HALCON 19.11

深度学习异常值检测

自动化表面检查是许多制造行业的重要任务，而基于深度学习的解决方案正成为区分零件、检测并分割缺陷的一种标准工具。但是，往往很难获得足够的缺陷图像，或者需要极大的工作量来标记可用数据。

借助 HALCON 全新的异常值检测功能，您只需使用相对较少的“良好”图像训练后即可进行检查。通过推断，得出在被检图像中检测到与训练图像相比存在的“异常值”。右图为一个有缺陷瓶颈的示例。

数据矩阵 ECC 200 读码器加速

在 HALCON 19.11 中，数据矩阵 ECC 200 读码器已针对多核心系统大幅加速。最大的改进是针对特别难以检测和读取的代码。对于此类代码，可以实现大约 200% 的加速。这一加速还可以优化利用现有硬件功能，从而大大提高嵌入式读码器的生存能力。

通用箱盒查找器

HALCON 19.11 提供了一项针对拾取和放置应用的新功能：通用箱盒查找器可以帮助用户根据 3D 空间查找不同尺寸箱盒，无需为需要查找的每种箱盒尺寸训练一个模型。这会大大提高许多应用的效率，特别是经常使用各种不同尺寸箱盒的物流和制药行业。

支持 ONNX

有许多公司使用开源框架训练深度学习模型 (CNN) 的 分类器。这些 CNN 可以被导出成 ONNX (Open Neural Network Exchange) 格式。 从 HALCON 19.11 开始， HALCON 可以读取 ONNX 格式的数据，从而让在第三方 训练的神经网络可以应用于 HALCON。