Bij machine vision wordt bij nieuwe toepassingen vaak als eerste naar een kleurencamera gekeken. Dat zie ik vooral bij AI inspectie. Een kleurenbeeld voelt logisch, omdat wij als mens ook in kleur kijken. Je ziet direct meer context en het beeld is makkelijker te beoordelen.
Voor een vision systeem is dat niet altijd de beste gedachtegang.
Een machine vision systeem kijkt niet naar een product zoals een operator dat doet. De software werkt met contrast, intensiteit, randen, textuur, vorm, positie, kleurwaarden of een combinatie daarvan. De belangrijkste vraag is daarom niet of het beeld er natuurlijk uitziet, maar welke beeldinformatie nodig is om betrouwbaar onderscheid te maken tussen goed en fout.
In de praktijk kies je meestal voor een monochrome camera wanneer het gaat om contrast, randen, OCR, codes, maatcontrole, aanwezigheid of snelheid. Je kiest een kleurencamera wanneer kleur zelf onderdeel is van de inspectiebeslissing, bijvoorbeeld bij kleurcontrole, verkleuring, labels, sorteren op kleur of AI toepassingen waarbij kleur aantoonbaar helpt.
Eerst de inspectievraag, daarna de camera
De keuze tussen monochroom en kleur begint niet bij de camera, maar bij de inspectievraag. Wat moet het systeem echt zien? Is dat een rand, tekst, code, contour, oppervlaktefout, positie of juist een kleurverschil?
Als kleur geen directe rol speelt in de beslissing, is monochroom vaak de meest robuuste start. Je krijgt meestal meer lichtgevoeligheid, een scherper bruikbaar beeld en een eenvoudiger verwerking.
Als kleur wel onderdeel is van goed of fout, dan is een kleurencamera logisch. Maar ook dan moet je nog bepalen of een standaard Bayer kleurencamera voldoende is, of dat de toepassing meer vraagt. Denk aan specifieke verlichting, filters, een 3 sensor prismacamera of een opstelling met monochrome camera en apart getriggerde RGB verlichting.
Wanneer de keuze tussen monochroom en kleur is gemaakt, begint pas de verdere camera selectie. Dan kijk je naar resolutie, sensorformaat, pixelgrootte, field of view, lens, interface, framerate en belichtingstijd. Dat zijn keuzes die pas goed te maken zijn als duidelijk is welke beeldinformatie de inspectie nodig heeft.
Waarom monochroom vaak de beste technische basis is
Een monochrome camera registreert lichtintensiteit. Iedere pixel levert direct een grijswaarde op. Er zit geen kleurfilterpatroon boven de sensor dat een deel van het licht blokkeert of kleurinformatie uit omliggende pixels moet reconstrueren.
Dat maakt een monochrome camera in veel situaties gevoeliger, scherper en eenvoudiger te gebruiken. Zeker wanneer het gaat om korte belichtingstijden, kleine details, randdetectie, maatcontrole, OCR of code lezen.
Bij veel inspecties is kleur namelijk niet de relevante informatie. Een rand is een overgang in intensiteit. Een kras is vaak een lokaal contrastverschil. Een datamatrix code moet vooral scherp en met voldoende modulecontrast zichtbaar zijn. Een contour voor robotgeleiding hoeft niet in kleur herkend te worden, maar moet stabiel uit het beeld gehaald kunnen worden.
Daarom start ik in de praktijk vaak met de vraag: kan ik het probleem oplossen met grijswaardecontrast? Als het antwoord ja is, dan is monochroom meestal de meest robuuste route.
Dat betekent niet dat kleur verkeerd is. Het betekent wel dat kleur pas waarde toevoegt wanneer kleurinformatie ook echt onderdeel is van de inspectiebeslissing.
Wanneer een kleurencamera nodig is
Een kleurencamera gebruik je wanneer kleur zelf inspectierelevant is. Bijvoorbeeld wanneer een product op kleur gesorteerd moet worden, wanneer een dop de juiste kleur moet hebben, wanneer gekleurde draden herkend moeten worden of wanneer een label niet alleen aanwezig moet zijn, maar ook met de juiste kleur gedrukt moet zijn.
Ook bij verkleuring, rijpheid, vervuiling of materiaalonderscheid kan kleurinformatie belangrijk zijn. In dat soort toepassingen kan een monochrome camera onvoldoende informatie geven, omdat het verschil tussen goed en fout niet alleen in lichtintensiteit zit, maar in de verhouding tussen rood, groen en blauw.
