HALCON Progress 24.05

  • Home
  • 產品資訊
  • 影像處理開發軟體
  • MVTec
  • HALCON Progress 24.05

MVTec

HALCON Progress 24.05

MVTec HALCON是用於機器視覺的綜合標準軟體,具有集成的開發環境(HDevelop),已在全球範圍內使用。它可以節省成本並縮短產品上市時間。 HALCON的靈活體系結構有助於快速開發任何種類的機器視覺應用程序。
 

Highlights

  • HALCON是您在機器視覺領域的全方位應用解決方案
  • 工業物聯網(又名工業4.0)的推動者
  • 有超過2000個運算子的影像函式庫
  • 用於機器視覺的整合開發環境(IDE):HDevelop
  • 內容非常廣泛包含深度學習
  • 在C, C++, C#, and Visual Basic .NET簡單編寫程序
  • 可應用在多種平台
  • 支援多核心和多處理器電腦
  • 利用目前最先進的指令集和GPU加速達到高效能
  • 支援數以百計的工業相機, 影像擷取卡和常見的視覺標準

Features

  • 最廣泛和最新的深度學習科技
  • 可用於3D機械視覺的革命性軟體
  • 匹配尋找旋轉或部分封閉的物件
  • Blob分析超過50種形狀和灰階值特徵
  • 高精度量測
  • 光學字元辨識和驗證(OCR/OCV)
  • 任意形狀的感興趣區域(ROI),具有顯著的靈活性和速度
  • 檢測線條, 圓圈和橢圓, 精度高達1/50像素
  • 高速的型態學
  • 彩色影像處理和高光譜成像
  • 處理超大圖像(超過32k x 32k)
  • 影像序列處理(例如用於監視任務)
  • 精確的3D相機校正

以下看更多HALCON 24.05 新功能.
有什麼新功能?

形狀匹配的擴大參數估計

HALCON 24.05 引入了形狀匹配擴大參數估計的第一次迭代。 憑藉其subpixel精度,即使在最具挑戰性的情況下,形狀匹配也能穩定、準確的即時找到物件。 由於擴大的參數估計,手動參數調整將很快成為過去。 使用多個註解的影像,使用者現在可以輕鬆優化最大線上速度,同時透過自動參數調整保持穩定性。 因此,即使沒有專業知識,使用者也可以受益於此更快執行形狀匹配的應用程式。 形狀匹配從未如此簡單!

針對堆疊條碼的條碼讀取器優化

HALCON 24.05 中優化了 GS1 DataBar Expanded Stacked 程式碼的條碼讀取器。 根據應用程式的不同,客戶的解碼率有望顯著提高。 這將特別有利於物流、零售和製造等行業,在這些行業中,堆疊條碼是追蹤和追朔貨物的重要手段  
   

保護已訓練的深度學習模型"

從版本 24.05 開始,HALCON 支援 STEP(產品資料交換標準)文件格式,這是 3D CAD 資料的業界標準。 客戶現在可以將 STEP CAD 資料直接無縫載入到 HALCON 3D 物件模型中,無需任何中間步驟或轉換。 大多數常見 CAD 程式都支援 STEP 格式,從而提高了互通性和效率,因為 3D 匹配模型可以直接獲取在CAD軟體中預計輸入的原始資料。
 

新版本 OpenVINO™ Toolkit AI² 插件

在HALCON 24.05 發佈同時,新版本的 OpenVINO Toolkit AI² 外掛程式也將發佈。 本次更新使用最新的LTS版本的Intel® Distribution of OpenVINO™ Toolkit,確保與最新的Intel硬體相容,並提升深度學習應用的推論效能。 值得注意的是,新的插件版本增強了對Intel第13代Core processors的支援,從而提高了推論性能。 此外,客戶現在還可以利用Intel的獨立顯示卡進行推論,為他們的應用選擇合適的硬體提供更大的靈活性。

加速和進一步優化

HALCON 24.05 還包括針對各種核心技術的多項效能最佳化。 例如,在支援 AVX2 的 Intel CPU 上,展開影像向量場的速度提高了 285%。 運算子 map_image 現在速度也提高了 25%。此外,HALCON 24.05 還為許多算元提供了調整,以解決因Intel解決「Downfall」安全漏洞而造成的效能影響。

以下看更多HALCON 23.11 新功能.
有什麼新功能?

結構光的3D重建

在 HALCON 23.11 中,结構光模型得到了強化: 現在除了鏡面结構光反射,它可以在很短的周期内為漫反射表面提供更加精確的三D重建。 這一優化,使用者可以靈活地使用圖案投影機和二D相機開發適合自身應用的3D重建系統。 該功能特別適合需要展示精確空間的應用。 因此,該技術非常適用於製造過程優化、品質控制和各種表面的精確測量。

多標籤分類

透過 "多標籤分類",客戶可以在新版 HALCON 中使用一種新的深度學習方法,從而在一張影像中識別出多個不同的類別。 這些類別可以涵蓋影像內物件的各種屬性,例如缺陷類型,顏色或結構。 在實際應用中,該方法可以揭示在一張影像不同類型缺陷的存在,從而進行更詳細的分類。 與其他方法相比,這種深度學習方法處理速度更快,標註工作量也更小。 
對客戶來說,還有一個優點:無需事先訓練每一種可能的錯誤組合。不同的類別可以單獨訓練。
     

MVTec 授權伺服器"CLOUD R雲端就緒"

