MERLIC 5.7 具有许多新的和改进的功能。在这里，您可以快速了解一些最值得关注的变化。要查看此 MERLIC 版本中所有更新的列表，请参阅版本说明。
MERLIC Runtime Environment 的功能改进
本 MERLIC 版本改进了流程集成模式，以提高可用性并简化 MERLIC Runtime Environment (MERLIC RTE) 通讯插件的管理。
MERLIC RTE 的配置服务
与以前的 MERLIC 版本相比，现在不再需要启动专门的“MERLIC Communicator”应用程序来配置和执行 MERLIC RTE 的通讯插件。现在，MERLIC RTE 应用程序提供了相应的服务，这意味着只需启动 MERLIC RTE，即可通过 MERLIC RTE Setup 的“通讯”选项卡设置和控制通讯插件的执行。如果 MERLIC RTE Setup 已连接到正在运行 MERLIC RTE 的系统（本地或远程），则“图像源”选项卡和“通讯”选项卡都可用于配置。
简化配置设置和日志记录
采用改进的流程集成模式后，现在可以在同一个用于 MERLIC 的 INI 配置文件中设置 MERLIC RTE 和通讯插件的所有配置设置，例如在默认的“MERLIC5.ini”中。不再需要专门的“Communicator.ini”文件。
此外，还简化了日志记录机制。MERLIC RTE 和通讯插件不再有单独的日志文件。现在，您可以在同一个日志文件中找到与流程集成模式相关的所有日志信息。
简化多个 MERLIC RTE 实例的使用
有了 MERLIC 5.7，您可以同时启动两个 MERLIC RTE 实例，而无需进行任何手动配置。MERLIC RTE 会自动选择空闲端口，用于与通讯插件交换“命令”和“事件”。不再需要通过 INI 配置文件或命令行选项为每个 MERLIC RTE 实例设置固定端口。不过，如果需要，您仍然可以定义固定端口。然后，MERLIC RTE 将尝试使用定义的端口。
更新了 MERLIC RTE 的文档
已对 MERLIC 文档进行调整，以反映流程集成模式的更改。使用 MERLIC 5.7 后，不再需要先前 MERLIC 版本中提供的 MERLIC Communicator 手册。相关信息已纳入到 MERLIC 手册。此外，还修订了 MERLIC RTE 的一般文档以及 MERLIC RTE 其他类型插件（例如 Hilscher 卡）的文档。因此，有关流程集成模式的信息不再分散在两本手册中，现在可以在一本手册中找到。
Linux 版 MERLIC Frontend
在 MERLIC 5.7 中，我们为 Linux 系统提供了另一个 MERLIC 组件，让您有更多选项以便将应用程序集成到所需系统。除了先前版本中已经支持 Linux 的 MERLIC RTE 外，现在 MERLIC Frontend 也可用于 Linux。这使您可以直接在 Linux 系统上安装和使用 MERLIC Frontend。您可以从 MVTec 的下载区下载相应的软件包：https://www.mvtec.com/downloads。
增强容器支持的示例 Dockerfiles
为便于在容器化环境中设置使用 MERLIC，MERLIC 现提供了用于构建容器的示例 Dockerfiles 和脚本。您可以将这些 Dockerfiles 和相应的脚本作为起点，轻松构建和运行为 MERLIC Frontend 和 MERLIC RTE 量身定制的容器。
这为部署和管理 MERLIC 提供了更大的灵活性。利用 Dockerfiles，您可以简化设置流程，并将 MERLIC Frontend 和 MERLIC RTE 集成到现有的容器化工作流程中。
MERLIC 安装完成后，您可以在安装目录下的“examples\containers”子目录中找到示例 Dockerfiles。它还包含一个“Readme”文件，其中简要说明了如何使用 Dockerfiles。
为 MERLIC 工具添加注释
改进了 MERLIC Creator，支持在 MERLIC Vision App (MVApp) 中为 MERLIC 工具和工具组添加注释。现在，您可以在相应的工具面板上为任何工具或工具组添加描述。保存 MVApp 时，也会保存相应的注释。这使您可以添加自定义注释，例如解释工具当前的参数配置。现有的工具注释可直接在工具面板或 工具流程 面板上显示。
分类图像 — 支持 Out-of-Distribution 检测
MERLIC 工具“分类图像”现在支持用于分类的深度学习模型，这些模型已针对“Out-of-Distribution 检测”(OOD) 进行了扩展。它能识别与训练数据有显著差异的对象或样本的错误分类，例如，如果系统只经历过玻璃瓶相关训练，则会识别出金属材质的对象。
为此，“分类图像”工具增加了新的工具参数“Out-of-Distribution 阈值”和新的工具结果“Out-of-Distribution 分数值”。这两个参数分别作为附加参数和结果提供，只有当所使用的分类器针对 OOD 进行了扩展时才可用。“Out-of-Distribution 分数值”表示与训练的类的偏差程度，“Out-of-Distribution 阈值”允许调整识别 Out-of-Distribution 样本的阈值。
