MVTec HALCON 新版本聚焦 AI 与基于规则方法的速度与性能

HALCON 26.05 引入了多项关键创新。例如，全新集成的 Data Matrix 校正功能可在编码解码前对曲面或变形表面造成的畸变进行补偿，从而实现快速、可靠的读取。与此同时，HALCON 现已支持用于形状匹配的自动轮廓优化。该功能基于样本图像自动移除不稳定或具有误导性的轮廓，使匹配过程更快速、更稳定且更精确。

在 AI 目标检测方面，MVTec 也进一步扩展了功能。HALCON 26.05 中新一代基于深度学习的目标检测在保持高检测精度的同时，实现了最高可达 5 倍的推理速度提升。即使面对尺寸差异显著的小目标，也能实现可靠检测。集成的数据增强技术进一步提升了模型在光照变化、旋转以及部分遮挡条件下的稳健性。

作为 HALCON 26.05 发布的一部分，MVTec 还推出了集成开发环境 HDevelopEVO 的全新预览版本。借助新增的 .NET 接口，开发人员如今可以将 HDevelopEVO 中创建的脚本直接嵌入并运行于 .NET 应用程序中。此外，对多模态大语言模型（LLM）的支持也得到扩展，引入了可视化提示功能，使开发人员能够在向 AI 助手发送提示时直接包含图像数据。

用于形状匹配的自动轮廓优化:

反射、阴影和纹理往往会引入不稳定轮廓，从而降低匹配可靠性，并需要耗费大量人力进行手动清理。HALCON 26.05 中全新的自动轮廓优化功能基于样本图像自动移除这些不可靠轮廓，使匹配过程更快速、更稳定且更精确，尤其适用于反光或具有复杂纹理的对象以及对稳定性要求极高的自动化场景。

Data Matrix 校正：

曲面或变形表面会导致编码几何形状发生畸变，从而降低读取可靠性。HALCON 26.05 的全新校正功能可在解码前对这些畸变进行补偿，并可选地无缝集成到现有工作流程中，典型应用包括圆柱形部件、曲面包装以及柔性材料。

增强型数据增强：

HALCON 26.05 采用全新的基于算子的方式取代传统流程式数据增强，并将其直接集成到深度学习流水线中。通过以编程方式定义灵活的数据增强策略，开发人员能够提升模型的稳健性与泛化能力，并降低对大规模训练数据集的依赖。

下一代 AI 目标检测：

HALCON 26.05 的新一代目标检测在实现最高 5 倍推理速度提升的同时，依然保持高检测精度。即使在目标尺寸变化较大的情况下也能稳定运行，集成的数据增强进一步提高了模型对光照变化、旋转和遮挡的适应能力。

法律声明:

版权所有，Copyright ©MVTec Software GmbH。所有图片及文字资料仅限免费用于新闻报道。除新闻报道外，严禁将该资料用于任何商业用途。