Semua Kategori

Blog

Beranda >  Blog

Pencahayaan Warna Putih, Biru, Merah, dan Hijau dalam Visi Mesin

Time : 2025-10-02

Dalam sistem visi mesin, warna pencahayaan tidak dipilih secara sembarangan—pemilihan yang tepat dapat membuat cacat terlihat jelas, sedangkan pemilihan yang salah dapat menyebabkan bahkan algoritma paling canggih sekalipun kesulitan mengenali fitur-fitur. Banyak orang mengabaikan dampak warna pencahayaan, sehingga menyebabkan akurasi inspeksi yang tidak konsisten.

 

Hari ini, kami akan menjelaskan aplikasi dari empat warna pencahayaan utama dan satu strategi kontras untuk membantu memilih pencahayaan yang tepat dengan cepat.

 

ⅰ. Cahaya Putih: Cocok untuk 80% Skenario Umum

Cahaya putih mencakup spektrum tampak penuh (380–750 nm), mereproduksi warna objek secara akurat. Ini adalah pilihan pencahayaan paling serbaguna dan berfungsi sebagai "pilihan standar" dalam inspeksi visual.

 

1. Keunggulan Utama :

Spektrum seragam dan rendering detail yang komprehensif, sehingga tidak perlu khawatir tentang kompatibilitas material—baik untuk produk plastik, logam, maupun kertas, cahaya putih mampu menangkap gambar dasar yang jelas.

 

2. Skenario yang berlaku :

Pengujian dasar pada tahap inspeksi awal (evaluasi efek di bawah cahaya putih terlebih dahulu, lalu sesuaikan), inspeksi produk kategori campuran (misalnya, memeriksa bagian plastik dan logam dalam satu lini produksi yang sama), serta skenario yang membutuhkan deteksi perbedaan warna (misalnya, inspeksi warna makanan).

Machine Vision Lighting (2).png

Catatan:

Bila tidak yakin warna mana yang harus dipilih, mulailah dengan cahaya putih. Cahaya ini dapat menangani 80% skenario inspeksi umum.

 

iI . Cahaya Biru: Memperkuat Cacat Mikro

Cahaya biru memiliki panjang gelombang pendek (450–495 nm) dan sangat menghambur saat berinteraksi dengan struktur halus (misalnya, goresan, partikel), sehingga sangat ideal untuk menonjolkan cacat mikro pada material yang sangat reflektif.

 

1. Keunggulan Utama :

Menekan pantulan spesular pada logam (misalnya, mencegah silau pada permukaan stainless steel), menciptakan kontras kuat untuk cacat seperti goresan dan penyok.

 

2. Skenario yang berlaku :

Pemeriksaan permukaan bagian logam (misalnya, goresan pada bantalan otomotif, penyok pada rangka ponsel cerdas), deteksi kotoran kecil pada permukaan kaca, dan skenario yang memerlukan lokalisasi tepi yang presisi (misalnya, penjajaran pin chip).

Machine Vision Lighting (3).png

Catatan: Cahaya biru dapat menyilaukan mata; kacamata pelindung harus dipakai saat beroperasi.

 

ⅲ. Cahaya Merah: Kemampuan Penetrasi Kuat

Cahaya merah memiliki panjang gelombang yang lebih panjang (620–750 nm), memungkinkannya menembus material gelap atau semi-transparan tertentu. Cocok untuk memeriksa "fitur di dalam atau di bawah permukaan".

 

1. Keunggulan Utama

Tidak diserap oleh material gelap, sehingga mampu menembus permukaan dan mengungkap fitur yang terletak di bawahnya—contohnya, membuat karakter terlihat melalui botol plastik gelap.

 

2. Skenario yang berlaku

Membaca karakter pada botol cairan gelap (misalnya, botol obat oral, botol tinta), mendeteksi gelembung internal dalam koloid semi-transparan (misalnya, silikon, resin), serta mengidentifikasi kotoran di antara lapisan kain.

Machine Vision Lighting (4).png

Catatan: Cahaya merah bisa menyilaukan mata; kacamata pelindung harus dipakai saat beroperasi.

