OPC KullanılarakGerçek Zamanlı Haberleşen Matlab ve PLC Kontrollü Sistem

Transkript

1 OPC KullanılarakGerçek Zamanlı Haberleşen Matlab ve PLC Kontrollü Sistem Zeynep Tekinalp 1, Sıtkı Öztürk 2, Melih Kuncan 3 1,2 Elektronik ve Haberleşme Mühendisliği Bölümü Kocaeli Üniversitesi, İzmit/Kocaeli zeynep.tekinalp@gmail.com, sozturk@kocaeli.edu.tr 3 Mekatronik Mühendisliği Bölümü Kocaeli Üniversitesi, İzmit/Kocaeli melih.kuncan@kocaeli.edu.tr Özetçe Bu çalışmada yaygın olarak kullanılan OPC (OLEforProcessControl) teknolojisinin, bir görüntü işleme uygulaması üzerinde çalışması gerçekleştirilmiştir. Görüntü işleme uygulamasında, nesneleri renklerine göre ayırma temeline dayanmaktadır. Endüstriyel sistemlerde gerçekleştirilen görsel denetleme sistemi uygulamalarına bir örnek olarak, bu çalışmada PLC (Programmable Logic Controller) kontrollü deney düzeneği içerisindeki zeytinleri renklerine göre ayırma işlemi, gerçek zamanlı olarak gerçekleştirilmiştir. Çalışmada kullanılan deney düzeneği Siemens S PLC ile kontrol edilmektedir. Görüntü işleme kısmı Matlab ortamında gerçekleştirilmiştir. Görüntü işleme uygulaması için bir web kamerası kullanılmıştır. 1. Giriş Endüstriyel süreçlerin kontrolü, genellikle PLC olarak isimlendirilen endüstriyel amaçlı küçük bilgisayarlar kullanılarak gerçekleştirilmektedir. PLC ler karmaşık sistemlerin kontrolü için düşük maliyetli çözüm sunmakla birlikte, çabuk ve kolayca diğer sistemlere uygulanabilirlik, elektriksel gürültülere, titreşim ve darbelere karşı dayanıklılık gibi avantajlar sağlamaktadır [1]. Otomasyon sistemleri kullanımının yaygınlaşması ile birlikte, PLC lerden talep edilen iş yükü tek bir işlemci tarafından yerine getirilemeyecek kadar ağırlaşmıştır. Çoğu durumda, sürecin anlam bütünlüğü ve gereklilikleri, birden fazla PLC kullanılarak üstesinden gelinmektedir. Bu çalışmada yeşil ve siyah zeytinleri birbirinden ayırmak için tasarlanan deney düzeneğinin kontrolü Siemens S PLC ile yapılmaktadır. S7-1200, S7-200 ün geliştirilmiş bir modelidir. Donanım ve yazılım olarak S7-300 e daha çok benzediği için mikro, orta ve üst segmentte birbiriyle daha uyumlu cihazlar kullanılıyor olacaktır. Dolayısıyla tüm PLC serisinin entegrasyonu konusunda da bir adım denebilir. En alttaki PLC ile en üstteki PLC benzer mantıkla programlanıyor olacaktır. Bu da kullanıcılar açısından önemli bir özelliktir. S ün sunduğu birçok avantaj vardır. En göze çarpan özelliklerinden birisi üzerinde profinet (ethernet) portunun olmasıdır. Bunun sayesinde Profinet portundan, PLC ler kendi arasında Profinet üzerinden haberleştirilmektedir. Ayrıca PLC, operatör paneli ya da SCADA (Supervisory Control and Data Acquisition) yazılımı ile bu port üzerinden haberleştirilmektedir. Diğer firmaların ürünleriyle haberleşmek için S ün üzerinde standart olarak bulunan Profinet portuna ilave olarak RS485 veya RS232 genişleme modülleri kullanılmaktadır. S CPU (CentralProcessingUnit), S7-200 CPU suna göre daha hızlıdır. Dolayısı ile programların çevrim süresi (cycle time) çok daha kısa olacaktır. Hafıza alanı açısından, S ün hafızası S7-300 e benzer yapıdadır. S ün maksimum giriş-çıkış sayısı 1024 iken, bu S7-200 de 128 olmaktadır. S7-1200, S7-200 e göre daha az yer kaplamaktadır [2,3]. Bu yüzden hem CPU lar hem de genişletme modülleri oldukça kompakt yapıdadır. CPU ve modüller üzerindeki tüm terminaller kolayca sökülüp takılabilecek yapıdadır. Bu sayede, CPU da ve genişleme modüllerinde herhangi bir arıza olduğunda konnektörler üzerindeki bağlantıları sökmeye gerek kalmadan,hızlı bir şekilde değiştirme imkanı sağlamaktadır [4]. 