Detectando Luzes Vermelhas no PLCnext com OpenCV e Python
OpenCV é uma das bibliotecas de Visão Computacional mais usadas. Pode ser usada para reconhecimento facial, rastreamento de objetos, leitura de códigos de barras e, mais importante para este blog, detectar se uma luz está acesa ou apagada. Neste blog, ajudo você a começar com OpenCV e Python no PLCnext e apresento exemplo de código para pré-processar imagens para detecção de luz vermelha. É alternativa ao uso de OpenCV no PLCnext explicado em posts anteriores.
Pré-requisitos
Hoje uso controlador AXC F 2152, mas procedimento similar serve para AXC F 1152 e muito similar para AXC F 3152 e RFC 4072s. Único pré-requisito: ter Balena-Engine instalado no controlador. Passos para instalação no PLCnext Github. Recomenda-se cartão SD de 8GB. Usaremos conexão SSH e WinSCP para acessar o controlador. Uso dessas ferramentas foge do escopo; encontre guias no fórum ou busca rápida.
Baixar imagem OpenCV-Python
Inicie sessão SSH no controlador e logue como root após instalar balena-engine.
Execute comando e pegue café, demora para baixar a imagem.
balena-engine pull pxcbe/opencv-python
Validar instalação
Neste passo validamos a imagem e obtemos versão OpenCV instalada. Execute:
balena-engine run -it --rm \
pxcbe/opencv-python \
python -c "import cv2; print(cv2.__version__)"
Se tudo certo, container imprime versão OpenCV e se remove. Na escrita, versão instalada: 4.1.0
Configurar diretório de trabalho
Abra WinSCP e crie pasta opencv em /opt/plcnext. Caminho: /opt/plcnext/opencv.
Baixe conteúdo de este repositório e copie para o diretório criado.
Pode trocar .jpg por sua imagem e modificar app.py conforme necessidade.
Testar script
Testaremos script baixado do GitHub e rodaremos container interativamente. Execute como root:
balena-engine run -it --rm -v /opt/plcnext/opencv/:/opencv_app pxcbe/opencv-python /bin/bashVocê está em shell dentro do container, acesse diretório opencv_app:
cd opencv_appInicie script:
python app.pyDeverá ver saída no shell e 3 novas imagens em
/opt/plcnext/opencv. Talvez precise atualizar pasta WinSCP para vê-las!O que fizemos?
Antes de detectar se luz está acesa, precisamos pré-processar imagem inicial "open_cv.jpg". Primeiro, redimensionar para poupar poder computacional. Feito na linha 12 (app.py) com
cv2.resize. Saída parece original mas com 50% do tamanho.![]()
Próximo passo: converter para escala de cinza. Função na linha 17, resultado abaixo.
![]()
Último passo do pipeline: thresholding. Pixels abaixo de valor ficam pretos, acima brancos. Há formas diferentes de threshold, algumas dão resultado melhor. Para hoje, linha 21
cv2.thresholdbasta. Resultado na imagem. Agora temos imagem pequena com pixels só preto e branco. Método simples para detectar luz acesa de câmera fixa: definir Região de Interesse (ROI) e buscar pixels brancos. Algoritmos mais complexos dão resultado melhor. Linkei blogs sobre isso em leituras adicionais.![]()
Leituras Adicionais
Vídeos requerem aceitar cookies de marketing.
Ainda inseguro sobre containers? Estes blogs podem interessar:
Disclaimer
Esta é uma forma de trabalhar com OpenCV no PLCnext. Em este blog aprende cross-compile OpenCV C++ para target PLCnext. Pode parecer mais trabalhoso, mas tem valor para sistemas de produção. Faça sua devida diligência antes de decidir.
Imagem não receberá updates regulares. Se quiser expandir ou manter, contate axsupport@phoenixcontact.be.
Deixei de fora como rodar container indefinidamente pois varia muito com aplicação. Encontre forma adequada ou discuta com envolvidos no projeto.
Créditos
Trabalho do container baseado no trabalho de mohaseeb.
Tecnologia industrial
- Dominando Operadores em Python: Guia Completo
- Reconhecimento Facial em Tempo Real no Raspberry Pi – Guia Completo
- Rastreamento Automatizado de Objetos Baseado em Visão com Raspberry Pi e OpenCV
- Novo Detetor Dual-Chip Alcança Medição Ultra-rápida de Luz Quântica
- Dominando Acessórios para Fitas LED: Conecte, Controle e Personalize Sua Iluminação
- Mastercam Unidade 7: Gestão de Imagens e Criação de Trajetórias de Ferramenta
- Monitoramento em Tempo Real do PLCnext com Dashboards Tableau
- Crie Dashboards Power BI a partir de Dados PLCnext na Nuvem
- Crie Dashboards Grafana em Tempo Real para PLCnext Control no Azure IoT Hub
- Otimizando Aplicações Java 9 no PLCnext Control com Jlink