 

ⅳ. Cahaya Hijau: Menekan Gangguan Latar Belakang untuk Pengenalan Karakter yang Akurat

Cahaya hijau memiliki panjang gelombang sedang (520–570 nm) dan bekerja sangat baik pada sistem kamera monokrom, secara efektif menekan gangguan latar belakang serta meningkatkan fitur target.

 

1. Keunggulan Utama

Memberikan kontras yang sangat tinggi untuk target merah (misalnya, karakter merah tampak lebih terang di bawah cahaya hijau) dan dapat "menetralisir" latar belakang hijau (misalnya, tutup botol hijau tampak lebih gelap di bawah cahaya hijau, sehingga karakter putih menjadi lebih jelas).

 

2. Skenario yang berlaku

Pengenalan karakter pada label kemasan (misalnya, nomor batch putih pada tutup botol hijau), deteksi cacat merah (misalnya, kotoran putih pada komponen karet merah), dan ekstraksi target pada latar belakang yang ramai (misalnya, penentuan posisi bagian pada conveyor belt hijau).

Machine Vision Lighting (5).png

Catatan: Cahaya hijau bisa menyilaukan mata; kacamata pelindung harus dipakai saat beroperasi.

 

v. Strategi Utama: Meningkatkan Kontras dengan "Warna Bersebelahan/Komplementer"

Setelah memilih warna pencahayaan yang tepat, menerapkan "strategi kontras warna" dapat menggandakan efektivitas inspeksi:

 

1. Strategi Warna Bersebelahan

Gunakan warna pencahayaan yang mirip dengan objek target (misalnya, cahaya hijau untuk bagian hijau). Hal ini membuat objek target menjadi lebih terang pada gambar dan "menetralisir" latar belakang yang mengganggu—misalnya, pola hijau pada kantong kemasan hijau akan tampak pudar di bawah cahaya hijau, sehingga tidak mengganggu pengenalan kode QR putih .

 

2. Strategi Warna Komplementer

Gunakan warna pencahayaan yang berlawanan dengan objek target pada roda warna (misalnya, merah vs. hijau, biru vs. kuning). Ini menciptakan kontras kecerahan yang kuat—misalnya, karakter putih pada latar belakang hijau akan tampak lebih terang di bawah cahaya merah, sementara latar belakang menjadi lebih gelap, secara signifikan meningkatkan tingkat keberhasilan pengenalan.

Machine Vision Lighting (6).png

ⅵ. Ringkasan: Tabel Pemilihan Warna Pencahayaan untuk Referensi Mudah

Tujuan utama warna pencahayaan adalah untuk "meningkatkan kontras antara objek dan latar belakang." Tidak perlu mempersulitnya. Berdasarkan jenis material dan cacat, lihat tabel di bawah dan terapkan strategi warna bersebelahan/komplementer untuk mencapai kualitas gambar optimal serta menggandakan efisiensi algoritma.

 

Pemilihan warna pencahayaan memerlukan pertimbangan komprehensif dari faktor-faktor berikut:

Warna Pencahayaan

Rentang Gelombang (nm)

Karakteristik Utama

Aplikasi Tipikal

Cahaya putih

380–750

Serbaguna, reproduksi warna penuh

Pengujian awal, inspeksi kategori campuran, deteksi perbedaan warna

Lampu biru

450–495

Penonjolan cacat, penekanan pantulan

Goresan logam, kotoran kaca, lokalisasi tepi

Lampu merah

620–750

Daya tembus kuat, cocok untuk material gelap/semi-transparan

Pembacaan karakter pada botol gelap, deteksi gelembung dalam koloid, inspeksi lapisan antar

Cahaya Hijau

520–570

Penekanan latar belakang, kontras tinggi

Pengenalan karakter, peningkatan objek merah

 

Sebelumnya : Penerapan Sistem Visi Mesin dalam Mendeteksi Busuk Buah

Selanjutnya : Dari Kesalahan Manusia ke Ketepatan AI: Bagaimana Machine Vision Merevolusi Kontrol Kualitas PCB

PertanyaanPertanyaan

Hubungi HIFLY hari ini:

Nama
Perusahaan
MOBILE
Negara
Email
Pesan
0/1000
Email Email WhatsApp WhatsApp WeChat WeChat
WeChat
AtasAtas