HALCON 23.11 為客戶提供了另一種 “Cloud Ready雲端就緒 ”授權伺服器 。 這意味著現在無需任何硬體,只需透過網路連線即可在商業雲端供應商的環境及企業擁有的雲端中設定HALCON授權 。這意味著 HALCON可以在所有雲端解決方案中輕鬆獲得授權。 透過在雲端中使用 HALCON,客戶可以輕鬆受益於機器視覺在雲端中提供的新可能性。

 

更多新優化

在 HALCON 23.11 中,對現有方法和技術進行了多項優化。 例如,進一步優化了全域異常值檢測(GCDA)(一種發現複雜異常值的方法)技術底層的神經網絡。 這在不增加硬體需求或執行時間的情況下提高了異常值檢測的準確性。此外, HALCON 現在採用最新的 NVIDIA® CUDA® 工具包。 這提供了使用者在人工智慧加速器中有更多廣泛的選擇的機會。 例如,現在也支援新的 NVIDIA Jetson Orin™ 模組。最後,HALCON 23.11 對 HALCON 的核心技術進行了各種效能最佳化。 例如,樣板匹配運算元(NCC Matching)在基於 Arm嵌入式系統上運行速度提高了 80%。

 

>HALCON 23.05的新功能

DEEP計數
借助深度計數,從 HALCON 23.05 開始,客戶可以使用一項功能,該功能可用於快速、穩定地對大量物體進行計數,並檢測它們的位置。基於深度學習的技術與現有的機器視覺方法相比具有顯著優勢:該功能可以非常快速地開發,因為只需要標記和訓練很少的對象——這兩個步驟都可以在 HALCON 中輕鬆完成。即使對於高反射和非晶材料的物體,該技術也能提供可靠的結果。借助深度計數,可以對玻璃瓶、樹幹或食物等大量物體進行計數。

3D GRIPPING POINT檢測訓練
3D Gripping Point檢測可用於穩定地檢測任何適合吸力抓取的物體表面。在 HALCON 23.05 中,現在可以使用自己的特定應用影像數據重新訓練預訓練模型。可抓握的表面因此被更加穩定地識別。通過 MVTec 深度學習工具可以輕鬆高效地完成必要的標記。


 

簡易的擴展介面
借助 HALCON 擴展包,可以整合外部程式語言。帶給客戶的好處:因此,HALCON 可以涵蓋超越純影像處理的功能。在 HALCON 23.05 中,通過 Easy Extensions Interface 整合外部代碼變得更加容易。使用者只需幾個步驟就可以讓他們自己使用 .NET 代碼編寫的功能在 HDevelop 和 HDevEngine 中可用,同時受益於 .NET 框架提供的廣泛功能。甚至可以使用 HALCON/.NET 語言介面中已知的數據類型和 HALCON 運算元。這增加了 HALCON 的靈活性和應用可行性。


 

3D 抓取點檢測
HALCON 22.11 首次將3D視覺和深度學習相結合。 3D抓取點檢測能夠穩定地檢測任何物體上適合用吸力抓取的表面。與經典的抓取應用相比,3D 抓取點檢測是一種無 CAD 的方法,因此不需要事先了解相關物體的任何形狀知識。提升的靈活性使其可用於各種全新的應用領域,如物流業或倉庫存儲。。


 

新的數據類型 “MEMORY BLOCK”
從 HALCON 22.11 開始,用戶可以在 HALCON 中存儲和傳輸二進制數據(例如圖像),也可以使用其他應用程式進一步處理它。 這增加了軟體與機器通訊協議的兼容性,例如OPC UA 或影像採集介面。

保護已訓練的深度學習模型
對於機器視覺應用來說,知識產權的保護越來越重要。 這在深度學習領域尤為重要。 該技術的特殊之處在於,與傳統方法相比,質量不僅取決於算法本身,而且在很大程度上取決於訓練數據的質量。 深度學習應用的很大一部分工作是收集數據和訓練模型。 因此,HALCON22.11 包含了一種新的 HALCON 數據類型加密機制。 一個主要使用範例是深度學習模型的加密。 這使客戶能夠保護他們的投資和專業技術。 因此,確保只有授權用戶才能使用和查看他們的深度學習模型。


 

更好的深度學習決策可追溯性
熱感圖指示影像的哪些區域對深度學習模型的分類結果具有決定性意義。 這可以為深度學習的黑匣子提供更多的提示,從而增加相應過程的可追溯性。 Guided Grad-CAM 是一種新方法,現在可以提供更精確的線索,說明影像的哪些區域與深度學習網絡的決策相關。 例如,可以在後處理步驟中更精確地調查錯誤分類。

 

 
 

HALCON 購買形式有兩種:Progress 和Steady

版本說明
 

HALCON steady

HALCON progress
目前最新版本 22.11 24.05
購買 一次性買斷制

採訂閱制

(每年自動訂閱,授予對訂閱期間發布的所有版本的訪問權限);如購買後,需要停止購買時,請務必在到期日的三個月前通知我們!

更新週期 兩年一次新功能更新
不定期維護小更新
六個月一次新功能更新
獲得新的功能

每2年更新一次

如有新功能需求必須加購升級

每六個月更新一次

持續獲得新的HALCON功能

產品品質 所有功能的高端品質
支援 長期支援 在訂閱期間
HDevEngine 兩者皆有 HDevEngine 開發方式
HDevelop 兩者皆有 HDevelop IDE 開發介面
Runtime licenses 無限制
Runtime  license 升級 - 購買後,最多2年
開發許可 永久 有效期僅限於訂閱期限

 

HALCON技術支援