Darin setzt das Münchener Unternehmen weiterhin auf die erfolgreiche Kombination aus klassischen Bildverarbeitungsmethoden und Deep Learning. So verbindet ein neues Feature beispielsweise traditionelle 3D-Vision-Verfahren mit der KI-Technologie. Davon profitieren insbesondere Unternehmen der Logistikbranche. MVTec entwickelt in HALCON die Kerntechnologien aus beiden Systemwelten – klassisch und KI-basiert – kontinuierlich weiter. Das neue Release verfügt über eine umfassende Toolbox mit mittlerweile mehr als 2.100 Operatoren. So lassen sich leistungsstarke Bildverarbeitungsanwendungen für die verschiedensten Industriebranchen umsetzen, was die Produktionseffizienz in Unternehmen entscheidend erhöht.
„Mit HALCON 22.11 zeigen wir einmal mehr, dass der gezielte Einsatz von Deep Learning bestehende Bildverarbeitungstechnologien auf eine neue Stufe hebt. Die 3D Gripping Point Detection beispielsweise bietet eine einfache Lösung für die effiziente Automatisierung einer komplexen Applikation. So zahlen wir mit dem neuen Release abermals auf unser Versprechen ein, den Nutzern eine der weltweit leistungsfähigsten und technologisch fortschrittlichsten Machine-Vision-Software-Lösungen bereitzustellen“, erklärt Mario Bohnacker, Technical Product Manager HALCON bei MVTec.
In verschiedenen Editionen erhältlich
Das neue Release HALCON 22.11 erscheint in einer Steady- und in einer Progress-Edition. Während Letztere als Abonnement erhältlich ist und einen sechsmonatigen Release-Zyklus bietet, wird die Steady-Version zum regulären Kauf mit einem Release-Zyklus von zwei Jahren angeboten.
Ein Highlight in HALCON 22.11 ist die neue Technologie “3D Gripping Point Detection“: Damit lassen sich Oberflächen, die sich für das Greifen mit Saugern eignen, auf beliebigen Objekten robust erkennen. Anders als bei klassischen Bin-Picking-Anwendungen entfällt somit das Einlernen von Objektoberflächen. Es sind keinerlei Vorkenntnisse über die jeweiligen Objekte erforderlich. So lassen sich typische Anwendungen wie etwa in der Logistikbranche deutlich zügiger und damit kosteneffizienter umsetzen.
Mit HALCON 22.11 wird auch ein neuer Datentyp „Memory Block“ eingeführt: Damit lassen sich in HALCON Binärdaten speichern, übertragen und mit anderen Anwendungen weiterverarbeiten. Das steigert die Kompatibilität der Software mit Maschinenkommunikation wie OPC UA- oder Bildeinzugs-Schnittstellen wie etwa zur Speicherung von Kamerakonfigurationsdateien. Zudem können damit sämtliche in HALCON verfügbaren Daten verschlüsselt werden, was die Datensicherheit deutlich erhöht. So können nun auch trainierte Deep-Learning-Modelle verschlüsselt werden. Des Weiteren können Nutzer ihr Know-how und ihre Investitionen schützen, die in das Sammeln der Daten und das Training der Modelle geflossen sind. Darüber hinaus lässt sich dadurch sicherstellen, dass nur autorisierte Anwender das jeweilige Modell verwenden.
Deep-Learning-Entscheidungen besser nachvollziehen
Ein weiteres neues Feature bringt mehr Licht in die Deep Learning Black Box und erhöht damit die Nachvollziehbarkeit entsprechender Prozesse: Die Guided GradCam liefert nun in Form einer Heat-Map noch präzisere Anhaltspunkte hinsichtlich der relevanten Bildbereiche für die jeweilige Entscheidung des Deep-Learning-Netzes. So lassen sich beispielsweise Fehlklassifizierungen untersuchen.
Neu in HALCON 22.11 ist auch die Unterstützung von HAILO KI-Beschleunigungs-Hardware: Diese lässt sich jetzt über ein Plugin nutzen, um Deep-Learning-Inferenzen sehr schnell auszuführen. Dies erweitert das Spektrum der verfügbaren Hardware und erhöht die Flexibilität, die besten Komponenten für jede Anwendung einzusetzen.
Und nicht zuletzt bietet das neue Release nun auch die Option, HALCON über ein Netzwerk zu lizenzieren. Realisiert wird dies über sogenannte Floating-Lizenzen. Dabei teilen sich Entwickler eine vordefinierte Anzahl von Lizenzen über eine Netzwerkverbindung. So profitieren Kunden von einer flexibleren Benutzerzuordnung, Entwickler von mehr Unabhängigkeit und Flexibilität hinsichtlich ihres Arbeitsortes. Gerade dezentrale oder remote arbeitende Entwicklungsteams können somit HALCONs leistungsstarke Machine-VisionAlgorithmen noch effektiver nutzen. Zudem wird das Arbeiten in virtuellen Umgebungen ohne permanente physikalische Host-ID möglich.