2. OPC (OLE forprocess Control) Endüstriyel otomasyon alanında yapılan çalışmalarda farklı markalara sahip cihazlardan veri aktarılması ya da cihazların birbiriyle haberleşmesi çoğu zaman sorun oluşturmaktadır. Cihazlar arası haberleşme, genel olarak üretici firma tarafından geliştirilen özel bir ağı ile sağlanmaktadır. Her üretici kendi geliştirdiği özel protokoller ve bu protokolleri anlayabilecek özel donanımlar geliştirerek kendi ürünleri arasında veri alış verişini sağlamaktadır [5]. Endüstriyel otomasyonda kullanılan haberleşme sistemlerinin ve protokollerinin markadan markaya farklılık göstermesi, bu alanda bir standartlaşmaya gitme ihtiyacı doğurmuştur. Farklı üreticiler tarafından geliştirilen donanım ve yazılımların sorunsuz bir şekilde bir arada çalışmasını sağlamak için, sunucu-istemci mimarisi temel alınarak OPC (Süreç Yönetiminde Nesnelerin Bağdaştırılması ve İlişkilendirilmesi) teknolojisi geliştirilmiştir [6]. OPC, endüstriyel otomasyon alanında birlikte çalışabilirlik (inter operability) sorununu çözmek amacıyla oluşturulmuş bir standarttır. Diğer bir ifadeyle, birbirinden faklı markalardaki kontrol sistemlerinin haberleşmesini sağlamaktadır. İstemciye, kullanılan cihazdan bağımsız olarak, standart bir arayüz sunmaktadır [7]. OPC, Microsoft un OLE/COM (Object Linking&Embedding/Component Object Model) standardına dayanmaktadır. OLE/COM, Microsoft un farklı uygulamalar arası bütünleşmeyi hedefleyen nesne tabanlı bir teknolojisidir. OPC ise OLE tabanlı bir haberleşme 465

2 standardıdır ve farklı otomasyon seviyeleri arasında hızlı ve güvenilir bir bağlantı sağlamaktadır. OLE teknolojisinin kullanımıyla OPC, ister yönetim katındaki bir uygulama olsun isterse süreç denetiminde kullanılan bir uygulama olsun, farklı uygulamalar arası veri alış verişinin, tanımladığı yöntem ve nesneler ile standart bir şekilde gerçekleşmesini sağlamaktadır [8]. Örneğin bir PLC, Distributed Control Systems (DCS) ya da diğer türde bir kontrolörün haberleşmesi, cihaz kontrolü ve veri izleme için arayüz işlevi gören SCADA yazılımların da okunması ve kontrolöre verinin yazılması için kontrolörü SCADA ya tanıtan bir sürücü gereklidir. Her kontrolör üreticisinin haberleşme protokolü farklı olduğundan her SCADA yazılımına özel, her bir kontrolör markasının sürücüsü tasarlanmalıdır. Bu ise emek, zaman ve maddi külfet açısından hem çok kaynak tüketir hem de uygulama safhasında birçok zorluk çıkarmaktadır. Ürüne özel sürücü yazılımı geliştirmeye dayanan bu tür çözümler şu sorunları ortaya çıkarmıştır: Aynı çalışmanın defalarca tekrarı: Her yazılım geliştirici kendi yazılımı için, aynı cihazla haberleşmek için bir sürücü yazılımı olmak zorundadır. Sürücüler arası uyumsuzluk: Son kullanıcı, bir programda sahip olduğu bir özelliği, aynı donanımla haberleşen diğer bir programda bulamayabilir. Çünkü sürücü yazılımı geliştirenler, kendi programlarıyla direkt olarak ilgili olmayan bazı donanım özelliklerini desteklemeyebilirler. Gelecekte donanımda olacak değişikliklere destek: Geliştirilen sürücü yazılımları, donanım firmalarından bağımsız olarak üretildikleri