Bayangkan sebuah peluru menembus apel yang renyah. Anda berkedip, dan Anda melewatkannya begitu saja. Kamera biasa tidak dapat menangkap momen secepat itu. Pengambilan gambar kecepatan tinggi mengubah segalanya. Teknologi ini merekam peristiwa yang terlalu cepat untuk mata Anda, membekukan waktu untuk menunjukkan detail yang tersembunyi.
Coba pikirkan kamera yang merekam peluru itu. Kamera itu mencapai kecepatan maksimum 150,000 frame per detik . Kecepatan itu membutuhkan lampu khusus untuk mengekspos setiap frame dengan benar.
Kamera berkecepatan tinggi yang digunakan untuk merekam peluru yang mengenai apel mencapai 150,000 frame per detik, dan membutuhkan pencahayaan khusus untuk merekam peristiwa tersebut.
Anda perlu mempelajari dasar-dasarnya. Kecepatan bingkai (frame rate), waktu pencahayaan (exposure time), dan pertimbangan pencahayaan sangat penting. Anda juga perlu menangani sejumlah besar data. Teknologi pencitraan berkecepatan tinggi ini membantu dalam sains, industri, dan analisis olahraga.
Ringkasan Utama
Pencitraan kecepatan tinggi menangkap peristiwa yang terlalu cepat untuk mata manusia, dengan kecepatan bingkai mulai dari 250 fps dan mencapai jutaan fps pada sistem khusus.
Kecepatan frame yang lebih tinggi membutuhkan pencahayaan yang lebih terang dan waktu pencahayaan yang lebih singkat agar gambar tidak menjadi buram atau terlalu gelap.
Pengambilan gambar berkecepatan tinggi menghasilkan sejumlah besar data, sehingga pemrosesan dan kompresi yang cepat sangat penting untuk penggunaan di dunia nyata.
Kamera berkecepatan tinggi membantu pabrik memeriksa kualitas dengan lebih baik, mengurangi cacat hingga 90%, dan meningkatkan analisis olahraga dengan menunjukkan gerakan yang tepat.
Teknologi baru seperti kamera berbasis peristiwa dan pemrosesan AI membuat pencitraan kecepatan tinggi lebih mudah digunakan dan lebih mumpuni.
Dasar-Dasar Akuisisi Gambar Kecepatan Tinggi
Kecepatan bingkai (frame rate) dan waktu pencahayaan (exposure time) adalah dasar dari pengambilan gambar berkecepatan tinggi. Kecepatan bingkai adalah jumlah gambar yang diambil kamera Anda setiap detik. Kecepatan bingkai diukur dalam bingkai per detik (FPS). Waktu pencahayaan adalah lamanya sensor mengumpulkan cahaya untuk satu gambar. Kedua pengaturan ini bersama-sama menentukan apa yang dapat Anda abadikan.
Kecepatan Bingkai dan Waktu Eksposur
Kecepatan bingkai kamera Anda bergantung pada dua hal: waktu pencahayaan dan waktu pembacaan. Waktu pembacaan adalah lamanya waktu yang dibutuhkan sensor untuk mengirim data setelah pencahayaan. Ketika waktu untuk satu bingkai lebih lama daripada jumlah waktu pencahayaan dan pembacaan, setiap siklus selesai sebelum siklus berikutnya dimulai. Mode tanpa tumpang tindih ini lebih sederhana tetapi memperlambat Anda. Mode tumpang tindih memulai pencahayaan berikutnya sementara bingkai sebelumnya sedang dibaca. Ini sangat meningkatkan kecepatan bingkai efektif Anda.
Penggunaan yang berbeda membutuhkan kecepatan yang berbeda pula. Tabel di bawah ini menunjukkan kecepatan frame tipikal untuk situasi umum.
Skenario Aplikasi | Kecepatan Bingkai Khas |
|---|---|
Pemantauan standar | 30 fps |
Inspeksi kecepatan sedang | 60 fps |
Manufaktur berkecepatan tinggi | 120 fps |
Aplikasi khusus | 250+ fps |
Sebagai contoh, jalur pengemasan yang bergerak dengan kecepatan 10 meter per detik membutuhkan setidaknya 60 fps. Hal ini memungkinkan jalur tersebut mendapatkan gambar yang jelas dari setiap produk untuk pemeriksaan kualitas secara real-time. Inspeksi elektronik dan PCB seringkali membutuhkan 60 fps atau lebih untuk membantu operator mengontrol proses.