Bij AI toepassingen ligt dit iets genuanceerder. Vaak wordt bij AI automatisch aan kleur gedacht, omdat trainingsbeelden in kleur herkenbaarder zijn voor mensen. Maar een neuraal netwerk heeft niet altijd kleur nodig. Als het verschil tussen goed en fout vooral zit in vorm, structuur, beschadiging, textuur of aanwezigheid, dan kan een monochroom beeld voldoende zijn. Soms is het zelfs beter, omdat je minder variatie introduceert.
Kleur kan een AI model helpen wanneer kleur een echte feature is. Maar kleur kan ook ruis worden wanneer lichtkleur, witbalans, reflectie of productvariatie niet goed onder controle zijn. Dan leert het model soms ongewenste variatie in plaats van het echte inspectiekenmerk.
Het Bayer patroon en effectieve resolutie
De meeste industriële kleurencamera’s werken met een Bayer patroon. Dat betekent dat er boven de pixels op de sensor kleurfilters liggen. Meestal volgens een rood, groen, groen, blauw patroon. Iedere pixel meet dus niet volledige kleurinformatie, maar slechts één kleurcomponent.
De kleurwaarde per pixel wordt daarna berekend uit omliggende pixels. Dit proces heet demosaicing.
Voor normale beeldweergave werkt dat goed. Voor machine vision moet je hier bewust mee omgaan. Een 5 megapixel kleurencamera met Bayer patroon is niet hetzelfde als een 5 megapixel monochrome camera wanneer je kijkt naar effectieve detaildetectie. De sensor heeft wel hetzelfde aantal pixels, maar de kleurinformatie wordt ruimtelijk gereconstrueerd.
Dat kan invloed hebben op fijne structuren, kleine defecten, smalle randen en objecten die maar enkele pixels groot zijn. Vooral wanneer je dicht tegen de resolutiegrens van de inspectie aan zit, moet je dit meenemen in de camerakeuze.
Bij een monochrome camera draagt iedere pixel direct bij aan het beeld. Bij een Bayer kleurencamera wordt het uiteindelijke kleurenbeeld deels berekend. Dat betekent niet dat Bayer kleurencamera’s slecht zijn. Ze zijn in veel toepassingen prima bruikbaar en vaak de standaard voor kleurbeeld. Maar je moet ze niet één op één vergelijken met monochrome camera’s alsof alleen het aantal megapixels telt.
Wanneer kleurinspectie kritisch is en je geen verlies in ruimtelijke kleurinformatie wilt, bestaan er ook 3 sensor kleurencamera’s met een prisma. Hierbij wordt het inkomende licht optisch gesplitst naar drie aparte sensoren voor rood, groen en blauw. Daardoor heeft elk kleurkanaal zijn eigen volledige sensorinformatie. Deze camera’s zijn technisch sterker voor nauwkeurige kleurinspectie, maar ook duurder, groter en minder gangbaar dan Bayer kleurencamera’s.
Voor de meeste toepassingen is een Bayer kleurencamera voldoende. Voor kritische kleurmeting of toepassingen waarbij kleur en detail op pixelniveau belangrijk zijn, kan een 3 sensor camera interessant worden.
Heb je altijd een kleurencamera nodig om kleur te herkennen?
Nee. Dat is een punt dat vaak wordt vergeten.
Als je alleen onderscheid hoeft te maken tussen twee duidelijke kleuren, kun je dat soms ook oplossen met een monochrome camera en een optisch kleurfilter. Je gebruikt dan geen volledig kleurenbeeld, maar maakt het kleurverschil zichtbaar als grijswaardecontrast.
Stel dat kleur A veel licht reflecteert binnen een bepaald golflengtegebied, en kleur B veel minder. Met de juiste verlichting en het juiste filter kan een monochrome camera dit als een helder donker verschil zien. Voor de software is dat vaak voldoende.
Dit kan een stabielere oplossing zijn dan een kleurencamera, vooral wanneer snelheid, lichtgevoeligheid of eenvoud belangrijk is. De inspectie wordt dan teruggebracht naar een goed gecontroleerd contrastprobleem. En dat is precies waar klassieke machine vision sterk in is.
Daarbij moet je wel testen met echte producten. Kleurverschillen die voor het menselijk oog duidelijk lijken, zijn niet altijd duidelijk onder industriële verlichting. Andersom kunnen kleuren die voor ons dicht bij elkaar liggen, optisch juist goed te scheiden zijn met de juiste golflengte en filtercombinatie.
Wanneer filters een belangrijke rol spelen, moet je niet alleen naar de camera kijken. Een machine vision filter kan helpen om contrast te verhogen, reflecties te verminderen en ongewenst licht te blokkeren.
