CC BY
20
13. Иванников В.П. Справочник руководителя тушения пожара / В.П. Иванников, П.П. Клюс. - М. : Изд-во "Стройиздат", 1987. - 288 с.
14. Коваль О.М. Процес розвитку та поширення пожежi в прпмщеннях будавелъ деревообробних пiдприeмств / О.М. Коваль // Пожежна безпека : зб. наук. праць. - 2013. - № 22. - С. 121-127.
15. ДСТУ Б В.1.1-18:2007. Метод натурних вогневих випробувань. Загальш вимоги. - К. : Вид-во "Мшрегюнбуд Украши", 2007. - 13 с.
Надтшла доредакцп 29.08.2016р.
Коваль А.М. Экспериментальное исследование продолжительности локализации и тушения пожара на открытых складах пиломатериалов штабельного хранения
Для определения продолжительности локализации и тушения пожаров на открытых складах пиломатериалов штабельного хранения проведены экспериментальные исследования этого процесса. Исследования выполнены с использованием дробного факторного эксперимента. Продолжительность локализации и тушения пожара исследована в зависимости от площади локализации, площади пожара и количества пожарных стволов А и Б. Полученные эмпирические модели адекватны результатам эксперимента и могут использоваться на практике пожарно-спасательными подразделениями ГСЧС.
Ключевые слова: штабель пиломатериалов, экспериментальные исследования, математическая модель, процесс локализации, процесс тушения, пожарный ствол.
Koval О.М. Experimental Study Duration Localize And Fight Fires on Open Storage Timber Stacking Storage
To determine the duration of containment and extinguishing fires in open storage warehouse stacking lumber pilot the Exploration of the process were conducted. Studies were carried out using a fractional factorial experiment. Duration contain and extinguish the fire were studied as a functioning on the localization of the area, fire area and the number of fire nozzles A and B. These empirical models are adequate and the results of the experiment can be used subsequent to the practice of fire-rescue units GSCHS.
Keywords: pile of lumber, experimental studies, mathematical model, the localization process, the process of extinguishing, fire barrel.
УДК 004.93
АНАЛ1ТИЧНИЙ ОГЛЯД МЕТОД1В ДЕТЕКТУВАННЯ ВОГНЮ ЗАСОБАМИ КОМП'ЮТЕРНОГО ЗОРУ
О.П. Максимiв1, Т.€. Рак2, Д.Д. Пелешко3
Здшснено анал1тичний огляд сучасних метод1в детектування вогню за допомогою за-соб1в комп'ютерного зору. Внаслщок проведено! роботи виявлено, що на сьогодш проблема розроблення системи детектування полум'я е актуальною та потребуе подальших дослщжень. Представлено пор]вняльний анал1з ефективност роботи окремо взятих ме-тод1в та вщзначено проблематичш моменти, як зумовлюють зниження якост детектування. Наведено перспективы напрямки розвитку алгорштшв, яю, на нашу думку, да-ють змогу значною м1рою покращити ефектившсть системи детектування полум'я.
Ключовi слова: детектування полум'я, комп'ютерний з1р, вщеоспостереження, автоматизация.
1 ад'юнкт О.П. Максимгв - Львгвський державний унгверситет безпеки життедшльнот;
2 доц. Т.€. Рак, д-р техн. наук - Львгвський державний ун1верситет безпеки життедшльнот;
3 проф. Д. Д. Пелешко, д-р техн. наук - НУ " Льв1вська полгтехшка"
Вступ. Незважаючи на загальний технiчний прогрес, в Укра'н вщбу-ваеться значне зростання кiлькостi пожеж i надзвичайних ситуацш (НС). Що-рiчно тiльки показник завданих матерiальних збиткiв збiльшуeться в середньо-му на 6 % [1], що зумовлюе пошуки досконалтих шлянв реагування на такi загрози.
Протягом останшх рокiв, з метою зменшення збитюв, якi можуть бути спричинеш пожежею, чимало зусиль спрямовано на встановлення систем по-жежно! сигналiзацií, пожежних сповiщувачiв (димових, теплових тощо). Проте !х використання супроводжуеться значними матерiальними затратами, а !'х вузька специфжа дií нерiдко зумовлюе кнорування людьми вимог правил по-жежно! безпеки про !'х встановлення. При цьому, паралельно, на пiдприемствах, в установах i житлових примiщеннях останшми роками активно впроваджують рiзноманiтнi охоронш системи, основою яких е камери вщеоспостереження. Як правило, такi системи використовують для пасивного спостереження на мошто-рi за об'ектами в зон уваги з можливiстю автоматичного детектування руху в полi зору камери. Зважаючи на розвиток методiв та технологiй машинного зору i можливостей сучасних вiдеокамер, актуальною та перспективною е задача використання систем ввдеоспостереження у контекстi розширення кола приклад-них задач, ят можна вирiшувати завдяки iнтелектуальному аналiзу ввдеопото-кiв. Наприклад, розширення систем вщеоспостереження модулями автоматизо-ваного виявлення та визначення параметрiв пожеж чи загорянь.
