HALCON 23.11 ist jetzt verfügbar!
Hier können Sie sehen, welche neuen Funktionen in HALCON 23.11 Progress enthalten sind. Die Version 23.11 wurde am 14. November 2023 veröffentlicht.
Quick links
oder installieren Sie die Software direkt über den MVTec Software Manager
Entdecken Sie jetzt unsere HALCON Broschüre
In unserer Broschüre finden Sie alle wichtigen Informationen zu unserer Software HALCON. Entdecken Sie MVTec HALCON und profitieren Sie von neuen Features.
MVTec License Server Cloud Ready
Mit HALCON 23.11 steht Kunden eine weitere, „Cloud-ready“-Variante, des Lizenzservers zur Verfügung. Damit ist es nun möglich, HALCON sowohl innerhalb der Cloud von kommerziellen Anbietern als auch in unternehmenseigenen Cloud-Umgebungen ohne Hardware, nämlich über eine Netzwerkverbindung zu lizensieren. Das bedeutet: HALCON kann nun einfach über sämtliche Cloud-Lösungen lizensiert werden. Durch das Nutzen von HALCON in der Cloud profitieren Kunden auf einfache Weise von den neuen Möglichkeiten, die die industrielle Bildverarbeitung in der Cloud bietet.
3D-Rekonstruktion basierend auf strukturiertem Licht
In HALCON 23.11 wurde das „structured light Modell“ erweitert: Neben der Deflektometrie liefert es nun in kurzen Taktzeiten präzise 3D-Rekonstruktion für diffuse Oberflächen. Diese Erweiterung gibt Nutzern die Flexibilität, ihre eigenen anwendungsspezifischen 3D-Rekonstruktionssysteme unter Verwendung eines Musterprojektors und einer 2D-Kamera zu entwickeln. Das Feature eignet sich insbesondere für Anwendungen, in denen präzise räumliche Darstellungen erforderlich sind. Somit eignet es sich für die Optimierung von Fertigungsprozessen, der Qualitätskontrolle und der genauen Vermessung verschiedener Oberflächen.
Multi-Label Klassifizierung
Mit der Multi-Label Klassifizierung steht Kunden in der neuen HALCON Version eine neue Deep-Learning-Methode zur Verfügung, welche es erlaubt, mehrere verschiedene Klassen in einem Bild zu erkennen. Solche Klassen können unterschiedliche Fehler, aber auch Eigenschaften wie Struktur oder Farbe sein. Solche Klassen können unterschiedliche Eigenschaften der Objekte im Bild umfassen, etwa verschiedene Arten von Fehlern, Farbe oder Struktur. In der Praxis kann die Methode beispielsweise aufzeigen, wenn verschiedene Arten von Fehlern auf einem Bild vorhanden sind und somit eine detailliertere Klassifizierung ermöglichen. Im Vergleich zu anderen Methoden ist diese Deep-Learning-Methode schneller in der Verarbeitung und auch der Aufwand für das Labeln ist geringer.
Weitere Verbesserungen
In HALCON 23.11 wurden eine Reihe von Verbesserungen für bestehende Methoden und Technologien umgesetzt. So wurden für Global Context Anomaly Detection, einer Methode zum Auffinden komplexer Anomalien, das dahinterstehende neuronale Netz weiter optimiert. Damit wird die Genauigkeit bei der Anomalieerkennung verbessert, ohne die Hardwareanforderungen oder die Ausführungszeit zu erhöhen.
Darüber hinaus verwendet HALCON jetzt das neueste NVIDIA® CUDA® Toolkit. Der Benutzer hat damit nun die Möglichkeit, aus einer noch größeren Anzahl von KI-Beschleunigern zu wählen. So werden beispielsweise nun auch die neuen NVIDIA Jetson OrinTM Module unterstützt.
Und schließlich wurden in HALCON 23.11 verschiedene Leistungsoptimierungen von HALCONs Kerntechnologien durchgeführt. So laufen beispielsweise die Operatoren für das Template Matching (NCC Matching) auf Arm-basierten Systemen nun bis zu 80% schneller.
Alle Funktionen von HALCON finden Sie in dieser Produkt-Feature-Übersicht. Wenn Sie mehr Informationen zu den technischen Daten benötigen, laden Sie bitte den Installationsleitfaden herunter oder schauen Sie sich unsere Seiten zu den technischen Daten an. Wenn Sie Ratschläge benötigen, wie Sie mit HALCON arbeiten können, sehen Sie sich bitte unsere Videos oder die Dokumentation an.
Sie sind an den älteren Versionen von HALCON interessiert? Die vorherigen Versionen finden Sie hier.