için, aynı markanın yeni nesil bir ürünü olarak önceki donanım için yazılmış sürücüyle haberleşmeyebilir. Erişim problemi: Farklı iki uygulama farklı sürücüler kullandıklarından dolayı çoğu zaman aynı anda aynı cihaza erişemezler. OPC den önce her uygulama yazılımına özel sürücü geliştirilmesi ve bunun yol açtığı sorunlar ele alınmıştır. Şekil 1 den görüldüğü gibi her bir cihazın diğer bir cihazla haberleşmesi için o cihaza özgü sürücü yazılımı gerekmektedir. Bunun yerine tüm kontrolörlerin standart bir haberleşme uygulamasıyla veri alışverişi yapması daha uygundur. Şekil 1 : OPC den önce donanım-uygulama arası yapı [9] OPC tanımladığı standart ara yüzle, donanım üreticileri ve yazılım sağlayıcıları arasına belirgin bir çizgi çizmiştir. Artık donanım üreticileri sadece tek bir sürücü geliştirerek (bu OPC sunucu yazılımıdır), piyasada bulunan tüm OPC istemci özelliğine sahip yazılımlarla haberleşebilme özelliğine kavuşmuş olmaktadır. Böylece kaynak ve zamandan tasarruf ve uygulamada birçok kolaylık sağlanmıştır. Günümüzde OPC ile birçok farklı sürücü yazılımlarına sahip, donanımların haberleşmesi sağlanmaktadır. Şekil 2 de farklı donanım ve uygulamalar arasında OPC kullanımına örnek bir yapı gösterilmektedir. Donanım ile sürücü yazılımı arasındaki istenilen ara yüzü sağlayan OPC, donanımda meydana gelen değişimlerin yazılım üreticisini etkilemesini, aynı şekilde sürücü yazılımı kısmında gerçekleşen yeniliklerin de donanım üreticisi için bir uyum sorunu oluşturmasını önlemektedir [9]. Şekil 2 : OPC kullanımı ile donanım uygulama arası yapı [9] OPC sunucunun en yaygın kullanıldığı yer olarak, endüstriyel ürün olan PLC lerle yapılan HMI/SCADA (Human Machine Interface/SCADA) uygulamaları öne çıkmaktadır. Bu sistemler kompleks projelerde farklı PLC lerin bir arada çalışmasını sağlamaktadır. Bir tane OPC Sunucu (server) kullanarak işletme içinde aynı ağda, aynı tipteki birden fazla PLC ve uygun başka bir sürücü kullanarak da haberleşme imkânı sağlamaktadır. OPC de kullanılan iletişim sürücüleri RS232, RS485, RS422, Ethernet dir. OPC standardı bunun dışında rüzgâr türbinlerinde, enerjinin izlenmesinde ve yönetilmesinde, otomobil üretim fabrikalarında, beton ve çimento fabrikalarında, bina otomasyonunda, tekstil sektöründe, petrol ve gaz sektöründe, kâğıt fabrikalarında, özetle imalatın olduğu her yerde kullanılabilmektedir [7,10]. Günümüzde üretim hatlarındaki hız ve üretim sayılarındaki artış; hata giderme, kalite güvencesi ve maliyet konularının gittikçe daha fazla gündeme gelmesine; bu da görsel denetim sistemi ihtiyaçlarının hızla artmasına sebep olmaktadır. Endüstriyel sistemlerde görüntü işleme teknikleri hemen her sektörde kullanılmaktadır. Otomotiv endüstrisinde araç parçalarındaki hataları bulmak, ilaç ve gıda endüstrisinde paketleme, etiket ve kapakların kontrolünde, beyaz eşya endüstrisinde ürün hatalarını, boyama hatalarını bulmak gibi çok farklı endüstriler görsel denetim sistemlerine de ihtiyaç duymaktadır. Görüntü işleme; video kamera, tarayıcı gibi görüntü yakalayıcı cihazlarla alınıp sayısal bir resim haline 466