Kleurinformatie opbouwen met monochrome camera en RGB verlichting
Er is nog een andere mogelijkheid: een monochrome camera combineren met apart aangestuurde RGB verlichting.
Bij deze methode maak je meerdere beelden van hetzelfde object. Eén beeld met rode belichting, één met groene belichting en één met blauwe belichting. Uit deze afzonderlijke grijswaardebeelden kun je daarna kleurinformatie afleiden of zelfs een samengesteld kleurbeeld opbouwen.
In de praktijk kan dit bijvoorbeeld met RGB ringverlichting of RGB dome verlichting. Sommige uitvoeringen hebben ook een vierde kanaal met wit licht. Voor het aansturen heb je een lichtcontroller nodig die de verschillende kanalen apart en op het juiste moment kan triggeren.
Deze aanpak is niet voor elke toepassing geschikt. Het object moet tijdens de opnames stil liggen, of de beweging moet exact gecontroleerd zijn. Bij snelle producten op een transportband is dat niet altijd praktisch. Maar bij stilstaande inspectie, indexerende machines of gecontroleerde triggerposities kan het een interessante oplossing zijn.
Het voordeel is dat je de gevoeligheid en scherpte van een monochrome camera behoudt, terwijl je toch kleurgerelateerde informatie kunt opbouwen. Daarnaast kun je per kleurkanaal de belichting optimaliseren. Dat geeft soms meer controle dan één standaard kleurenopname met wit licht.
Voor een automation engineer betekent dit wel dat de timing goed moet kloppen. Camera trigger, belichtingstrigger, exposure time en productpositie moeten op elkaar afgestemd zijn. Als dat niet klopt, vergelijk je beelden die niet exact hetzelfde objectmoment vastleggen.
Wanneer camera, verlichting, trigger timing, software en machinebesturing samen moeten werken, wordt het meer dan alleen een camerakeuze. Dan gaat het om de manier waarop het vision systeem in de machine of productielijn wordt geïntegreerd. Meer over die aanpak staat op de pagina over zelf een machine vision systeem integreren.
OCR en code lezen
Voor OCR, barcodes en datamatrix codes kies ik in de meeste gevallen voor monochroom.
Bij OCR wil je geen mooi kleurenbeeld, maar een stabiel beeld waarin karakters goed te segmenteren zijn. De software moet onderscheid maken tussen teken en achtergrond. Dat vraagt om scherpte, contrast, voldoende pixels per karakter en zo min mogelijk reflectie of bewegingsonscherpte.
Hetzelfde geldt voor barcodes en datamatrix codes. De code moet scherp, vervormingsarm en met voldoende modulecontrast in beeld staan. Kleurinformatie voegt in veel gevallen niets toe.
Een kleurencamera kan zinvol zijn wanneer de code of tekst onderdeel is van een bredere labelcontrole waarbij ook kleur gecontroleerd moet worden. Maar als de taak alleen OCR of code lezen is, is monochroom meestal eenvoudiger en robuuster.
AI inspectie: kleur bewust gebruiken
Bij AI inspectie is het verstandig om kleur niet automatisch als uitgangspunt te nemen, maar als variabele die je test.
Als kleur het onderscheid tussen goed en fout ondersteunt, gebruik kleur. Denk aan bruine plekken op voedsel, verkleuring in kunststof, kleurverschillen tussen onderdelen of labels waarbij kleur bepalend is.
Als het inspectiekenmerk vooral geometrisch of structureel is, test dan ook monochroom. Denk aan scheuren, krassen, vervorming, ontbrekende onderdelen, deuken, randen of vervuiling die vooral als contrast of textuur zichtbaar wordt.
Voor AI training is consistentie vaak belangrijker dan een visueel rijk beeld. Een model presteert beter op stabiele beelden met relevante informatie dan op beelden met veel variatie die niets met de inspectievraag te maken heeft. Kleur kan nuttige informatie zijn, maar kleur kan ook extra variatie toevoegen door verlichting, reflectie, witbalans, materiaalbatch of omgevingslicht.
Daarom maak ik bij AI toepassingen liever eerst een kleine beeldset met verschillende camera en belichtingsopties. Niet alleen van perfecte producten, maar juist ook van randgevallen, twijfelgevallen, normale productvariatie en echte afkeur. Daarna kun je beter beoordelen of kleur werkelijk waarde toevoegt.
De rol van verlichting
De keuze tussen monochroom en kleur kun je niet los zien van verlichting. In veel projecten bepaalt de verlichting meer dan de camera.