Постановка завдання. Проаналiзувати можливосп та визначити перспек-тиви використання систем вщеоспостереження для автоматичного чи автомати-зованого детектування полум'я у пасивних системах вiдеоспостереження.
Результати цього аналiзу повиннi стати основою синтезу нових методов чи технологiй, побудованих на принципах комп'ютерного зору, ят характеризува-лись би високою точнктю iдентифiкацií об'ектш уваги в широкому робочому дiапазонi та стiйкiстю до негативного впливу рiзноманiтного зашумлення.
Загальна характеристика методiв детектування в роботехшчних системах комп'ютерного зору. Протягом останшх ротв спостерiгаеться значний розвиток кнуючих пiдходiв у сферi комп'ютерного зору та розроблення нових методiв для детектування об'ектiв на зображенш Проте, незважаючи на доволi високий рiвень якостi розпiзнавання об'ектiв у таких системах, за певних умов спостеркаеться ряд некоректних спрацювань детектора, що в контекста !'х використання в системi безпеки життед1яльносп, не е допустимим.
На сьогодш видшяють чотири основних пiдходи до автоматичного виявлення полум'я та диму у ввдеопотощ [2]. Це - колiрна сегментащя полум'я, виявлення руху на зображенш, аналiз просторових змiн яскравостi та аналiз часо-вих змiн меж об'екта. Ввдповщно до цих пiдходiв спробуемо проаналiзувати к-нуючi напрацювання вчених у задачах детектування полум'я.
1. Колiрна сегментация. Загальним тдходом до виявлення вогню на зображенш е використання рiзноманiтних колiрних моделей. Для цього виконуеться ^ерактивна сегментащя областi зображення, в обласп спостереження полум'я та, вiдповiдно до отриманих статистичних розподiлiв пiкселiв, формуються гра-ничнi умови, в межах яких визначаеться належшсть пiкселя до шукано! областi.
Один Í3 основних методiв, який грунтуеться на принципах колiрноí сегмен-тацп, наведено в [11], де запропоновано використання колiрноí моделi RGB для визначення наявностi полум'я на зображеннi. Проте, в подальшому, показано, що можливостей моделi RGB е недостатньо для забезпечення надiйностi детек-тування полум'я, та, як наслвдок, виникае низка напрацювань щодо використання шших колiрних моделей. Так, у роботах [8-10] запропоновано використання колiрноí моделi YCbCr, у роботi [18] - моделi HSV, а у [2, 7] - CIE L-a-b.
Сучасний розвиток методiв, побудованих на колiрнiй сегментацп, передба-чае використання кшькох моделей у послiдовностi алгоритмов, розроблених за цими методами. Так, у робоп [13] запропоновано комбiнацiю iз кiлькох колiр-них моделей. Такий шдхвд дае змогу порiвняти ефективнкть рiзноманiтних ко-лiрних моделей. Отримаш результати наведено в табл. 1, де HSI, YCbCr та RGB позначено як H, Y та R вщповщно; HYR - комбшащя трьох моделей; HY - ком-бiнацiя H та Y.
Табл. 1. Оцтювання колiрних моделей
Умова К-сть зображень H Y R HYR HY
MÍCTO 124 0,78 0,51 0,19 0,81 0,83
Сiльська мiсцевiсть 73 0,73 0,57 0,17 0,77 0,79
Всерединi примiщень 20 0,36 0,47 0,12 0,43 0,46
HÍ4 21 0,60 0,61 0,06 0,64 0,64
Загалом 217 0,74 0,54 0,15 0,78 0,79
Наведеш результати дають змогу констатувати, що використання колiрних моделей е недостатнiм для побудови ефективно! системи детектування полум'я та вимагае ii доповнення iншими характеристиками такими як рух, контури то-що. Для прикладу, використання методу вщншання фону в робоп [11] дозволило шдняти показник ефективностi роботи системи до 92,8 %.
