HALCON Steady
HALCON 22.11 提供了许多新的和改进的功能，帮助您进一步提高机器视觉性能。 它可用于永久版 (HALCON Steady) 和订阅版 (HALCON Progress)。因此，除了这些最新的功能，HALCON Steady 客户现 在还可以访问自 HALCON 20.11 以来的订阅版本中增加的大量新功能。
3D 抓取点检测
HALCON 22.11 首次将3D视觉和深度学习相结合。3D抓取点检测能够稳健地检测任何物体上适合用吸力抓取的表面。与经典的抓取应用相比，3D 抓取点检测是一种无 CAD 的方法，因此不需要事先了解相关物体的任何形状知识。提升的灵活性使其可用于各种全新的应用领域，如物流业或仓库存储。
新的数据类型 "内存块"
从HALCON 22.11开始，用户可以在HALCON中存储和传输二进制数据（如图像），也可以用其他应用程序进一步处理。这增加了 HALCON 与机器通信协议的兼容性，如 OPC UA 接口或图像采集接口。
对于已训练深度学习模型的保护
对于机器视觉应用，知识产权的保护越来越重要。这在深度学习领域尤为重要。与传统方法相比，特殊之处在于，质量不仅取决于算法本身，而且很大程度上取决于训练数据的数据质量。 深度学习应用的很大一部分工作是在收集数据和训练模型。因此，HALCON 22.11包括一个新的HALCON数据类型的加密机制。一个主要的用例是对深度学习模型进行加密。得益于此，通过确保只有授权用户才可以使用和查看深度学习模型，以此保护客户的技术投入和知识产权。
深度学习决策的可追溯性更强
热度图显示了图像的哪些区域对深度学习模型的分类结果具有决定性作用。这为深度学习过程的黑盒子提供了更多信息。Guided GradCam 是一种新的方法，能够提供更精确的信息，说明图像的相关区域对深度学习的决定是什么。例如，可以在后续处理过程中更精确地探究错误分类。
网络授权许可证
在HALCON 22.11中，MVTec增加了通过网络授权HALCON许可的选项。一个许可服务器将允许客户使用浮动许可证。在这里，开发人员通过网络连接共享事先给定数量的许可证。客户可以从更灵活的多用户使用中受益，并且开发人员在工作地点方面则享有更大的独立性和灵活性。特别是对于分布式或远程办公的开发团队来说，这是有效利用HALCON强大机器视觉算法的完美方式。除此之外，此新功能还可以在没有物理固定主机host-ID 的虚拟环境中工作。
多个算子功能增强和提速
HALCON 22.05 发布了各种改进。 一个例子是一个新的算子，它执行自适应直方图均衡以提高图像中的局部对比度。 这有助于从低对比度的图像中提取更多信息，尤其是在灰度值梯度不均匀的情况下。 此外，HALCON 工具库还扩展了一个新的算子，它允许使用任意形状区域对图像进行平滑处理。
此外，另一个新算子允许使用指定为对偶四元数的刚性 3D 变换来变换 3D 点。 最后，HDevelop 的匹配助手现在基于通用形状匹配生成代码。
全局上下文异常值检测
HALCON 22.11为检测图像中的逻辑异常开辟了全新的应用可能性。 这是深度学习技术异常值检测的进一步发展。 到目前为止，有可能检测到局部的结构异常。 新的“全局上下文异常值检测”是一种独一无二的技术，能够“理解”整个图像的逻辑内容。 就像 HALCON 现有的异常值检测一样，新的“全局上下文异常检测”只需要“好图像”进行训练，无需数据标记。
这项技术使检测全新的异常变体成为可能。 例如，缺少、变形或排列不正确的组件。 它开启了全新的可能性：例如，在半导体生产中检查印刷电路板或检查印记。
深度学习实例分割
HALCON 22.11 中又增添了新的名为”实例分割”深度学习功能。这项技术结合了语义分割和物体检测的优点。使用实例分割，可以将物体以像素精度分配到不同的类。 该技术在物体彼此非常接近、接触或重叠的应用中特别有用。 典型的使用场景还包括从盒子中抓取随机排列的物体（抓取应用）以及识别和测量自然生长的结构。
HALCON 深度学习框架
HALCON 22.11 引入了 HALCON 深度学习框架的第一个版本。 该框架允许有经验的用户在 HALCON 中创建自己的模型。 利用此功能，专家们现在可以在 HALCON 中甚至实现最苛刻和高度复杂的应用程序，而不必依赖预先训练的网络或第三方框架。
通用形状匹配
HALCON 22.11 引入了通用形状匹配，这使 MVTec 已工业验证的形状匹配技术更加人性化和面向未来。 通过显着减少所需算子的数量，用户现在可以更快，更轻松地实施他们的解决方案。 此外，由于 HALCON 将不同的形状匹配方法统一到一组算子中，因此用户现在可以更轻松地集成与形状匹配相关的新功能。
Deep OCR 训练
HALCON 的 Deep OCR 使用户能够在众多应用中高效地解决文本阅读应用程序。在HALCON22.11中，这项技术得到了扩展，它支持基于用户自有数据的，特定于应用程序的培训功能。这甚至可以解决最复杂的应用程序，例如阅读对比度差的文本（例如，在轮胎上）。 另一个优点是还可以训练很少使用的特殊字符或打印样式。 深度 OCR 训练显着提高了性能和可用性，并使应用程序运行更加鲁棒。
Code 128 条码阅读器得到改进
在 HALCON 21.11中，HALCON 的条形码阅读器在 Code 128/GS1-128 代码模糊的情况下的鲁棒性得到了改进。由于运动或焦深的限制，可能会出现此类代码的模糊。 现在，可以读取具有大量模糊的代码。 Code 128/GS1-128 是一种广泛使用的条形码类型，由于其紧凑的尺寸和高数据密度，经常用于物流。
数据矩阵 ECC 200 码的打印质量检测得到改进
印刷质量检验 (PQI) 是指根据国际标准对印刷的条形码和二维码的某些方面进行评估和分级。 例如，它表示各种代码阅读器读取代码的可靠性或制造过程中打印质量的稳定性。 HALCON 支持对一维和二维码的打印质量进行分级的各种标准。 在 HALCON 22.11 中，数据代码的 PQI 得到了进一步的改进。 现在它的速度提高了 150%。 此外，在数据矩阵 ECC 200 码印刷质量检测中，网格查找模块得到了大幅度的改进。最后，通过引入计算等级的新程序，提高了数据代码 PQI 的可用性。