3 dönüştürülen görüntülerin, geliştirilen yöntemlerle işlenip analiz edilmesi sonucu elde edilen bilgilerin yorumlanması temeline dayanmaktadır. Endüstriyel kalite/üretim kontrolleri, plaka okuma sistemleri, yüz tanıma uygulamaları, parmak izi tanıma uygulamaları, iris tanıma uygulamaları, askeri uygulamalarda akıllı silah üretimi gibi, günümüzde görüntü işlemenin kullanıldığı alanlara örnekler verilebilir. Bu çalışmada endüstriyel sistemlerde kullanılan görsel denetleme sistemi uygulamasına bir örnek olup, deney düzeneği içerisindeki zeytinleri renklerine göre ayırma işlemi gerçekleştirilmiştir. Bu çalışmanın amacı, endüstriyel tarımda kullanılabilecek bir uygulamanın akademik alt yapısını gerçekleştirmektir. PLC den gelen görüntü işleme uygulamasını başlat isteği, OPC üzerinden Matlab a iletilmektedir. PC tabanlı bir kamera ile alınan görüntü üzerinde, görüntü işleme algoritması uygulanmıştır. Elde edilen renk bilgisi sonucunda, yeşil zeytinlerin konum bilgisi, Matlab OPC istemci yazılımı üzerinden OPC sunucuya iletilmektedir. OPC sunucudan da, sistem kontrolünü sağlayan PLC ye gönderilmektedir. Bu konum bilgisine dayanarak, PLC, deney düzeneğinde yeşil zeytinlerin bulunduğu valfleri aktif etmektedir. Bu yapı blok olarak Şekil 3 de verilmiştir. Deney Düzeneği PLC (S7-1200) olan kırmızı, mavi ve yeşil belirtilmediği için, bu ana renklerin tanımı değiştikçe, tüm renkler değişir [12]. HSV veya HSB (Hue Saturation Brightness) renk uzayı, RGB renk uzayından doğrusal olmayan bir dönüşüm ile elde edilir. HSL olarak da karşımıza çıkabilir. HSV (Hue Saturation Value) ve HSB (Hue Saturation Brightness) aynı uzayı tanımlasalar da HSL (Hue Saturation Lightness) farklı bir renk uzayıdır. Ayrıca HSV renk uzayı kullanılan sensöre bağımlı olarak renk değeri üretir. Yani, kullanılan cihaza göre renkler farklılık gösterebilir. HSV renk uzayı, renkleri sırasıyla renk özü, doygunluk ve parlaklık olarak tanımlar. Renk özü, rengin baskın dalga uzunluğunu belirler. Doygunluk, rengin "canlılığını" belirler. Yüksek doygunluk canlı renklere neden olurken, düşük doygunluk değeri rengin gri tonlarına yaklaşmasına neden olur. Parlaklık ise rengin aydınlığını yani içindeki beyaz oranını belirler. HSV renk uzayı, RGB uzayına göre insan görü düzeneğine daha yakın bir yapı oluşturmaktadır [13]. Bu çalışmada deney düzeneği içerisindeki yeşil zeytinleri algılamak için HSV renk uzayından yararlanılmıştır. Şekil 3 ve Şekil 4 deki grafik gösteriminden de anlaşılabileceği gibi, parlaklığı değişse bile renkleri renk özü (Hue) ve doygunluk (Saturation) değerleri ile belirlemek mümkündür. Bu nedenle, renk temelli alan belirleme işlemlerinde, RGB renk uzayı yerine HSV renk uzayı tercih edilmektedir. KAMERA OPC Sunucu OPC İstemci Renk Ayırma Uygulaması (Matlab) Şekil 3: Konik biçimli HSV renk uzayı Şekil 3 : Sistem akış şeması 3. Zeytinlerin Renklerinin Tespiti Renk uzayları renkleri tanımlamak için kullanılan matematiksel modellerdir. Renk uzayları, bütün renkleri temsil edecek şekilde üç boyutlu olarak tasarlanır. Çünkü Renkmetri biliminin temelini oluşturan Grassmann ın birinci kanununa göre bir rengi belirlemek için birbirinden bağımsız üç değişkene gerek vardır. Renklerin renk uzayındaki yerleri, bu değişkenlere göre belirlenmektedir. Her renk uzayının kendine özgü biçimde renk oluşturma için bazı standartları vardır. Renk uzayları oluşturulurken bir başka renk uzayına doğrusal ya da doğrusal olmayan yöntemlerle dönüşüm yapılabilmektedir [11]. Standart bazı renk uzaylarına örnek olarak RGB (Red, Green, Blue), CMY (Cyan, Magenta, Yellow), HSV (Hue, Saturation, Value), HSL (Hue, Saturation, Lightness), CIE renk uzayları verilebilir. Renkli imgeler üzerinde çalışırken en sık kullanılan RGB renk uzayıdır. Işığı temel alarak, doğadaki tüm renklerin kodları bu üç temel renge dayalı olarak belirtilir. Her bir renk %100 oranında karıştırıldığında beyaz, %0 oranında karıştırıldığında ise siyah elde edilir. Bu uzayda, ana renkler Şekil 4: Konik ve silindirik biçimli HSV renk uzayı Bu çalışma kapsamında gerçekleştirilen görüntü işleme algoritması, Matlab ortamında gerçekleştirilmiştir. Geliştirilen görüntü işleme uygulamasında yeşil zeytinleri belirleme işlemi yapılmıştır. Deney düzeneğini tepeden görecek şekilde yerleştirilen ve sabitlenen web kameradan alınan gerçek zamanlı görüntü, USB bağlantısı ile bilgisayara aktarılmaktadır. Matlab ortamında geliştirilen yazılım ile yeşil renkli zeytinlerin konum tespiti gerçekleştirilmektedir. Video görüntüsünden alınan çerçeve (frame) üzerinde öncelikle, maskeleme yapılarak çalışma alanı belirlenmektedir, Şekil 6. Alınan görüntü RGB formatında olduğundan, HSV renk uzayına dönüştürülmüştür. 467

4 Ayarlanabilir bir eşik değerden geçirilerek, görüntüde yeşile yakın değerlere sahip bölgeler tespit edilmiş olur. Eşiklendirme sonucu elde edilen görüntü Şekil 7 de gösterilmektedir. Işıklılık, parlaklık gibi nedenlerden ötürü oluşan gürültü etkilerini gidermek için morfolojik görüntü işleme algoritmaları kullanılmıştır. Matematiksel morfoloji, temel küme işlemlerine dayanan, imgedeki sınırlar, iskelet gibi yapıların tanımlanması ve çıkartılması, gürültü giderimi, bölütleme gibi uygulamalar için gereklidir. İmge işlemede genellikle morfolojik süzgeçleme, inceltme (thinning), budama (pruning) gibi ön/son işlem olarak da sıkça kullanılmaktadır. Gri tonlu imgeler üzerinde uygulanabileceği gibi, genellikle ikili imgeler üzerinde yapılan işlemlerdir. Matematiksel morfolojide kullanılan temel işlemler; aşındırma (erosion), yayma (dilation), açma (opening) ve kapama (closing) işlemleridir. Aşındırma işlemi, görüntünün sınır bölgelerinin aşındırılmasında kullanılmaktadır. Yayma işlemi ise görüntüyü kenarlarından genişletmektedir. Aşındırmaişlemi, birbirine ince bir gürültü ile bağlanmış iki veya daha fazla nesneyi birbirinden ayırmak için kullanılırken, yayma işlemi ise aynı nesnenin bir gürültü ile ince bir şekilde bölünerek ayrı iki nesne gibi görünmesini engellemek için kullanılır [14]. Özellikle plaka tanıma, harf tanıma, parmak izi tanıma gibi işlemlerde kullanılarak gürültülerin etkisi azaltılır. Bu çalışma ilk aşamada aşındırma işlemi uygulanarak gerçekleştirilmiştir. Fakat oluşan gürültülerin hepsinin giderilmesinde etkili bir sonuç alınamadığı için, aşındırma işlemi yerine morfolojik açma işlemi uygulanmıştır. Açma işlemi, görüntü üzerinde aşındırma ve yayma işlemlerinin ardışıl olarak uygulanması temeline dayanmaktadır. Açma işlemi ile ışıklılık etkisinden ötürü oluşan gürültüler tamamen giderilebilmiştir. Bu işlemler sonucunda yeşil zeytinler tespit edilmiş olmaktadır. Şekil 6 : Maskeleme uygulanan görümtü Şekil 7 : Eşiklendirme uygulanmış görüntü Şekil 8 : Tespit edilen yeşil zeytinler Şekil 5 :Kameradan alınan görüntü 4. OPC ile Haberleşme OPC sunucu (server); bir ya da daha fazla OPC özelliğiyle uyumlu çalışmak amacıyla tasarlanmış bir yazılım uygulamasıdır. OPC sunucular cihazların yerel haberleşme protokolleriyle