HALCON 20.11

HALCON 20.11 wurde im November 2020 veröffentlicht und enthält viele neue und verbesserte Funktionen, mit welchen Anwender die Effizienz ihrer Machine-Vision-Prozesse weiter verbessern können. Neben Optimierungen für eine Reihe von Kerntechnologien enthält diese neue Version auch das neue Feature Deep OCR. Mit diesem Feature profitieren Nutzer von einem ganzheitlichen Deep-Learning-basierten Ansatz zur optischen Zeichenerkennung (OCR).

HALCON 20.11 erschien parallel in zwei Editionen: Steady und Progress. Während letztere als Abonnement erhältlich ist und einen sechsmonatigen Release-Zyklus bietet, wird die Steady-Edition zum regulären Kauf angeboten.

Weitere Informationen zu den neuen Funktionen dieser Version erhalten Sie auf dieser Seite oder in der Webinar-Aufzeichnung unserer Feature-Präsentation.

Verbesserungen beim oberflächenbasierten 3D-Matching

Oberflächenbasiertes Matching
Szene mit vielen Objekten und Kanten

In HALCON 20.11 ist die Kerntechnologie des kantenunterstützten oberflächenbasierten 3D-Matchings bei 3D-Szenen mit vielen Objekten und Kanten deutlich schneller.

Zusätzlich zu dieser Beschleunigung wurde die Benutzerfreundlichkeit verbessert, da nun die Notwendigkeit, einen Blickpunkt festzulegen, entfällt.

DotCode und Data Matrix Rectangular Extension

In HALCON 20.11 wurde der Datacode-Leser um den neuen Codetyp DotCode erweitert. Diese Art von 2D-Code basiert auf einer Punktematrix und kann sehr schnell gedruckt werden. Er eigenet sich daher besonders für Hochgeschwindigkeitsanwendungen, wie zum Beispiel in der Tabakindustrie.

Darüber hinaus unterstützt der ECC-200-Code-Leser jetzt die rechteckige Erweiterung des Data-Matrix-Codes (DMRE).

Deep OCR

Ergebnis von Deep OCR: Lokalisierte Gruppen von Ziffern
Automatische Gruppierung von Zeichen

Deep OCR ist ein ganzheitlich Deep-Learning-basierter Ansatz für OCR. Diese neue Technologie bringt die industrielle Bildverarbeitung dem menschlichen Lesen einen Schritt näher.

Im Vergleich zu bestehenden Algorithmen kann Deep OCR Zeichen viel robuster lokalisieren, sogar unabhängig von ihrer Ausrichtung, Schriftart und Polarität. Die Fähigkeit, Zeichen automatisch zu gruppieren, ermöglicht die Identifizierung ganzer Wörter. Dadurch wird die Erkennungsleistung stark erhöht, da z.B. Fehlinterpretationen von Zeichen mit ähnlichem Aussehen vermieden werden können.

Verbessertes formbasiertes Matching

Ergebnisse des formbasiertem Matchings mit HALCON
Gute Ergebnisse trotz niedrigem Kontrast

In HALCON 20.11 wurde die Kerntechnologie "formbasiertes Matching" insbesondere für Szenarien mit geringem Kontrast und starkem Rauschen verbessert.

Es werden nun mehr Parameter automatisch geschätzt. Dies erhöht die Benutzerfreundlichkeit sowie die Matching-Rate und Robustheit in Situationen mit geringem Kontrast und starkem Rauschen.

HDevelop Facelift

Screenshot von HDevelop im dunklen Modus
Screenshot von HDevelop

Um die Benutzerfreundlichkeit zu verbessern, wurde HDevelop, die in HALCON integrierte Entwicklungsumgebung, einem Facelifting unterzogen.

HALCON 20.11 bringt weitere Optionen zur individuellen Konfiguration, z.B. ein neues modernes Window-Docking-Konzept. Außerdem stehen für eine bessere visuelle Ergonomie nun Themes zur Verfügung, mit denen sich HDevelop an die individuellen Bedürfnisse anpassen lässt.

Kantenextraktion mit Deep Learning

Unterscheidung zwischen Parkettfugen und der Holzmaserung mit MVTec HALCON.
HALCON's Kantenextraktion mit Deep Learning kann zwischen Parkettfugen und der Holzmaserung unterscheiden.

Die Kantenextraktion mit Deep Learning ist eine neue und einzigartige Methode zum robusten Extrahieren von Kanten (z.B. Objektgrenzen), die hauptsächlich in zwei Anwendungsfällen genutzt wird.

Insbesondere für Szenarien, in denen eine Vielzahl von Kanten in einem Bild sichtbar ist, kann die Kantenextraktion mit nur wenigen Bildern trainiert werden, um die gewünschten Kanten zuverlässig zu extrahieren. Daher wird der Programmieraufwand stark reduziert. Außerdem ist das vorab trainierte Netzwerk von Haus aus in der Lage, Kanten bei geringem Kontrast und hohem Rauschen robust zu erkennen. Dies ermöglicht das Extrahieren von Kanten, die mit herkömmlichen Kantenerkennungsfiltern nicht identifiziert werden können.
 

HALCON/Python

Mit HALCON 20.11 wird die neue HALCON/Python-Schnittstelle eingeführt. Auf diese Weise können Entwickler, die mit Python arbeiten, problemlos auf das leistungsstarke Operatorset von HALCON zugreifen.