Die neuesten Features von HALCON 25.11
MVTec HALCON 25.11 wurde im November 2025 veröffentlicht. Diese Version bringt wieder einige Verbesserungen sowie neue Features, wie z.B. das Continual Learning – Klassifikation, eine neue Technologie, die das Trainieren und Aktualisieren von Klassifikationsmodellen schneller und flexibler macht, mit sich. Das neue HALCON-Release enthält außerdem Score-Visualisierung für Shape Matching, optimierte Deep-OCR-Modelle für schnelleres, ressourceneffizientes OCR und weitere Verbesserungen.
Watch the HALCON 25.11 webinar
You can watch the recorded webinar about the new features in HALCON 25.11 on-demand.
Was verändert sich?
Continual Learning – Klassifikation
HALCON 25.11 bietet mit Continual Learning – Klassifikation eine neue Technologie, die das Trainieren und Aktualisieren von Klassifikationsmodellen schneller und flexibler macht. Anwender können Modelle mit nur wenigen Bildern pro Klasse erstellen und sie jederzeit anpassen – etwa um bestehende Klassen zu verfeinern oder neue hinzuzufügen.
Im Gegensatz zu herkömmlichem Deep Learning verhindert dieser Ansatz „catastrophic forgetting“ und reduziert den Pflegeaufwand erheblich. Auf Basis der von MVTec vortrainierten, für industrielle Szenarien optimierten Modelle lassen sich Anwendungen ohne vollständiges Retraining schnell aktualisieren. Da nur geringe Rechenleistung erforderlich ist, können Updates sogar direkt auf Edge-Geräten erfolgen. Dies eliminiert den Bedarf an externer Trainingshardware und ermöglicht einen effizienten, langfristigen Betrieb.
Das Ergebnis ist eine flexible Lösung, die sich an verändernde Produktionsbedingungen anpasst und sich für den langfristigen Einsatz in Embedded- und Edge-Umgebungen wie Smart Cameras, Sensoren und Inspektionsmodulen eignet.
Score-Visualisierung für Shape Matching
Mit der Score-Visualisierung für Shape Matching in HALCON 25.11 gewinnen Anwender mehr Transparenz beim Einrichten von Shape-Matching-Anwendungen. Anstelle eines Gesamtscores zeigt das Feature auf, wie verschiedene Modellbereiche zum Endergebnis beitragen. Durch das Konfigurieren farbcodierter Bins erkennen Anwender sofort, welche Bereiche gut matchen und welche schlechter abschneiden – etwa aufgrund von Schatten oder unerwünschten Texturen. Dieses visuelle Feedback erleichtert es erheblich, Modelle zu verfeinern, problematische Bereiche zu entfernen und Anwendungen zu optimieren – ein großer Usability-Vorteil insbesondere für weniger erfahrene Anwender.
Darüber hinaus unterstützt das Feature auch fortgeschrittene Szenarien in der Robotik. So lässt sich bestimmen, welches Objekt in einem Stapel am wenigsten verdeckt ist und daher zuerst gegriffen werden sollte.
Optimierte Deep-OCR-Modelle für schnelleres, ressourceneffizientes OCR
Mit den neuen Deep-OCR-Texterkennungsmodellen in HALCON 25.11 wird das Lesen von Text schneller und ressourcenschonender, ohne an Genauigkeit einzubüßen. Die Modelle liefern bis zu 50-mal schnellere Inferenz auf Embedded-Geräten. Alle Modelle sind von MVTec auf industriellen Bilddaten vortrainiert und beinhalten die bewährte Alignment-Vorverarbeitung, die die Erkennung bei variierender Textposition oder -ausrichtung verbessert. Dank ihrer optimierten Architektur ermöglichen die Modelle Echtzeit-OCR-Anwendungen auf Geräten mit geringer Rechenleistung bei gleichzeitig hoher Genauigkeit. Damit eignen sie sich ideal für Anwendungen wie Seriennummernprüfung, Etiketteninspektion oder Losnummern-Tracking in Branchen wie Logistik, Verpackung, Pharma, Konsumgüter und Medizintechnik.
MobileNetV4-Klassifikationsmodelle
Mit HALCON 25.11 unterstützt MVTec erstmals MobileNetV4-Modelle, eine neue Generation effizienter Deep-Learning-Modelle, die für ressourcenbeschränkte Systeme und Embedded-Geräte optimiert sind. Diese Modelle unterstützen sowohl Klassifikation als auch Objekterkennung und bieten hohe Genauigkeit bei gleichzeitig geringen Rechenanforderungen. Anwender profitieren von kurzen Inferenzzeiten, niedrigeren Systemkosten und einer einfachen Integration in bestehende HALCON-Projekte. Alle Modelle sind von MVTec vortrainiert, was eine starke Leistung für verschiedenen Anwendungsfällen wie Qualitätsprüfung, Produktklassifikation, Anwesenheitserkennung und Oberflächenfehleranalyse. Typische Einsatzbereiche sind die Automatisierung, Elektronik, Verpackung, Lebensmittel- sowie die Medizintechnik.