veya arayüzleriyle OPC ortamını bağlayan tercümanlar gibi görev yapmaktadır. OPC sunucunun görevi, OPC istemcinin komutlarına göre cihazdan bilgi almak veya cihaza bilgi göndermektir. OPC istemci ise; herhangi bir uyumlu OPC sunucuyla haberleşmek için bir uygulama tarafından kullanılan yazılımlardır. OPC istemciler, OPC sunucularla haberleşmeyi başlatma ve kontrol etme işlerini yürüttükleri için bir veri alıcısı olarak görev yapmaktadır. Şekil 9' da OPC Server blok diyagramı görülmektedir. Şekil 9 : OPC server blok diyagramı OPC standartlarına göre tanımlanan OPC sunucu, Şekil 10 da gösterildiği gibi üç nesneden oluşur. Bunlar; OPCServer, OPCGroup ve OPCItem nesneleridir. OPCItem nesnesi, veri okuma ve yazma için OPCServer tarafından 468

5 tanımlanan en küçük mantık birimidir. OPCServer ve yürütülen sürecin veri kaynağı arasında bağlantı sağlamaktadır. Bu demek oluyor ki, her OPCItem nesnesi istemci cihazının bir sinyal değişkeni ile ilişkilendirilmektedir. OPCItem nesnesi doğrudan kullanılamaz. OPCItem nesnesine grup nesnesi aracılığıyla erişebilmektedir [6]. sağlanmışsa, tanıtılan her bir item nesnesinin kalitesi Şekil 12 de gösterildiği gibi Good durumunda olmalıdır. Şekil 12: PLC ile haberleşmek için tanımlanan item nesneleri BAŞLA Şekil 10 : OPC nesnelerinin hiyerarşik yapısı OPC DA (Data Access) standardı, sunucu ve istemcinin birbirleriyle etkileşimi için ortak bir mekanizma sağlamaktadır. Matlab OPC Toolbox, OPC DA istemci uygulamasıdır ve OPC DA uyumlu herhangi bir sunucuya bağlanabilir. Bu sayede Matlab ortamında OPC sunucusuna gidilerek, doğrudan OPC verisi okunabilir veya yazılabilir [15]. Bu çalışmada uygulanacak olan, Matlab ile PLC arasında OPC üzerinden kurulacak olan bağlantı Şekil 11 de şematik olarak gösterilmektedir. Nesnenin Görüntüsünü Al Görüntü İşleme Algoritmasını Çalıştır Renkli Nesnelerin Yerlerinin PLC ye Gönderilmesi Renkli Bilgisine Göre PLC Çıkışlarının Aktif Edilmesi H PLC nin çıkışları aktif edildi mı? Şekil 11 : Matlab ve PLC arasında OPC üzerinden kurulan bağlantı Matlab da oluşturulan OPC istemci programında ilk olarak OPCServer nesnesi oluşturulur. Bu sayede sunucunun isim alanı ve sunucuda depolanan her bir OPCItem hakkında bilgi sahibi olunur. Daha sonra OPCGroup nesnesi oluşturularak bu nesneye eklenecek olan OPCItem lar için bir gruplandırma yapılmış olur. Böylelikle OPC Toolbox üzerinden tüm istemci, group ve item nesnelerinin kontrol ve yapılandırmaları (konfigürasyonları) sağlanır. S CPU da bulunan I, O, DB, M gibi hafıza alanlarına OPC sunucu üzerinden erişimi sağlamak için Simatic NET içerisindeki OPC Scout yazılımı kullanılmaktadır. OPC Scout programında PLC ile haberleşme OPC.SimaticNET üzerinden yapılır. Burada oluşturulan grup nesnesi altında PLC bilgileri listelenir. Oluşturulan grup nesnesi içerisinde tanımlanan item nesneleri ile PLC de bulunan hafıza alanları OPC sunucuya tanıtılır. Gerçekleştirilen bu işlemde, eğer PLC ile haberleşme E BİTİR Şekil 13 : Sistem akış diyagramı 5. Sistemin Çalışma Prensibi Şekil 13 de, bu çalışmada gerçekleştirilen sistemin akış diyagramı verilmiştir. Yapılan çalışmada, sisteme başla komutunun gelmesi ile uygulama sıralı olarak işlemleri gerçekleştirmektedir. İlk olarak kameradan bir görüntü alınarak, nesnelerin renklerine göre ayrıştırılması işlemi başlamaktadır. Geliştirilen görüntü işleme algoritması ile nesnelerin renkleri belirlenmektedir. Renkleri belirlenen nesnelerin yerleri PLC ye bilgi olarak gönderilmektedir. Bilgi E Nesne ayrıştırılacak mı? H 469