Penelitian ilmiah mendorong batasan ini lebih jauh lagi. Definisi kecepatan tinggi dasar dimulai pada 250 fps dengan waktu penc exposure di bawah 1/1000 detik. Sistem komersial seperti Mega Speed Max-V3 dapat mencapai 3000 fps dengan waktu penc exposure 75 mikrodetik. Sistem CCD canggih dapat mencapai hingga 25 juta fps.
Kompromi Kecepatan vs. Cahaya
Saat kamera mengambil gambar, gambar tersebut tidak menunjukkan satu momen tunggal. Gambar tersebut menunjukkan pemandangan selama keseluruhan waktu pemaparan. Objek yang bergerak tampak buram atau tersebar searah dengan arah pergerakannya.
Efek buram akibat gerakan terjadi ketika objek yang dipotret banyak bergerak selama pemotretan. Waktu pemotretan yang lebih lama menghasilkan lebih banyak efek buram. Waktu pemotretan yang lebih pendek membekukan gerakan tetapi membutuhkan lebih banyak cahaya. Pada 25,700 fps , waktu pemotretan terlama adalah 39 mikrodetik. Pada 1 juta fps, waktu pemotretan turun menjadi 733 nanodetik. Jendela waktu pemotretan yang sangat kecil ini membutuhkan cahaya yang sangat terang untuk menghindari frame yang gelap dan tidak berguna.
Kecepatan pengambilan gambar Anda juga berbanding terbalik dengan resolusi. Kecepatan frame yang lebih tinggi meningkatkan aliran data, yang membatasi jumlah piksel . Pencahayaan belakang membantu dengan memperbesar area yang menangkap foton. Hal ini memungkinkan sensor mencapai 76,000 fps pada resolusi penuh sambil membutuhkan lebih sedikit cahaya. Anda harus menyeimbangkan kecepatan, resolusi, dan cahaya berdasarkan kebutuhan aplikasi Anda.
Komponen dan Teknologi Utama
Kamera dan Sensor Berkecepatan Tinggi
Sensor kamera Anda mengubah cahaya menjadi sinyal listrik. Ada dua jenis utama: CCD dan CMOS . Sensor CCD menghasilkan gambar berkualitas tinggi. Sensor CMOS memungkinkan pengambilan gambar yang cepat. Untuk kondisi cahaya rendah, sensor CMOS bertumpuk dengan pencahayaan belakang (back-illuminated stacked CMOS) membaca data lebih cepat dan mengurangi distorsi rolling shutter. Beberapa sensor sCMOS dengan pencahayaan belakang mencapai efisiensi kuantum di atas 95% dengan faktor pengisian 100%, yang berarti sensor tersebut menangkap hampir setiap foton yang mengenainya. Sensor beresolusi tinggi ini juga menghasilkan hingga 82 fps pada resolusi penuh.
Daya pemrosesan sama pentingnya dengan sensor. FPGA dan GPU mempercepat pemrosesan gambar dengan cara yang berbeda. FPGA 28nm memberikan efisiensi daya 22 kali lebih tinggi daripada GPU desktop jika Anda menggabungkan frame per detik, penggunaan daya, dan pemanfaatan transistor. Untuk tugas-tugas tertentu, FPGA mencapai peningkatan kecepatan hingga 8x untuk pengelompokan k-means. Mereka juga berjalan 57x lebih efisien daripada CPU ARM Cortex-A7 dan 28x lebih efisien daripada GPU nVIDIA GeForce GTX980. MPU Renesas RZ/A2M menggabungkan prosesor yang dapat dikonfigurasi ulang secara dinamis dengan CPU Arm Cortex-A9. Ini memberikan kinerja pemrosesan gambar 10x lebih baik daripada pendahulunya sambil menggunakan daya yang sangat rendah, menjadikannya sempurna untuk perangkat bertenaga baterai.