2. Виявлення руху. Для виявлення руху у ввдеопотощ широко використо-вують методи обчислення оптичного потоку. Так, наприклад у [16], метод щен-тифжацп передбачае використання оптичного потоку та нейронно! мережi зво-ротного поширення для обчислення особливостей руху полум'я на основi таких статистичних характеристик: середне значения швидкосп та швидккть змiни оптичного потоку, а також його напрямку. Проте Вважаеться, що використання методу оптичного потоку е процесом, який потребуе використання значних комп'ютерних ресурсiв, що певною мiрою ускладнить процес штеграцп таких систем на реальних об'ектах.
Дещо iнший пiдхiд запропоновано у [22]. За цим тдходом запропоновано вдентифшувати полум'я за допомогою трьох послвдовних етапiв: видiлеиня реп-ону для аналiзу, класифiкацiя вогню на основi колiрно-текстурних ознак та ча-сово! вдентифжацп. Проте, знову ж враховуючи рiзномаиiтнiсть процесу горш-ня, на наш погляд, урахування уах можливостей може призвести до перенав-чання класифiкатора та, як наслвдок, значного зниження ефективностi.
3. Аналiз просторових змш яскравостi. У робоп [5] запропоновано ком-бiнований метод щентифжацп вогню, який грунтуеться на використанш колiр-них ознак та текстури полум'я. Проте колiрне чи текстурне розмежування е кла-
сифшатором низького píbhh, оскшьки загальновщомо, що полум'я може бути pÍ3Horo кольору, залежно вiд температури та речовини, що горить.
Aung Soe та Zhang Xianku [20] використовують статистичнi характеристики зображення для детектування пожеж свило-синього кольору (пожежi, в яких можуть бути домiшки газу). Для цього, регюни, в яких можлива наявнiсть полум'я, визначаються на основi технiки ROI (регiону штересш). Проте цей алгоритм можна використовувати тшьки для пожеж з домшками газу або iнших ре-човин, якi спричиняють свiтло-синiй колiр полум'я.
Цiкавою видаеться робота [21] авторiв Marcos Bedo, Gustavo Blanco та ш. Передусiм, у робоп передбачаеться використання функцл схожостi зображення. Яшсть детектування розроблено!' системи становить 0,853 %, що е доволi низьким показником порiвняно з показниками ефективностi iнших систем.
4. Аналiз часових 3míh границь об'екту. N. Ahuja та L. Che-bin [11] про-понують алгоритм детектування полум'я, який фунтуеться на використанш спектрально!', просторово!' та часово!' характеристик вогню. Проте можливе ви-никнення ряду помилок пiд час просторового аналiзу, що спричиняе зашумлен-ня зображення та, як наслiдок, попршуе ефективнiсть роботи системи детектування. Вiдповiдно, цей алгоритм не дае змоги усшшно iдентифiкувати полум'я невеликих розмiрiв або таке, що знаходиться на значнш вiдстанi.
Потрiбно згадати також роботу [10], в якш автори стверджують, що роз-роблений алгоритм детектування полум'я на зображенш дае змогу його щенти-фжувати з показником 99 % правильности Незважаючи на високий показник надайносп системи, вона мае значний недолш - високий показник хибних спра-цювань, якi виникають внаслiдок змши освiтлення, що потребуе значних зусиль щодо налаштування параметрiв таких змш пiд кожен об'ект окремо.
Табл. 2. Ефективтсть детектування полум'я найбтьш вживаними методами згiдно 3Í значеннями, вказаними авторами
№ з/п Ha3Ba po6OTH E^eKTHBHÎcTt geTeKTyBaHH»
1 Lab Color Space Model with Optical Flow Estimation for Fire Detection in Videos 99,88 % True
2 BoWFire: Detection of Fire in Still Images by Integrating Pixel Color and Texture Analysis 79,00 % True 15 % False
3 Fire and smoke detection without sensors: image processing based approach 99,00 % True 4,5 % False
4 Automatic Fire Detection in Video Sequences 97 % True 78.39 % False
5 Fire pixel classification using fuzzy logic and statistical color model 99,00 % True 9,5 % False
6 Vision based fire detection 99,9 % True 0 % False
7 Fire Detection in Video Sequences Using Statistical Color Model 78.5 % True 28,21 % False
8 A Vision-based Approach to Fire detection 93.1 % True
9 A fire and flame detecting method based on video 97 % True 0 % False
10 Techniques for effective and efficient fire detection from social media images 85 % True
11 Towards a Solid Solution of Real-time Fire and Flame Detection 93 % True
12 Fire detection based on vision sensor and support vector machines 86,1 % True 0,4 % False
Узагальнюючи зазначене вище, вважаемо за доцiльне провести пор1вняль-ний анал1з ефективност1 цих роб1т. Так, автори розглянутих напрацювань зазна-чають довол1 висок1 показники ефективност1 роботи i'x системи (табл. 2), де True - правильшсть спрацювання, а False - вщсоток неправильних спрацювань.
