石鑫华视觉
HALCON 24.11 的主要功能
在 HALCON 24.11 中，我们重点提升了 AI，特别是深度学习算法。用户现在可以检测和评估基于深度学习分类中的意外行为。许多客户也会欣赏优化后的二维码阅读器，特别是在具有挑战性的条件下，它变得更加强大。
适用于图像分类的分布外（OOD）检测
HALCON 的这一新功能可以更简单的识别生产过程中，因为错误分类而引发的异常行为。由此，用户可以采取更有针对性且高效的措施，如暂停机器等。在机器视觉系统的分类过程中，未知物体通常会被归入系统已学习到的某个类别。然而，当缺陷或物体类型从未出现时，这可能会带来问题。新的深度学习功能“分布外(OOD) 检测” 可以提示用户，此待检物体是否超出训练数据范围。例如，如果系统只接受过红色或黄色标签瓶子的训练，而实际检测到的是一个绿色标签的瓶子，HALCON 将提供“分布外”的警告，并给出一个 OOD 分数值，该值表示此物体与训练数据的偏移程度。
此外，当用户想通过新增训练图像来扩展其深度学习模型时，OOD 分数同样发挥重要作用。它有助于挑选对模型增益最高的训练图像。例如，较高的 OOD 分数表示新训练图像与现有网络中的图像偏差较大，意味着信息量更高，从而为训练带来更大的增值效果。
全新 IDE HDevelopEVO 预览版
HALCON 24.11 为所有使用 HALCON 集成开发环境（IDE）HDevelop 的用户带来了一个令人兴奋的亮点：全新 IDE HDevelopEVO 的预览版。HDevelopEVO 具有更加现代化和直观的用户界面以及全新升级的编辑器（即核心编程组件）。不仅加快了编程速度，还显著提升了机器视觉应用的原型开发效率。用户现在可以在 HALCON 24.11 中尽情体验这一全新的开发环境。HDevelopEVO 的功能范围也将在未来版本中不断扩展，最终全面取代现有的 HDevelop。
改进的基于形状的匹配
新的 HALCON 版本使得广泛应用的“基于形状的匹配”功能更加用户友好。该技术用于快速、准确、精确地查找物体。为此，HALCON 24.11引入了新的技术“扩展参数估计”，该技术正在申请专利中。该功能可以更细致地估算参数，从而在某些应用中显著加快执行速度。即便是没有深厚机器视觉专业知识的用户，也可以使用“扩展参数估计”预估参数。
优化的二维码读取功能
HALCON 的二维码读取器性能显著提升，特别是在复杂条件下表现尤为突出。例如，当图像区域中需要识别大量二维码，或图像中存在复杂纹理干扰检测时，优化后的读取器能够有效应对这些挑战。识别率进一步提高，同时在复杂场景下的评估时间也大幅缩短。
3D 深度匹配 Deep 3D Matching
HALCON 24.11 引入了一项基于深度学习的 3D 视觉创新，尤其适用于料箱抓取和拾取放置等应用。该功能在精确确定训练对象的位置和旋转方面表现非常稳定，具有参数设置简单、执行速度快的优势。根据不同的精度要求，用户可以使用一个或多个经济高效的标准 2D 相机来确定物体位置。训练过程完全基于由 CAD 模型生成的合成数据，因此无需额外的训练。用户在HALCON24.11中即可使用此功能，为此，请随时联系MVTec关于模型训练及应用评估事项。在HALCON的下一版本中，我们将推出该功能的训练及评估。
HALCON 的 GigE Vision 接口现已支持 RoCEv2 协议
在此版本中，HALCON 的 GigE Vision 接口支持 RoCEv2 网络协议，从而提高了图像传输的性能。
改进的 HALCON Progress 版
HALCON Progress 现已与 HALCON Steady 版完全兼容，这意味着 Progress 和 Steady 用户可以共同参与同一项目。HALCON Progress 用户现在将获得与 HALCON Steady 用户相同的更新内容，未来只需交换相应的许可证文件即可在 Steady 和 Progress 之间进行切换。