HALCON 20.05 Progress版本于2020年5月20号正式发布

石鑫华视觉

源文：HALCON 20.05 Progress版本于今日正式发布 - 大恒图像
https://www.daheng-imaging.com/details/index.aspx?nodeid=40&page=ContentPage&contentid=1727

全球机器视觉行业领先的现代机器视觉技术供应商，总部位于德国的MVTec Software GmbH公司宣布于今天（2020年5月20日）发布其标准机器视觉软件产品HALCON的新版本：HALCON20.05 Progress。

为了帮助国内用户更全面地了解HALCON20.05 Progress，大恒图像联合MVTec公司在下周一（5月25日）下午15:00—16：30为您直播介绍新特性及更多与旧版本进行的改进。届时，我们将为您带来全方位的讲解，敬请期待！

下面大恒图像带您了解HALCON 20.05 Progress版的新特性。

通过亚像素条形码阅读器实现微小条形码阅读

HALCON 的条形码读取器通过高级解码算法得到了改进，该算法提高了读取小尺寸条形码时的解码速率。 因此，HALCON 20.05 中的条形码读取器甚至能够， 如左图所示，精确读取小于1个像素的条码。

更加灵活的基于CPU的深度学习训练

HALCON 20.05 允许在 CPU 上进行所有深度学习技术的训练。 由此消除对深度学习对专业 GPU 的需求，即现在也可以将标准的工业 PC  （无GPU）用于深度学习训练。这极大地提高了客户在实施深度学习中的灵活性，因为用户现在可以直接在生产线上进行训练，让根据实际情况随时更改应用程序成为可能。

更加精确和稳定的基于表面的3D匹配

在组装业中，必须稳定且精确地定位工件以便进行进一步处理。通常，像物体上的小孔这样的属性是可以帮助找到物体正确方向的唯一依据。HALCON 基于表面的 3D 匹配可以使用这些微小的属性，来提高匹配结果的精确性和稳定性。

那么，新版本的HALCON较之前的版本又有哪些新改进呢？大恒图像带您继续了解。

更强大的通用盒查找器应用于拾取和放置

HALCON 19.11 发布的通用箱体定位算法，使用户可以在预定的长宽高范围内找到不同大小的盒，而无需训练模型。

HALCON 20.05，在该算法的鲁棒性，性能，速度和可用性方面进行了改进。现在，可以更方便、鲁棒地查找各种尺寸不同的盒子。

CPU 支持基于 Grad-CAM 的热度图

基于 Grad-CAM 的热度图（Gradient-weighted Class Activation Mapping）可帮助您分析图像的哪些部分影响了分类结果。在 HALCON 20.05 中，热度图计算也可以在 CPU 上执行。由于可以在不显著降低速度的情况下完成此操作，因此客户现在可以即时分析其深度学习网络的分类预测。

异常值检测的极大优化

异常值检测仅需要少量的高质量“完好”图像进行训练，已经极大地促进了自动表面检查。使用 HALCON 20.05，训练神经网络进行异常检测的速度比现在快了10倍，因此训练新的神经网络可以在几秒钟内完成。结合更快的推理能力，这为尝试在新的和现有的应用程序上进行深度学习提供了全新的可能性。

经过训练的神经网络也需要更少的内存和磁盘空间，这使得 HALCON 的异常值检测更适合在嵌入式设备上使用。