Проте потр1бно розумгги, що недостатня виб1рка для тестування або i'x мала р1зноматтшсть, нерщко призводить до значно завищених показник1в ефек-тивност1. Так, у робот1 [5], внасл1док проведеного анамзу на власно сформова-н1й тестовш виб1рц1, отримано кардинально 1нш1 результати пор1вняно з1 заяв-леними авторами (рис.).
Рис ROC-крива ефективностi детектування на eu6ipu,i з пожежами (3niea) та з об'ектами, як за зовмшмми ознаками нагадують полум'я (справа) [5]
Як можемо спостер1гати, вщповщно до проведеного анамзу, надзвичайно низьм показники отримали методи автор1в T. Chen [12] (основна щея якого Грунтуеться на використанш R компонента для вим1рювання його штенсивносп та насиченост1) та L. Rossi [19] (яка Грунтуеться на визначенш геометричних показникiв полум'я). З позитивного боку, потрiбно звичайно ж вщзначити систему BoWFire [5], яка окрт колiрноi' класифкацп, охоплюе також текстурну, що дало змогу мiнiмiзувати кiлькiсть неправильних спрацювань, метод T. Celik, в якому запропоновано використовувати колiрну модель YCbCr [9].
Звичайно ж, неможливо не згадати про роботу [4], в якш було проведено порiвняльний анатз основних методiв детектування полум'я. Вiдповiдно до набору запропонованих авторами методiв детектування полум'я було визначено показники правильносп детектування. Так, табл. 3 вщображае правильнiсть класифiкацii пiкселiв, ям мiстять вогонь (True positive) та без вогню (True negative). Для покращення сприйняття ця таблиця представлена у вiдтiнкаx сiрого, де бший колiр вiдповiдае найкращому результату.
Анатзуючи табл. 3, треба звернути увагу на роботи [17] (Гаусове згладжу-вання колiрноi гiстограми та подальше використання морфологiчниx операцiй) та [19] (визначення геометричних показникiв полум'я), яш отримали доволi висок показники правильностi класифiкацii. Найкращий результат отримав зап-ропонований авторами набiр правил. Перший метод (r30) Грунтуеться на використанш колiрниx моделей L*a*b та принципу мбiльшостi голошв". Другий (r31) використовуе колiрну модель RGB, яка, своею чергою, обробляеться методами
машинного навчання, а саме лопчною регресieю [4]. Проте у представлених авторами наборах правил, все ще виникають певнi труднощi пiд час класифжацп зображень, в яких наявний дим.
Табл. 3. Оцтка ефективностi методiв детектування полум 'я [4]
Висновок. Проведений аналiз наукових результатов в областi детектування полум'я дав змогу констатувати, що незважаючи на iснуючi результати в облас-■п використання роботизованих систем технiчного зору, для розв'язання задачi детектування вогню i визначення параметрiв загоряння/пожежi, ят б характе-ризувалася високим рiвнем ефективностi за невелико!' затратностi комп'ютер-них ресурсiв, не iснуe.
Очевидно, що подальша iнтелектуалiзацiя систем техшчного зору на базi iснуючих систем ввдеоспостереження дае змогу iстотно розширити спектр фун-кцiональних засоб^в забезпечення пожежно! безпеки за мiнiмальних матерiаль-них витрат. Мiнiмiзацií витрат у цьому випадку досягаеться завдяки викорис-танню iснуючих iнфраструктур систем вщеоспостерження
Треба наголосити на ще однш проблемi - це ощнка кнуючих методав детектування полум'я. Iснуючi бази даних набори зображень, беззаперечно, дають змогу ощнити якiсть роботи тальки окремих видав методов, наприклад колiрних моделей, контурного методу тощо. Проте низка методов не можуть проявити свою ефективнiсть на статичних наборах зображеннях. Саме тому потрiбно ство-рити базу вiдеоданих, ят характеризувалася б не тальки рiзноманiтною роздаль-ною здатнiстю, а й значним набором рiзноманiтних процес^в виникнення та роз-повсюдження полум'я та об'ектав, якi за зовнiшнiми ознаками нагадують вогонь.