Sistem Pencahayaan dan Pemicu
Pencahayaan menentukan apakah gambar berkecepatan tinggi Anda menangkap detail yang berguna. LED adalah pilihan terbaik karena menawarkan efisiensi energi, daya tahan, dan keluaran cahaya yang stabil dengan suhu warna yang dapat disesuaikan. Pengaturan pencahayaan yang berbeda memiliki tujuan yang berbeda. Lampu cincin menghilangkan bayangan terarah. Lampu latar memungkinkan deteksi tepi yang tepat untuk pengukuran dimensi. Pencahayaan medan gelap mengungkapkan goresan mikro pada permukaan datar. Pada kecepatan inspeksi di atas 300 mm/s, bahkan eksposur 5 ms pun menciptakan keburaman gerakan kecuali jika cahaya Anda berkedip intens dalam jendela rana.
Pemicu menyinkronkan kamera Anda dengan pencahayaan dan bagian lainnya. Pemicu perangkat keras, seperti pulsa TTL melalui kabel BNC, memungkinkan kontrol kecepatan tinggi dan presisi tinggi tanpa bantuan perangkat lunak. Mode pemicu input memungkinkan perangkat keras eksternal memulai eksposur. Mode pemicu output memungkinkan kamera Anda mengontrol perangkat eksternal, seperti empat sumber cahaya terpisah melalui Expose Out 1–4. Sinkronisasi ini sangat penting untuk aplikasi visi mesin di mana pengaturan waktu eksposur yang tepat mencegah blur gerakan dan frame yang hilang. Untuk akuisisi gambar kecepatan tinggi, pemicuan yang tepat memastikan setiap frame menangkap momen yang Anda butuhkan.
Pemrosesan Gambar dan Penanganan Data Berkecepatan Tinggi
Mengambil gambar hanyalah permulaan. Bagian tersulit adalah memindahkan dan mengolah data. Kamera industri saat ini menghasilkan puluhan gigabyte data setiap detik dengan kecepatan pengambilan gambar yang sangat tinggi. Anda perlu mengirimkan sejumlah besar data ini dari kamera ke komputer, GPU, dan penyimpanan tanpa memperlambat kinerja.
Mengelola Gigabyte per Detik
Sistem Anda memiliki beberapa masalah penanganan data. Batasan bandwidth berdampak pada sensor beresolusi tinggi yang menghasilkan jutaan peristiwa setiap detik . Koneksi umum seperti USB 3.0 dan PCIe menjadi kelebihan beban saat Anda menggunakan banyak sensor. Manajemen memori juga sulit. Buffer melingkar gaya lama tidak dapat menangani aliran peristiwa yang tiba-tiba dan tidak terduga. Kebutuhan memori dapat meningkat seiring dengan kompleksitas adegan.
Berbagai jenis kamera mengelola bandwidth dengan cara yang berbeda. Kamera biasa dan SPAD mengambil sampel pada waktu yang telah ditentukan dan mengirimkan frame dengan kecerahan penuh. Hal ini menggunakan banyak bandwidth. Kamera event mengatasi hal ini dengan hanya merekam perubahan kecerahan sebagai peristiwa hidup/mati sederhana. Kamera ini memungkinkan pengoperasian yang cepat dengan penggunaan bandwidth yang rendah. Beberapa sistem menggabungkan SPAD dengan pengambilan sampel adaptif berbasis event untuk mengatasi keterbatasan ini.
Batasan bandwidth secara langsung memengaruhi kinerja sistem Anda. Perangkat lunak kamera menentukan kecepatan frame maksimum berdasarkan batas kecepatan data Anda. Menurunkan batas ini akan mengurangi kecepatan frame. Batas yang lebih kecil akan menambahkan jeda setelah setiap baris gambar. Hal ini memperlambat cara sensor membaca data dan memperburuk efek rolling shutter. Selain itu, kualitas gambar juga akan menurun.
Pemrosesan GPU membantu Anda mengatasi keterbatasan bandwidth ini. Sistem GPU lebih mudah diprogram daripada FPGA dan tetap memungkinkan pemrosesan frame rate yang cepat. Analisis gerak berbasis GPU dapat menangani pemrosesan piksel penuh secara real-time dengan kecepatan tinggi. Hal ini menjadikan GPU pilihan yang baik untuk pekerjaan pencitraan dengan throughput tinggi.
