九月 25, 2025 | 发布的新闻稿 | HALCON
MVTec 的 HALCON 产品经理 Jan Gärtner 解释道：“在 HALCON 24.11 中，我们重点提升了 AI，特别是深度学习算法。用户现在可以检测和评估基于深度学习分类中的意外行为。许多客户也会欣赏优化后的二维码阅读器，特别是在具有挑战性的条件下，它变得更加强大。” 基于形状的匹配技术也变得更加用户友好，使得没有高级机器视觉经验的用户也能够轻松使用。此外，HALCON 软件版本的授权模式也得到了改进：HALCON 进阶版的用户现在可以毫无限制地在 HALCON 稳定版项目中工作。从24.11 版本起，不同版本之间将完全兼容。此外，新版本为开发者提供了 HALCON 新集成开发环境 HDevelopEVO 的预览。
分类中的超出分布检测（OOD）
通过 HALCON 的这一新功能，生产过程中由错误分类引起的意外行为可以轻松检测，并可以有效地采取针对性措施，例如停止机器。当使用深度学习分类器时，未知物体会被分配到系统已学习的类别之一。如果缺陷或物体本身是从未出现过的类型，则可能会导致问题。例如，系统仅接受训练识别红色或黄色标签的瓶子，而遇到带有绿色标签的瓶子时可能会发生分类错误。新的深度学习功能“超出分布检测（OOD）”在分类结果中包含未在训练数据中出现的物体时会通知用户。例如，这可能是一瓶绿色标签的瓶子，而系统只接受了红色或黄色标签的瓶子训练。在这种情况下，HALCON 会提供“超出分布”的消息以及一个 OOD 分数，表示与训练类别的偏差程度。
OOD 分数在扩展深度学习模型时也非常有用，通过显示哪些新图像对新模型最有价值。例如，一个新训练图像的 OOD 分数很高，表示该图像与网络中已有的图像偏差较大，意味着该图像的信息量更高，因此对训练更有价值。
新的 HALCON 版本使广泛应用的“基于形状的匹配”功能更加用户友好。该技术常用于快速、准确地定位物体。为了实现这一目标，HALCON 24.11 引入了新的专利申请中的“扩展参数估计”功能。该功能允许参数以更高的粒度进行估计，从而在某些应用中显著加快执行速度。“扩展参数估计”功能使得即使没有深入机器视觉专业知识的用户也能够进行参数估计。
HALCON 的二维码阅读器性能得到了显著提升。尤其是在复杂条件下，例如当图像区域内需要识别多个二维码或图像中存在大量纹理干扰检测时，这种改进尤为明显。识别率有所提高，并且在复杂场景下的评估时间显著减少。
对于所有使用 HALCON 自带集成开发环境（IDE）HDevelop 的用户来说，HALCON 24.11 带来了一个特别亮点：新 IDE HDevelopEVO 的预览版。该 IDE 具有更加现代化、直观的用户界面，以及改进的编辑器，这也是编程的核心要素。改进后的编辑器使得机器视觉应用的编程和原型设计更加快速高效。用户已经可以在 HALCON 24.11 中广泛测试这一新开发环境。HDevelopEVO 的功能将在后续版本中持续扩展，并且逐步成为 HALCON 的标准开发环境。
在 HALCON 24.11 中，该功能引入了基于深度学习的3D视觉市场创新，特别适用于料箱拣选和拾取放置应用。该功能在确定训练对象的精确位置和旋转方面具有很高的鲁棒性，并且特点是参数化工作量极低、执行速度极快。根据精度要求，可以使用一台或多台成本效益高的标准2D相机来确定位置。训练过程完全基于从 CAD 模型生成的合成数据，因此无需进一步的训练。
客户可以在 HALCON 24.11 中立即使用此功能进行模型训练和应用评估。需要时，他们可以随时联系 MVTec。HALCON 内的训练和评估功能将在下一个版本中提供。
在此版本中，HALCON 的 GigE Vision 接口支持 RoCEv2 网络协议，该协议提高了图像传输的性能。
HALCON 进阶版现已与 HALCON 稳定版完全兼容。进阶版用户现在可以与稳定版用户在同一项目上协作。此外，进阶版用户将与稳定版用户获得相同的维护更新。未来，从稳定版切换到进阶版只需更换许可证文件即可。
法律声明
版权所有。所有图像和文本材料仅可免费用于新闻报道。图片来源：MVTec Software GmbH。请向我们提供报道副本。除新闻报道外，这些材料禁止用于任何形式的商业用途。版权所有 © MVTec Software GmbH
发布日期： 九月 25, 2025