Verbesserungen beim Codelesen und der Druckqualitätsprüfung
Mit HALCON 25.11 werden das Codelesen und die Druckqualitätsprüfung (PQI) noch robuster und flexibler.
Die QR-Code-Erkennung wurde für anspruchsvolle Fälle wie gekrümmte oder verformte Oberflächen optimiert. Eine verbesserte Kandidatensuche steigert die Erkennungsrate deutlich, während die Laufzeit in Standardszenarien reduziert wurde – dies ermöglicht zuverlässiges Lesen in Branchen wie Logistik, Verpackung, Lebensmittelproduktion und Flaschenetikettierung.
Auch der Barcode-Leser wurde für Code 128 und GS1-128 erweitert und ist nun unempfindlicher gegenüber unregelmäßigen Strichbreiten durch Druckschwankungen oder lokale Verzerrungen. Dadurch steigt die Dekodierzuverlässigkeit in vielfältigen industriellen Anwendungen.
Darüber hinaus unterstützt HALCON die neuen Standards zur Druckqualitätsprüfung ISO/IEC 15415:2024 und ISO/IEC 29158:2025. Damit lässt sich die Codequalität nach den neuesten Anforderungen beispielsweise in der Pharma-, Lebensmittel- und Logistikbranche prüfen.
Diese Erweiterungen sichern Konformität, langfristige Prozessstabilität und höhere Robustheit bei einem breiten Spektrum industrieller Code-Lese-Anwendungen.
Integrierte SBOMs für einfachere Compliance
Mit HALCON 25.11 stellt MVTec Software Bills of Materials (SBOMs) bereit, die einen transparenten Überblick über die im Produkt enthaltenen Softwarekomponenten bieten. SBOMs entwickeln sich zu einer zentralen Anforderung neuer Vorschriften wie des EU Cyber Resilience Act und werden zunehmend in prozess- und sicherheitskritischen Branchen verlangt.
Indem SBOMs direkt mit HALCON ausgeliefert werden, erleichtert MVTec die Einhaltung von Vorgaben und reduziert den Aufwand für Kunden. In Form maschinenlesbarer SPDX-JSON-Dateien bereitgestellt, unterstützen SBOMs die Analyse von Schwachstellen und Lizenzen, die Erfüllung regulatorischer Pflichten sowie eine schnelle Reaktion auf neu entdeckte Risiken. Das Ergebnis sind weniger Integrationsaufwand, geringere langfristige Kosten und größeres Vertrauen in die Einhaltung sowohl regulatorischer als auch kundenspezifischer Anforderungen.
Syntax-Highlighting für HALCON-Skriptdateien in HDevelopEVO 25.11
In HDevelopEVO 25.11 wurde das Syntax-Highlighting für HALCON-Skriptdateien neu gestaltet, um den Code leichter lesbar, besser navigierbar und einfacher wartbar zu machen. Statt einheitlicher Farbgebung erscheinen Operatoren, Variablen und Kommentare nun in unterschiedlichen Farben, wodurch Skripte eine klarere visuelle Struktur erhalten. Dies erleichtert die Orientierung, reduziert Fehler und beschleunigt Debugging sowie Refactoring – für effizientere Arbeitsabläufe und eine flüssigere Entwicklung.
HALCON Script Engine und C++ API in HDevelopEVO
Mit HDevelopEVO 25.11 stellt MVTec die erste Preview der HALCON Script Engine als Nachfolger der HDevEngine vor. Sie bietet eine Laufzeitumgebung für das Ausführen von HALCON-Skripten, die in HDevelopEVO erstellt wurden. Zunächst lässt sich die HALCON Script Engine über eine C++-API in Anwendungen integrieren; weitere Schnittstellen wie .NET und Python sind für kommende Versionen vorgesehen. Damit schließt sie die Lücke zwischen Prototyping in HDevelopEVO und produktivem Einsatz in individuellen Lösungen.
Als Preview-Version ermöglicht die HALCON Script Engine bereits das Einbetten von HALCON-Skripten in Anwendungen. Zwar sind noch nicht alle Sprachfunktionen verfügbar, diese werden jedoch in zukünftigen Versionen ergänzt. Anwender können die neue Funktion in der Zwischenzeit erproben und erste Erfahrungen mit dem neuen Workflow sammeln.
Weitere Funktionen
Dieses Release enthält zudem mehrere Verbesserungen, die die Arbeit mit HDevelopEVO effizienter gestalten. Ein neuer Skriptkonverter unterstützt die Migration bestehender HDevelop-Prozeduren und Beispielprogramme nach HDevelopEVO – mit schrittweiser Umwandlung und Wiederverwendung von bewährtem Code. Auch die Usability wurde durch interaktive Werkzeuge erweitert: Ein in den Threshold-Operator integriertes Echtzeit-Histogramm erlaubt eine intuitive Parameteranpassung, während eine Live-Anzeige der Grauwerte beim Überfahren mit der Maus sofortige Pixelanalysen ermöglicht. Gemeinsam vereinfachen diese Funktionen die Migration, beschleunigen die Fehlersuche und straffen alltägliche Workflows in der Bildverarbeitung.