Algoritma Pemrosesan Waktu Nyata
Membuat algoritma waktu nyata bekerja dengan baik berarti menyeimbangkan kualitas dan kecepatan. Anda membutuhkan algoritma yang dapat menangani data dengan cepat untuk respons yang cepat sekaligus tetap akurat. FPGA dapat mencapai kecepatan bingkai tinggi 10,000 hingga 12,500 fps untuk ukuran gambar tertentu. Tetapi FPGA sulit diprogram dan memiliki memori terbatas. GPU adalah pilihan yang lebih sederhana. GPU memberikan hasil waktu nyata untuk menemukan objek dan menganalisis gerakan tanpa proses pembelajaran yang sulit seperti pengembangan FPGA.
Algoritma mana yang Anda pilih bergantung pada kebutuhan Anda. Untuk analisis gambar yang cepat, metode berbasis GPU memberi Anda kecepatan yang dibutuhkan dengan jumlah pekerjaan pengaturan yang wajar. Keseimbangan ini memungkinkan Anda untuk menangani kecepatan pemrosesan gigapixel dalam sistem produksi nyata.
Aplikasi dan Kasus Penggunaan
Teknologi pencitraan kecepatan tinggi mengubah cara Anda melihat dunia. Para ilmuwan, insinyur, dan kreator menggunakannya untuk mengamati peristiwa yang hanya berlangsung beberapa milidetik. Setiap bidang menggunakan ide dasar yang sama dengan caranya sendiri.
Penelitian Ilmiah dan Inspeksi Industri
Laboratorium penelitian menggunakan kamera berkecepatan tinggi untuk mempelajari peristiwa yang berlangsung cepat. Para ahli dinamika fluida mengamati aliran darah, arus laut, dan penerbangan. Ilmuwan material mengamati perubahan fase dan reaksi kimia. Peneliti biomekanik mempelajari gerakan otot dan perilaku sel. Tugas-tugas ini membutuhkan pengaturan waktu yang tepat dan pencahayaan khusus.
Inspeksi industri menggunakan pencitraan kecepatan tinggi untuk pemeriksaan kualitas. Pekerjaan umum meliputi pemeriksaan semikonduktor, elektronik, makanan, minuman, barang konsumsi, dan obat-obatan . Penggunaan lainnya mencakup pengujian biomedis, pemeriksaan baterai kendaraan listrik, pengelasan, dan uji tabrakan mobil.
Sistem berkecepatan tinggi mengungguli pemeriksaan manual dalam banyak hal. Sistem ini bekerja lebih cepat, tetap konsisten, meningkatkan akurasi, dan beroperasi sepanjang siang dan malam. Perekaman otomatis memberikan pelacakan yang lebih baik melalui tinjauan data.
Pencitraan kecepatan tinggi mengungguli inspeksi manual . Sistem ini bekerja lebih cepat, tetap konsisten, meningkatkan akurasi, beroperasi 24/7, mengurangi biaya tenaga kerja, dan pelacakan lebih baik melalui perekaman otomatis dan tinjauan data.
Keuntungan sebenarnya sangat besar :
Area Peningkatan | Persentase / Nilai |
|---|---|
Pengurangan tingkat lolosnya cacat | 90% |
Kecepatan identifikasi akar penyebab | 70% lebih cepat |
Pengurangan klaim garansi | 45% |
Peningkatan hasil produksi tahap pertama | 30% |
Akurasi deteksi | Sub-piksel (<0.1 mm) |
Sistem ini membekukan gerakan dengan waktu pemaparan yang singkat. Mereka memeriksa setiap unit dengan kecepatan produksi penuh. Edge AI menemukan cacat dalam hitungan milidetik, sehingga komponen yang rusak langsung ditolak. Hal ini menjadikan pencitraan kecepatan tinggi sangat penting bagi pabrik modern.
Analisis Olahraga dan Hiburan
Atlet dan pelatih menggunakan kamera berkecepatan tinggi untuk meningkatkan teknik. Sebuah studi yang membandingkan 30 fps versus 120 fps dalam analisis gerak 2D menemukan bahwa kecepatan bingkai yang lebih tinggi sangat meningkatkan akurasi gerakan. Hal ini penting untuk mengukur sudut lutut dan tekukan tubuh selama gerakan cepat seperti mendarat dan memotong. Kecepatan bingkai yang lebih rendah mungkin melewatkan sudut-sudut ini, yang membantu mendeteksi risiko cedera.
