STEMMER IMAGING

In HALCON 19.05 the deep learning functionality can be applied to a broader range of applications. Please note that this update is only available with the progressive license model.

• Enhanced Object detection
  Users now have the option of aligning object detection boxes with the orientation of the object, enhancing the localised trained object classes.

• Inference on ARM Processors
  Inference for all three deep learning technologies – image classification, object detection, and semantic segmentation – runs out-of-the-box on Arm® processors. As this removes the need for special components like a powerful GPU or a desktop CPU, HALCON significantly broadens the range of possible deep learning applications. Execution times on Arm®-based platforms vary by complexity and the type of hardware, but MVTec benchmarks have shown them to be suitable for many conceivable applications.

• Shape Based Matching
  Shape-based matching is one of HALCON's most important core technologies and can be considered to be one of the most powerful matching tools on the market. MVTec continuously improves this technology to widen the application area even further. With HALCON 19.05, users can now, for example, specifically define so-called "clutter" regions (marked above in orange). These are areas within a search model that should not contain any contours.

• Surface Based Matching
  Edge-supported surface-based matching is now more robust against noisy point clouds: Users can control the impact of surface and edge information via multiple min-scores. Additionally, in case that no xyz-images are available, a new parameter now allows switching off 3D edge alignment entirely. This enables users to eliminate the influence of insufficient 3D data on matching results, while keeping the valuable 2D information for surface and 2D edge alignment.

• Speedups
  Various operators in HALCON have been sped up. For example, depending on image type and settings, affine_trans_image is now up to 230 % faster on AVX2 processors. Furthermore, polar_trans_image_ext can be executed up to 160 % faster, depending on the interpolation method.

Deux éditions de HALCON 18.11 sont disponibles : Steady et Progress. HALCON Progress est disponible sous forme d'abonnement, avec des mises à jour prévues tous les six mois. L'édition Steady, qui fait suite à HALCON 13, s'achète quant à elle de façon régulière.

• Segmentation sémantique et détection d'objets grâce au deep learning

HALCON 18.11 propose deux nouvelles fonctions d'apprentissage automatique (deep learning). La segmentation sémantique permet de segmenter au pixel près les types d'erreurs apprises afin de les localiser avec précision. La fonction de détection d'objets par deep learning permet quant à elle de localiser sur l'image les types d'objets appris par le système.

• « Dictionnary », une nouvelle structure de données

HALCON 18.11 introduit une nouvelle structure de données sous forme de tableau associatif qui donne aux développeurs de nouvelles possibilités de travailler avec des données complexes.

• Handle Variable Inspect dans HDevelop

HDevelop peut maintenant afficher des informations détaillées sur les variables Handle les plus importantes.

• Amélioration du lecteur de codes ECC 200

Le lecteur de données codées pour les codes ECC 200 a été amélioré.

• HALCON dans votre réseau industriel

HALCON 18.11 dispose de l'interface Hilscher-cifX. Cela permet à HALCON de communiquer avec la quasi totalité des protocoles de bus de terrain industriels via des cartes Hilscher.

• Lecture de codes-barres améliorée

HALCON 18.05 offre une détection des contours optimisée, ce qui améliore la lisibilité des codes-barres avec de très petites largeurs de lignes ainsi que des codes fortement flous. De plus, la qualité des codes à barres est également vérifiée conformément à la version la plus récente de la norme ISO / IEC 15416.

• Déflectométrie améliorée

La fonctionnalité de déflectométrie introduite dans HALCON 17.12 inclut désormais un nouveau type de modèle qui améliore la précision et la robustesse de la détection d'erreur, en particulier sur des surfaces partiellement spéculaires comme les tôles vernies.

• Améliorations 3D

HALCON 18.05 offre des fonctions optimisées pour le matching 3D. Celles-ci peuvent être utilisés pour déterminer la position des objets dans l'espace 3D de manière plus fiable, ce qui facilite le développement d'applications 3D. En outre, HALCON inclut désormais une nouvelle procédure d'assistance qui permet aux développeurs d'inspecter et de déboguer rapidement les paramètres et les résultats d'une application de reconnaissance en surface.

• Suppression automatique des Handles

HALCON 18.05 facilite également le travail avec les Handles en les « nettoyant » automatiquement dès qu’ils ne sont plus nécessaires. Cela réduit considérablement le risque de créer des fuites de mémoire et rend l'écriture de « code de sécurité » beaucoup plus simple.

• Améliorations de HDevEngine

La fonction d'exportation de bibliothèque HDevelop a été étendue : les développeurs peuvent désormais accéder aux procédures HDevelop non seulement en C ++, mais également en .NET via un wrapper exporté, et ce aussi facilement et intuitivement qu'une fonction native. Cela facilite considérablement le processus de développement.

• Deep learning

Avec MVTec HALCON 17.12, vous pouvez former votre propre classificateur CNN (Convolutional Neural Network). Après avoir configuré le CNN, le réseau peut être utilisé pour classer de nouvelles données avec HALCON.

• Déflectométrie

Afin de relever les défis particuliers posés par l'inspection de surfaces réfléchissantes spéculaires et détecter des défauts tels que des bosses et des rayures, HALCON applique maintenant le principe de la déflectométrie. Cette méthode utilise les réflexions spéculaires en observant les images réfléchies des motifs appris et leurs déformations en surface.

• Lecteur de texte automatique

HALCON 17.12 dispose d'une version améliorée du lecteur de texte automatique qui détecte et sépare les caractères tactiles de manière désormais plus robuste.

• Fusion de surface pour nuages de points 3D multiples

HALCON offre maintenant une nouvelle méthode qui fusionne plusieurs nuages de points 3D en une seule surface étanche. Cette nouvelle méthode est capable de combiner les données de différents capteurs 3D, ces derniers pouvant même être de types différents, comme une caméra stéréoscopique, une caméra temps de vol ou à projection de franges. Cette technologie est particulièrement utile pour la rétro-ingénierie.

• Améliorations de HDevEngine

Avec la nouvelle bibliothèque d'exportation HDevelop incluse dans HALCON 17.12, les développeurs peuvent désormais accéder aux procédures HDevelop à partir de C++ de façon aussi simple et intuitive que pour toute autre fonction C++. Cette nouvelle bibliothèque d'exportation génère également des projets CMake, qui peuvent facilement être configurés pour générer des fichiers de projet pour de nombreux EDI populaires, tels que Visual Studio.