6 word formatında tamsayı olarak yazılmaktadır. Word format yapısı denklem 1 de verilmiştir. (1) Denklem 1 de k, nesnenin konum bilgisinin word adresi ve, k. nesnenin rengi bilgisi olup, nesne renk eşik seviyesini geçerse aksi durumda ise değerini alır. Örneğin alınan görüntüde 2. ve 6. konumlardaki nesnelerin renk bilgisi eşik seviyesini geçmiş ise olarak alınacaktır. Matlab dan PLC ye gönderilen word bilgisi Denklem 1 in sonucu, olarak Matlab dan PLC ye gönderilmektedir. PLC ye gelen word bilgisi 0. bitten başlamak üzere bit, bit test edilerek 1 değerine sahip olan bitlere karşılık gelen çıkışlar aktif edilmektedir. Aktif edilen çıkışlara göre nesneler renklerine göre ayrıştırılmış olmaktadır. Ayrıştırma işlemi bittikten sonra sistem tekrar başlangıç konumuna gelerek başla komutunu beklemektedir. Yapılan çalışmada, Matlab ortamında geliştirilen görüntü işleme algoritmasıyla PLC haberleşmesi OPC aracılığıyla gerçekleştirilmiştir. 6. Sonuçlar Bu çalışmada, geliştirilen görüntü işleme algoritması sonucunda elde edilen verilerin OPC Server üzerinden Siemens S PLC ye gönderilmesi ve deney düzeneğinin kontrolü gerçek zamanlı olarak sağlanmıştır. Sistemde kullanılan web kameranın renkli nesnelerin ayırt edilmesi işleminde başarılı bir şekilde cevap verdiği belirlenmiştir. Geliştirilen görüntü işleme algoritmasının 5, 6 sn de nesnelerin renklerine göre ayırt edildiği gözlemlenmiştir. Bu süreyi azaltmak için yüksek özellikteki endüstriyel bir kamera kullanılmasının daha başarılı sonuçlar vereceği düşünülmektedir. Bu nedenle, endüstriyel uygulamalar için yüksek çözünürlükte kameralar ve farklı lensler kullanılarak, uygulamalara göre daha başarılı ve daha hızlı cevaplar alınabileceği belirlenmiştir. Geliştirilen görüntü işleme uygulamasının farklı renk uzaylarında yapılarak başarı oranlarının karşılaştırılabileceği belirlenmiştir. Ayrıca birçok endüstri uygulamalarında olmazsa olmaz olan PLC ile görüntü işleme uygulamasının senkron bir şekilde çalışması gerçekleştirilmiştir. [4] =0. [5] Y. Ünlü, Süreç Kontrolunda Nesnelerin Bağlaşması Ve İlişkilendirilmesi (Opc) Standardı Ve Uygulaması, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, [6] Z. Lieping, Z. Aiqun, Z. Yunsheng, On Remote Real- Time Communication between MATLAB and PLC Based on OPC Technology, China, [7] [8] Frank Iwanitz, JürgenLange, OPC Fundementals, Implementationand Application, Hüthig GmbH&Co., Heidelberg, Germany, [9] S. Büyük, S. Gök, Proses Otomasyonunda OPC Teknolojisi Mühendis ve Makina Dergisi, Cilt 53,Say1 635 ARALIK 2012, sayfa [10] df. [11] İ. Yılmaz, Renk Sistemleri, Renk Uzayları ve Dönüşümler, KONYA, 2002, Selçuk Üniversitesi Jeodezi ve Fotogrametri Mühendisliği 30. Yõl Sempozyumu,16-18 Ekim 2002, Konya, Bildiri Kitabı sayfa [12] [13] [14] R.C. Gonzalez, R.E. Woods, S.L. Eddins, Digital Image Processing using Matlab, PrenticeHall, USA,2004. [15] The Matworks, MATLAB OPC Toolbox User s Guide. Kaynakça [1] M. Mrosko, E. Miklovičová, Real-time implementation of redictive control using programmable logic controllers, [2] S Programmable controller, System Manual, 04/2012, A5E [3] S7-200 Programmablecontroller, System Manual, C79000-G7076-C