Проведений аналiз методiв детектування вогню дав змогу видшити низку пiдходiв, яш, за умов !'х комплексного використання, повиннi забезпечити висо-кий рiвень детектування, з одного боку, та високу швидкодда, з шшого. Так, для здшснення колiрноí сегментацií найбiльш перспективним виглядае використання колiрноí моделi УСгСЬ, яка дасть змогу встановити потрiбнi граничнi межi яскравостi, та, своею чергою, видшити регюни, якi за колiрними ознаками нагадують вогонь.
Для зменшення часових затрат щодо виявлення рухомих об'екпв на зобра-женнi запропоновано використання методов, якi грунтуються на використанш часових рiзниць, а для уникнення можливих спотворень - використання морфо-логiчних перетворень.
Лiтература
1. Нацюнальна доповщь про стан техногенно'1 та природно'1 безпеки в Украхш у 2014 рощ. - 2015. [Електронний ресурс]. - Доступний з http://mns.gov.ua/files/prognoz/report/2014/ND_2014.pdf.
2. Бровко Н. Анализ методов обработки последовательностей видеоизображений в приложении к задаче раннего обнаружения пожаров / Н. Бровко, Р. Богуш // Вестник Полоцкого государственного ун-та : сб. науч. тр. - Сер.: С. - 2011. - С. 42-50.
3. Arjun S. Lab Color Space Model with Optical Flow Estimation for Fire Detection in Videos / S. Arjun, E. Vinoth // IOSR Journal of Computer Engineering, 2014. - Pp. 22-38.
4. Toulouse T. Automatic fire pixel detection using image processing: A comparative analysis of Rule-based and Machine Learning-based methods / T. Toulouse, L. Rossi, T. Celik, M. Akhloufi // Signal, Image and Video Processing manuscript, 2015. - Pp. 1-8.
5. Chino D. BoWFire: Detection of Fire in Still Images by Integrating Pixel Color and Texture Analysis / D. Chino, L. Avalhais, R. Jose, T. Agma // Proceedings of the 28th SIBGRAPI Conference on Graphics, Patterns and Images, 2015. - Pp. 95-102.
6. Celik T. Automatic Fire Detection in Video Sequences / T. Celik, H. Demirel // European Signal Processing Conference. - 2006. - № 2. - Pp. 1-5.
7. Celik T. Fast and efficient method for fire detection using image processing / T. Celik // ETRI journal. - 2010. - № 6. - Pp. 881-890.
8. Celik T. Fire and smoke detection without sensors: image processing based approach / T. Celik, H. Ozkaramanli, H. Demirel // 15th European Signal processing conference, 2007. - Pp. 1794-1798.
9. Celik T. Fire detection in video sequences using a generic color model / T. Celik, H. Demirel // Fire Safety Journal. - 2009. - № 2. - С. 147-158.
10. Celik T. Fire pixel classification using fuzzy logic and statistical color model / T. Celik, H. Ozkaramanli, H. Demirel // Acoustics, Speech and Signal Processing, 2007. - Pp. 1205-1208.
11. Che-Bin L. Vision based fire detection / L. Che-Bin, N. Ahuja // Pattern Recognition, 2004. ICPR 2004. Proceedings of the 17th International Conference on. - 2004. - № 4. - Pp. 134-137.
12. Chen T. An early fire-detection method based on image processing / T. Chen, P. Wu, Y. Chiou // Image Processing, 2004. - Pp. 1707-1710.
13. Gomes P. A Vision-based Approach to Fire detection / P. Gomes, P. Santana, J. Barata // International Journal of Advanced Robotic Systems, 2014. - Pp. 107-114.
14. Jin H. A fire and flame detecting method based on video / H. Jin, R. Zhang // Machine Learning and Cybernetics, 2009. - Pp. 2347-2352.
15. Ko B. Fire detection based on vision sensor and support vector machines / B. Ko, K. Cheong, J. Nam // Fire Safety Journal. - 2009. - № 44. - Pp. 322-329.
16. Kurup A.R. Vision based fire flame detection system using optical flow features and artificial neural network / Anila R. Kurup // Int J Sci Res, 2012. - Pp. 2161-2168.
17. Philips W. Flame recognition in video / W. Philips, M. Shah, N. Lobo // Pattern Recognition Letters. - 2002. - № 23. - Pp. 319-327.
