20 Nov. Verbessertes Deep Learning in neuer Halcon-Version
Die Software für industrielle Bildverarbeitung Halcon ist in der Version 25.11 erschienen. MVTec hat nach eigenen Angaben die Software um weitere Deep Learning Features erweitert und den Fokus auf Geschwindigkeit gelegt. Dazu wurden die Deep-Learning-Modelle für die Klassifizierung und das Code-Lesen optimiert.
Neu ist ein Deep-Learning-Modell für Klassifizierungsaufgaben. Damit lassen sich neue Klassen und neue Bilddaten für das Nachtrainieren schnell und einfach hinzufügen. Der Ansatz soll das sogenannte Catastrophic Forgetting verhindern und läuft auch auf Embedded-Geräten für Embedded- und Edge-Umgebungen wie smarte Kameras und Sensoren.
Die neue Score-Visualisierung für das Shape Matching soll mehr Transparenz beim Einrichten von Anwendungen bieten und das Verfeinern und Optimieren erleichtern. Zudem werden fortgeschrittene Robotikszenarien unterstützt; etwa die Analyse, welches Objekt in einem Stapel am wenigsten verdeckt ist.
Erstmals können MobileNetV4-Modelle trainiert werden. Sie ermöglichen Klassifikation und Objekterkennung mit hoher Genauigkeit bei geringen Rechenanforderungen. All diese Modelle sind von MVTec mit industriellen Bilddaten vortrainiert und liefern Ergebnisse für Aufgaben wie Qualitätsprüfung, Produktklassifikation und Defekterkennung.
Auch das Codelesen und die Print-Quality-Inspektion (PQI) wurde laut Hersteller robuster. Die QR-Codeerkennung wurde für schwierige Fälle wie gekrümmte oder verzerrte Oberflächen verbessert. Bei Standardfällen läuft sie schneller. Der Barcode-Leser ist bei Code 128 und GS1-128 toleranter gegenüber unregelmäßigen Balkenbreiten.
Halcon 25.11 bringt neue Deep-OCR-Texterkennungsmodelle, die laut Hersteller schnelleres und ressourcenschonendes Textlesen bei gleichbleibender Genauigkeit ermöglichen. Auf Embedded-Geräten sollen sie bis zu 50-fach schnellere Inferenz erreichen. Mit industriellen Bilddaten vortrainiert und mit bewährter Alignment-Vorverarbeitung ausgestattet, ermöglichen sie
Echtzeit-OCR wird auch auf Geräten mit geringer Rechenleistung ermöglicht. Dafür sorgen unter anderem vortrainierte industrielle Bilddaten und Alignement-Vorverarbeitung. OCR eignet sich für Inline-Aufgaben wie Seriennummernprüfung, Etikettenverifikation und Losverfolgung.
Mit der neuen Version stellt MVTec außerdem Software Bills of Materials (SBOMs) bereit, die transparente Einblicke in alle enthaltenen Softwarekomponenten geben. SBOMs sind zunehmend regulatorisch gefordert, etwa durch den EU Cyber Resilience Act. Als SPDX-Json-Dateien geliefert, sollen sie Compliance erleichtern, Sicherheits- und Lizenzprüfungen unterstützen und somit Aufwand und Kosten senken.
Weitere Informationen vom Hersteller
Quelle und Bild: www.mvtec.com