Met de juiste belichting kun je productkenmerken zichtbaar maken die in een standaard beeld nauwelijks opvallen. Een backlight maakt contouren en maatverschillen veel stabieler. Coaxiale verlichting kan vlakke reflecterende oppervlakken beter beoordelen. Dome verlichting kan reflecties verzachten. Polarisatie kan glans onderdrukken. Rood, blauw, groen, UV of infrarood licht kan bepaalde materiaal of kleurcontrasten versterken of juist onderdrukken.
Dat is belangrijk, omdat je met verlichting het inspectieprobleem vaak eenvoudiger kunt maken. In plaats van een moeilijk algoritme op een matig beeld, maak je eerst een beeld waarin het kenmerk duidelijk zichtbaar is.
Een monochrome camera met goed gekozen machine vision verlichting kan daardoor beter presteren dan een kleurencamera met wit licht. Zeker wanneer de inspectie draait om contrast, randen, structuur of aanwezigheid.
Filters en golflengtes
Optische filters worden vaak onderschat. Een filter kan helpen om ongewenst licht te blokkeren en alleen het relevante deel van het spectrum door te laten.
Bij monochrome camera’s is dit erg bruikbaar. Je kunt bijvoorbeeld LED verlichting met een specifieke golflengte combineren met een passend bandpass filter. Daardoor verminder je invloed van omgevingslicht en maak je het beeld stabieler.
Ook kleurfilters kunnen helpen om bepaalde productkleuren lichter of donkerder weer te geven in een monochroom beeld. Daarmee kun je kleurverschillen vertalen naar grijswaardecontrast.
Bij kleurencamera’s moet je voorzichtiger zijn met filters, omdat een filter direct invloed heeft op de kleurweergave. Dat hoeft geen probleem te zijn, maar het moet wel bewust gebeuren. Zeker wanneer je kleurwaarden wilt beoordelen of vergelijken.
Praktische manier van kiezen
In de praktijk begin ik niet met de vraag welke camera het meeste kan. Ik begin met de inspectievraag.
Wat moet zichtbaar worden? Is dat vorm, rand, positie, tekst, code, oppervlaktestructuur of kleur? Is het object in beweging? Hoeveel belichtingstijd is beschikbaar? Hoe klein is het defect of detail dat je wilt zien? Is het verschil tussen goed en fout stabiel zichtbaar, of verandert het door materiaal, glans of productvariatie?
Als kleur geen directe rol speelt, is monochroom vaak de beste start. Je krijgt meestal meer lichtgevoeligheid, een scherper bruikbaar beeld en een eenvoudiger verwerking.
Als kleur wel onderdeel is van de beslissing, kies je voor kleur. Maar ook dan moet je bepalen of een normale Bayer kleurencamera voldoende is, of dat de toepassing meer vraagt. Bijvoorbeeld een 3 sensor prismacamera, een specifieke belichtingsopstelling of een combinatie van monochroom met filters of RGB verlichting.
Pas daarna wordt het zinvol om de verdere camera selectie uit te werken, zoals resolutie, sensorformaat, lens, interface en belichtingstijd.
Conclusie
Een kleurencamera is niet automatisch beter omdat er meer informatie in het beeld zit. Meer informatie is alleen nuttig wanneer die informatie nodig is voor de inspectie.
Voor veel machine vision toepassingen is een monochrome camera de meest robuuste keuze. Zeker bij OCR, code lezen, maatcontrole, randdetectie, aanwezigheid, robotgeleiding en snelle inspecties. Iedere pixel draagt direct bij aan het beeld en je kunt met verlichting en filters veel controle krijgen over het contrast.
Een kleurencamera kies je wanneer kleur echt inspectierelevant is. Bijvoorbeeld bij kleurcontrole, sorteren op kleur, verkleuring, gekleurde labels, gekleurde onderdelen of AI toepassingen waarbij kleur aantoonbaar bijdraagt aan het onderscheid.
Let bij kleurcamera’s op het Bayer patroon en de effectieve resolutie. Een kleurencamera met Bayer patroon gebruikt kleurfilters en reconstructie om een kleurenbeeld te maken. Voor veel toepassingen is dat prima, maar bij kleine details of kritische detectie moet je dit meenemen in de selectie.
Soms kun je kleurverschillen ook herkennen met een monochrome camera, de juiste verlichting en een kleurfilter. En in specifieke situaties kun je met een monochrome camera en apart getriggerde RGB verlichting kleurinformatie opbouwen.
De beste keuze begint dus niet bij monochroom of kleur. De beste keuze begint bij de vraag: welke beeldinformatie maakt mijn inspectie betrouwbaar?
