám s kamerami bezprostředně nekomunikuje. Pro svou činnost potřebuje nejen dva obrazy z kamer, ale i informace o významných bodech a jejich deskriptorech nalezených v těchto dvou obrazech. Musí proto spolupracovat se strojovým viděním, které pomocí kroku pro detekci významných bodů plní datové elementy typu data nalezenými deskriptory těchto bodů. Obdobně jako deskriptory bodů, i vlastní obraz z každé kamery je do virtuálního přístroje přenášen prostřednictvím datových elementů typu data. Virtuální přístroj může být velmi užitečný v aplikacích, kde potřebujeme informaci o vzdálenostech objektů v obraze, když musíme nalézat objekty v různých vzdálenostech nebo se při pohybu vyhýbat kolizím s objekty v prostoru. Pomocí datových elementů typu data rovněž může být libovolný obraz přenášen např. do zobrazovacích přístrojů, umístěných kdekoliv v 3D prostoru scény.

Schopnost kroků systému strojového vidění VisionLab efektivně a s maximální využitím masivně paralelního výkonu GPU nalézat významné body obrazu a počítat deskriptory popisující jejich okolí, můžeme využít také pro detekci obecných objektů v obrazech. Významné body jsou hledány ve stupnici několika měřítek, objekty pak můžeme detekovat nezávisle nejen na jejich natočení a jasu, ale i nezávisle na jejich velikosti. Množinu deskriptorů, která charakterizuje objekty, které chceme dále v obrazových datech identifikovat, mohou detekční kroku poskytovat jak v souborech, tak i v datových elementech typu data.

A nyní, kdy je k dispozici nová osmá generace systému Control Web, jistě stojí za zmínku i fakt, že vývojovou verzi systému Control Web je možno volně stáhnout z webu www.moravinst.com a používat ji na neomezeném počtu instalací zdarma. Licence je potřebná jen při požadavku na trvalý běh aplikace. Stejně tak lze používat i veškeré ovladače i systém strojového vidění VisionLab.

Článek tak, jak vyšel v magazínu Automa je v PDF podobě zde: Automa_06_2018.pdf.

_{Roman Cagaš}