18. Qi X. A Computer Vision-Based Method for Fire Detection in Color Videos / X. Qi, J. Ebert // International journal of imaging. - 2009. - № 9. - Pp. 22-34.
19. Rossi L. On the use of stereovision to develop a novel instrumentation system to extract geometric fire fronts characteristics / L. Rossi, M. Akhloufi, Y. Tison // Fire Safety Journal. - 2011. - № 46. - Pp. 9-20.
20. Soe A. Fire detection by static image characteristics of the light blue flame using roi-based color intensity composition detection algorithm / A. Soe, X. Zhang // ICIC Express Letters. - 2011. - № 12. - Pp. 4479-4486.
21. Bedo M. Techniques for effective and efficient fire detection from social media images / M. Bedo, G. Blanco, W. Oliveira та ш. // International Conference on Enterprise Information Systems, 2015. - Pp. 34-45.
22. Bo J. Towards a Solid Solution of Real-time Fire and Flame Detection / J. Bo, L. Yongyi, L. Xiying, L. Liang // Multimedia Tools and Applications. - 2015. - № 3. - Pp. 689-705.
Надтшла доредакцп 21.06.2016р.
Максымив А.П., Рак Т.Е., Пелешко Д.Д. Аналитический обзор методов детектирования огня с помощью средств компьютерного зрения
Осуществлен аналитический обзор современных методов детектирования огня с помощью средств компьютерного зрения. В результате проведенной работы выявлено, что на сегодняшний день проблема разработки системы детектирования пламени актуальна и требует проведения дальнейших исследований. Представлен сравнительный анализ эффективности работы отдельно взятых методов и отмечены проблематичные моменты, которые вызывают снижение качества детектирования. Отмечены перспективные направления развития алгоритмов, которые, по нашему мнению, позволят в значительной степени повысить эффективность системы детектирования пламени.
Ключевые слова: детектирование пламени, компьютерное зрение, видеонаблюдение, автоматизация.
Maksymiv O.P., Rak T.E., Peleshko D.D. The Analytical Review of Fire Detecting Method by Using Computer Vision
The paper made an analytical review of modern fire detection methods by means of computer vision. The results of this work revealed that despite a number of publications in this field, today the problem of developing a flame detection system is urgent and requires further research. This paper presents a comparative analysis of the individual methods efficiency and marked problematic moments that cause reduced quality of detection. Noted the perspective directions of algorithms, which we believe will greatly improve the efficiency of detecting flames.
Keywords: flame detection, computer vision, video surveillance, automation.
УДК 004.[4+896]
ПРОГРАМНА МОДЕЛЬ ПЩСИСТЕМИ КЕРУВАННЯ МОБЫЬНОЮ РОБОТОТЕХН1ЧНОЮ СИСТЕМОЮ К.В. Матвшчук1, В.М. ТеслюК2, А.Я. Зелтський3
Описано особливост розроблення програмного забезпечення шдсистеми вщдалено-го керування робототехшчною системою (РТС). Побудовано ИМЬ дiаграму прецеден-пв, за допомогою яко! вщображено основш завдання, яю виконуватиме РТС у процес функцюнування. Для реалiзацil ПЗ обрано ^ент-серверну архкектуру. Побудовано ИМЬ дiаграми дшльностей для шентсько! та серверно! частин ПЗ, описано принципи !х взаемодн та представлено блок-схеми алгоритмов !х роботи. Розроблено та описано штерфейс користувача, для шентсько! частини ПЗ, обгрунтовано вибiр мови програ-мування для реалiзацil функцюналу системи.
Ключовi слова: робототехшчна система, програмне забезпечення, ИМЬ^аграма, клiент-серверна архiтектура.
Вступ. Автоматизащя проектування та розроблення робототехнiчних систем займае провiдне мiсце серед сучасних напрям1в розвитку свiтовоí науки. А-дже дае змогу не тальки автоматизувати складнi технологiчнi процеси та опера-цií, але й замшити людину пiд час виконання важких i небезпечних робiт. Тому важливим завданням е процес проектування систем управлшня механiзмами, технiчного забезпечення, взаемодп цих складникiв, та розроблення спецiалiзо-ваного програмного забезпечення. Адже вiд цього етапу напряму залежить фун-
1 acnip. К.В. Матвшчук - НУ "Льв1вська полггехнка";
2 проф. В.М. Теслюк, д-р техн. наук - НУ "Львгвська полггехнка";
3 асисг. А.Я. Зелшський, канд. техн. наук - НУ "Льв1вська полггехнка"