Olahraga yang berbeda membutuhkan kecepatan yang berbeda. Lari cepat pada 500-1000 fps memecah awalan menjadi puluhan frame. Pelari cepat papan atas mengambil sekitar 4.6 langkah per detik, setiap langkah berlangsung sekitar 217 milidetik. Pada 1000 fps, Anda mendapatkan 217 frame per langkah. Pukulan tongkat golf ke bola berlangsung sekitar 0.5 milidetik. Kamera 1000 fps menangkap sekitar 5 frame dari pukulan tersebut. Pukulan tongkat baseball ke bola berlangsung sekitar 0.7 milidetik dengan kecepatan bola lebih dari 170 km/jam.
Penyiar menggunakan kamera isolasi khusus untuk mengikuti pemain bintang. Sistem pemutaran ulang profesional dari perusahaan seperti EVS Broadcast Equipment menangani rekaman ini. Sebuah survei tahun 2019 menunjukkan bahwa 213 dari 257 truk produksi mobile HD menggunakan peralatan pemutaran ulang EVS. Sistem ini membantu wasit dengan alat-alat seperti VAR dan Hawk-Eye.
Hiburan juga bergantung pada pencitraan berkecepatan tinggi. Pengambilan gambar gerak untuk film dan video game menggunakan sistem pelacakan optik. Produksi virtual melacak kamera dengan karakter digital untuk visual langsung. Video musik “Crip Ya Enthusiasm” menggunakan 16 kamera Vicon Vero 2.2 dengan Unreal Engine. Pengaturan ini memungkinkan pengambilan gambar gerak langsung dan produksi virtual. Penggunaan kreatif ini menunjukkan bagaimana visi mesin melampaui pabrik.
Tantangan dan Arah Masa Depan
Penyimpanan Data, Bandwidth, dan Biaya
Kamera berkecepatan tinggi menghasilkan sejumlah besar data hanya dalam hitungan detik. Satu sesi perekaman dapat memenuhi penyimpanan hingga terabyte . Hal ini menimbulkan masalah besar bagi banyak kelompok. Anda menghadapi tiga masalah utama: ruang penyimpanan, batasan bandwidth, dan biaya peralatan.
Biayanya tidak hanya sebatas kamera itu sendiri . Model profesional yang mampu memotret dengan kecepatan 100,000 fps harganya $50,000 atau lebih . Kamera 4 MP harganya antara $10,000 dan $30,000. Sensor global shutter menambah biaya $5,000 hingga $20,000. Memori internal 10GB atau lebih menaikkan harga sebesar $2,000 hingga $10,000. Kamera biasa hanya mencapai 60-120 fps, sehingga tidak dapat digunakan untuk pekerjaan berkecepatan tinggi.
Bisnis kecil dan menengah sering memilih opsi yang lebih murah atau menunggu untuk melakukan peningkatan. Total biaya mencakup sistem penyimpanan data, komputer yang mumpuni, dan layanan penyiapan. Biaya-biaya ini dapat bertambah dengan cepat.
Metode kompresi membantu mengelola kebutuhan penyimpanan. Codec lossy seperti H.264 dan H.265 sangat mengecilkan ukuran file sambil mempertahankan kualitas yang baik. VP9 dan AV1 menawarkan opsi gratis dengan hasil serupa. Untuk kebutuhan lossless, HuffYUV dan Lagarith menyediakan encoding cepat tanpa kehilangan kualitas. Kompresi spasial menghilangkan data berulang di dalam frame menggunakan transformasi kosinus diskrit. Kompresi temporal menemukan kesamaan antara frame yang berdekatan melalui estimasi gerakan. Metode-metode ini secara dramatis mengurangi kebutuhan penyimpanan, membuat pencitraan kecepatan tinggi lebih bermanfaat untuk tugas sehari-hari.
Teknologi dan Tren yang Muncul
Kamera berbasis peristiwa menghadirkan perubahan besar pada pencitraan kecepatan tinggi. Tidak seperti sensor biasa yang menangkap bingkai penuh pada waktu yang ditentukan, kamera berbasis peristiwa hanya merekam perubahan kecerahan. Metode ini menghasilkan data yang sangat sedikit namun memungkinkan deteksi dan pelacakan kecepatan tinggi. Anda dapat mengamati percikan api yang bergerak cepat pada pengerjaan logam, mempelajari frekuensi getaran di setiap piksel, dan mendukung navigasi robot secara real-time. Penundaan yang rendah dan ukuran data yang kecil menjadikan kamera berbasis peristiwa sempurna untuk pengukuran ilmiah dan analisis perilaku yang berfokus pada privasi.
