In der am 12. November 2025 erscheinenden neuen Version 25.11 von HALCON, wird die Software um weitere Deep Learning Features erweitert. Der Fokus dabei: Geschwindigkeit. „Geschwindigkeit ist ein wesentlicher Faktor dafür, dass Deep-Learning-basierte Anwendungen in der Praxis gewinnbringend eingesetzt werden können. Für die neue HALCON Version haben wir die Deep-Learning-Modelle für die Klassifizierung und das Code-Lesen optimiert. Dadurch wird die Interferenz um ein Vielfaches beschleunigt,“ sagt Jan Gärtner, Product Manager HALCON bei MVTec. Geschwindigkeit ist auch das Thema beim neuen Feature Continual Learning. Und zwar wenn es um die Adaption von Änderungen im Produktionsprozess geht. Das neue Deep-Learning-Modell für Klassifizierungsaufgaben ermöglicht es sowohl neue Klassen als auch neue Bilddaten für das Nachtrainieren schnell und einfach hinzuzufügen, ohne dass der Effekt des katastrophalen Vergessens eintritt.
Wie in jeder neuen HALCON Version, die im halbjährlichen Turnus erscheint, so finden sich auch in HALCON 25.11 neben neuen auch Verbesserungen bestehender Features. Neben Neuentwicklungen und Optimierungen greift MVTec auch fortwährend Kundenfeedback auf und integriert entsprechende Wünsche in HALCON. Ein Beispiel in der neuen Version ist verbesserte Visualisierung bei Matching-Verfahren. Nun werden gefunden, aber auch nicht gefunden Kanten farblich dargestellt.
Continual Learning
Mit HALCON 25.11 führt MVTec Continual Learning – Klassifikation ein. Damit lassen sich Klassifikationsmodelle mit wenigen Bildern pro Klasse schneller und flexibler trainieren und aktualisieren. Bestehende Klassen können jederzeit verfeinert oder neue hinzugefügt werden, ohne vollständiges Retraining. Der Ansatz verhindert „catastrophic forgetting“ und läuft auch auf Embedded-Geräten, wodurch externe Hardware entfällt. Das Ergebnis ist eine flexible Lösung, die sich an veränderte Produktionsbedingungen anpasst und für Embedded- und Edge-Umgebungen wie Smart Cameras und Sensoren geeignet ist.
Score-Visualisierung für Shape Matching
Mit HALCON 25.11 erhalten Anwender durch die Score-Visualisierung für Shape Matching mehr Transparenz beim Einrichten von Anwendungen. Statt nur einen Gesamtscore zurückzugeben, zeigt das Feature, wie unterschiedliche Modelkonturen beitragen. Farbcodierte Bins machen sofort sichtbar, welche Bereiche gut übereinstimmen und welche nicht gefunden werden konnten – etwa durch Schatten oder unerwünschte Texturen. Dieses Feedback erleichtert das Verfeinern und Optimieren von Anwendungen. Zudem unterstützt das Feature fortgeschrittene Robotik-Szenarien, etwa die Analyse, welches Objekt in einem Stapel am wenigsten verdeckt ist.
Optimierte Deep-OCR-Modelle für schnelleres, ressourceneffizientes OCR
HALCON 25.11 bringt neue Deep-OCR-Texterkennungsmodelle für schnelleres und ressourcenschonendes Textlesen bei gleichbleibender Genauigkeit. Auf Embedded-Geräten erreichen sie bis zu 50-fach schnellere Inferenz. Mit industriellen Bilddaten vortrainiert und mit bewährter Alignment-Vorverarbeitung ausgestattet, ermöglichen sie Echtzeit-OCR auch auf Geräten mit geringer Rechenleistung. Damit sind sie ideal für Inline-Aufgaben wie Seriennummernprüfung, Etikettenverifikation und Losverfolgung.
MobileNetV4-Klassifikationsmodelle
Mit HALCON 25.11 unterstützt MVTec erstmals MobileNetV4-Modelle – effiziente Deep-Learning-Modelle für ressourcenbeschränkte Systeme und Embedded-Geräte. Sie ermöglichen Klassifikation und Objekterkennung mit hoher Genauigkeit bei geringen Rechenanforderungen. Anwender profitieren von schnellen Inferenzzeiten, niedrigeren Systemkosten und einfacher Integration in bestehende Projekte. Alle Modelle sind von MVTec mit industriellen Bilddaten vortrainiert und liefern starke Ergebnisse für Aufgaben wie Qualitätsprüfung, Produktklassifikation und Defekterkennung.
Verbesserungen beim Codelesen und der Druckqualitätsprüfung
HALCON 25.11 macht das Codelesen und die Print-Quality-Inspektion (PQI) robuster. Die QR-Codenerkennung wurde für schwierige Fälle wie gekrümmte oder verzerrte Oberflächen verbessert, bei Standardfällen läuft sie schneller. Der Barcode-Leser ist bei Code 128 und GS1-128 toleranter gegenüber unregelmäßigen Balkenbreiten. Zudem unterstützt HALCON die neuen PQI-Standards ISO/IEC 15415:2024 und ISO/IEC 29158:2025, wodurch die Einhaltung aktueller Vorgaben gesichert ist.
Integrierte SBOMs für einfachere Compliance
Mit HALCON 25.11 stellt MVTec Software Bills of Materials (SBOMs) bereit, die transparente Einblicke in enthaltene Softwarekomponenten geben. SBOMs sind zunehmend regulatorisch gefordert, etwa durch den EU Cyber Resilience Act. Als SPDX-JSON-Dateien geliefert, erleichtern sie Compliance, unterstützen Sicherheits- und Lizenzprüfungen und senken Aufwand und Kosten.