更强大的通用箱体定位算法Generic Box Finder
HALCON 19.11 发布的通用箱体定位算法，使用户可以在预定的长宽高范围内找到不同大小的盒，而无需训练模型。HALCON 20.05，在该算法的鲁棒性，性能，速度和可用性方面进行了改进。现在，可以更方便、鲁棒地查找各种尺寸不同的盒子。
异常值检测改进
异常值检测仅需要少量的高质量“完好”图像进行训练，已经极大地促进了自动表面检查。使用 HALCON 20.05，训练神经网络进行异常检测的速度比现在快了10倍。结合更快的推理能力，这为尝试在新的和现有的应用程序上进行深度学习提供了全新的可能性：现在，训练新的神经网络可以在几秒钟内完成，从而允许用户执行许多迭代来微调其应用程序而不会牺牲很多宝贵的时间。经过训练的神经网络也需要更少的内存和磁盘空间，这使得 HALCON 的异常值检测更适合在嵌入式设备上使用。
CPU 支持基于 Grad-CAM 的热度图
基于 Grad-CAM 的热度图（Gradient-weighted Class Activation Mapping）可帮助您分析图像的哪些部分影响了分类结果。在 HALCON 20.05 中，热度图计算也可以在 CPU 上执行。由于可以在不显着降低速度的情况下完成此操作，因此客户现在可以“即时”分析其深度学习网络的分类预测。