Kecerdasan buatan mengubah cara Anda memproses gambar berkecepatan tinggi. Perpaduan pencitraan komputasional dan AI menciptakan sistem cerdas yang berfokus pada akurasi deteksi daripada pengambilan data mentah. Alur kerja AI tipikal memiliki lima langkah : pengambilan, transfer, pra-pemrosesan, analisis, dan transfer hasil. Jaringan saraf konvolusional memeriksa gambar pada FPGA, memberikan pemrosesan instan untuk pilihan waktu nyata. Pengaturan ini memungkinkan deteksi kesalahan otomatis di pabrik dan mendukung pekerjaan pemrosesan gigapixel yang akan membebani sistem lama.
Komputasi tepi (edge computing) dan jaringan 5G membuka lebih banyak pilihan. Teknologi ini memungkinkan pekerjaan secara real-time di seluruh sistem yang terhubung. Masa depan visi mesin terletak pada pengambilan gambar, pemrosesan, dan pengambilan keputusan yang cerdas yang bekerja bersama dengan lancar. Seiring penurunan biaya melalui produksi massal dan desain modular, pencitraan kecepatan tinggi akan tersedia bagi lebih banyak industri dan peneliti.
Pencitraan berkecepatan tinggi mengungkap dunia yang tidak dapat Anda lihat dengan mata telanjang. Setiap sistem membutuhkan pertimbangan yang cermat. Kecepatan frame rate yang lebih tinggi membutuhkan pencahayaan yang lebih terang. Resolusi yang lebih tinggi menciptakan aliran data yang sangat besar. Anda harus menyeimbangkan faktor-faktor ini dengan anggaran dan tujuan Anda.
Pilihan kamera, pencahayaan, dan alur pemrosesan Anda menentukan keberhasilan. Seorang analis olahraga membutuhkan peralatan yang berbeda dari seorang inspektur pabrik. Sesuaikan peralatan Anda dengan aplikasi spesifik Anda. Uji pengaturan Anda sebelum membeli perangkat keras yang mahal.
Bidang ini terus berkembang. Kamera berbasis peristiwa dan pemrosesan AI membuka kemungkinan baru. Anda dapat memulai dari yang kecil dengan sistem demo atau menjelajahi studi kasus dari industri Anda. Cobalah menyewa kamera berkecepatan tinggi untuk melihat perbedaannya secara langsung. Momen-momen tersembunyi yang menunggu Anda sepadan dengan usaha yang telah dilakukan.
FAQ (Pertanyaan Umum)
Berapa frame rate yang mendefinisikan pencitraan kecepatan tinggi?
Pengambilan gambar berkecepatan tinggi dimulai pada 250 frame per detik. Waktu pemaparan tetap di bawah 1/1000 detik. Kamera komersial dapat mencapai 3000 fps. Sistem ilmiah dapat menangkap hingga 25 juta fps.
Mengapa kecepatan frame rate yang lebih tinggi membutuhkan cahaya yang lebih terang?
Eksposur singkat mengumpulkan lebih sedikit cahaya. Pada 1 juta fps, setiap eksposur hanya berlangsung selama 733 nanodetik. Anda membutuhkan cahaya terang untuk mencegah frame gelap. LED sangat cocok untuk tujuan ini.
Bagaimana Anda menangani data dalam jumlah besar dari kamera berkecepatan tinggi?
Kamera berkecepatan tinggi menghasilkan puluhan gigabyte data setiap detik. Pemrosesan GPU membantu Anda mengelola beban ini. Metode kompresi seperti H.264 mengurangi ukuran file sambil mempertahankan kualitas yang baik.
Apa yang membedakan kamera berbasis peristiwa dari kamera biasa?
Kamera event hanya merekam perubahan kecerahan. Kamera ini tidak menangkap frame penuh. Hal ini menghasilkan data yang sangat sedikit. Anda dapat melacak objek bergerak cepat dengan penundaan rendah dalam sistem visi mesin.
