

Was ist HALCON?
HALCON von MVTec ist die umfassende Standardsoftware für die industrielle Bildverarbeitung (Machine Vision) mit integrierter Entwicklungsumgebung (IDE), die weltweit zum Einsatz kommt. HALCON ermöglicht Kosten zu senken und sorgt für eine raschere Marktverfügbarkeit: Die flexible Software-Architektur ermöglicht eine schnelle Anwendungsentwicklung für die industrielle sowie medizinische Bildverarbeitung und Bildanalyse.
Was bietet HALCON?
Neben einer außergewöhnlichen Leistungsfähigkeit und GPU-Beschleunigung, bietet HALCON auch umfangreiche Unterstützung von Multicore-Plattformen und Befehlssatzerweiterungen wie SSE2, AVX und AVX2. HALCON deckt alle Industriezweige ab: Die umfassende Bibliothek mit mehr als 2.000 Operatoren hat sich zehntausendfach im industriellen Einsatz bewährt und bietet z.B. Blob-Analyse, Morphologie, Matching, Vermessung, Identifikation und 3D-Vision.
Warum HALCON?
HALCON sichert Investitionen durch die Kompatibilität zu den Betriebssystemen Windows, Linux und OS X. Die gesamte Bibliothek kann durch übliche Programmiersprachen wie C, C++ und .NET-Sprachen wie C# oder VB.NET angesprochen werden. HALCON garantiert Hardware-Unabhängigkeit durch eine Vielzahl von Schnittstellen zu hunderten Industriekameras und Frame Grabbern sowie die Unterstützung von Standards wie GenICam, GigE Vision und USB3 Vision.
Was ist HDevelop?
HDevelop ist HALCONs hochentwickelte, interaktive Programmierumgebung. Sie ermöglicht die schnelle und effektive Entwicklung von Bildverarbeitungslösungen. Dies ist auch möglich, während live Bilder von einem Bildeinzugsgerät eingezogen werden. Eine Vielzahl von grafischen Werkzeugen hilft bei der Daten- und Bildinspektion. Die HDevelop-Oberfläche ist in verschiedenen Sprachen verfügbar und bietet eine anwenderfreundliche GUI.
Highlights von HALCON 21.11 - Progress Edition
Deep Learning Instanz-Segmentierung
Mit HALCON 21.11 erweitert MVTec den Funktionsumfang von Deep Learning um die Technologie Instanz-Segmentierung. Diese kombiniert die Vorteile der semantischen Segmentierung und der Objektdetektion. Mit Hilfe der Instanz-Segmentierung können Objekte pixelgenau verschiedenen Klassen zugeordnet werden. Besonders hilfreich ist diese Technologie in Anwendungsfällen, in denen Objekte sehr nahe beieinander liegen, sich berühren oder überlappen.
Verbesserte Handhabung von Dictionaries
Mit Dictionaries lassen sich komplexe Daten in HALCON einfach und bequem verwalten. Nun wird ihre Handhabung noch einfacher und schneller. Dictionaries sind jetzt beispielsweise mit einem einzigen Operator-Aufruf initialisierbar, außerdem wurde die Syntax zum Hinzufügen und Abrufen von Elementen vereinfacht.
Zukunftssichere Schnittstelle für Shape Matching
Mit Generic Shape Matching bietet HALCON einen nutzerfreundlichen Zugang zu MVTecs industrieerprobten Shape-Matching-Technologien. Dank der deutlichen Reduktion der Anzahl notwendiger Operatoren können Anwender Lösungen einfacher und schneller implementieren. So wurde u.a. das Clutter-Feature integriert und die Handle-Inspektion optimiert.
Highlights von HALCON 21.05 - Progress Edition
Subpixel-Barcode-Leser
Der Subpixel-Barcode-Leser ist in der Lage, Codes mit einer sehr geringen Modulgröße zu lesen. In HALCON 21.05 wurde dieser hinsichtlich niedrig aufgelöster Codes verbessert. Dadurch kann die Dekodierrate für solche Codes um bis zu 50% steigen.
Deep OCR
Mit Deep OCR bietet HALCON außerdem einen ganzheitlichen, auf Deep-Learning basierenden Ansatz. Im Vergleich zu anderen Algorithmen kann diese Technologie Zeichen viel robuster lokalisieren - unabhängig von deren Ausrichtung, Schriftart und Polarität.
Generic Shape Matching
Das Release führt zudem das Generic Shape Matching ein, das die industrieerprobten Shape Matching Technologien von MVTec noch benutzerfreundlicher macht. Durch die signifikante Reduzierung der Anzahl der benötigten Operatoren können Anwender ihre Lösungen nun viel schneller und einfacher implementieren.
Highlights von HALCON 20.11 - Steady und Progress Edition
Deep OCR
Deep OCR ist ein ganzheitlich Deep-Learning-basierter Ansatz für die optische Zeichenerkennung. Im Vergleich zu bestehenden Algorithmen kann Deep OCR Zahlen und Buchstaben viel robuster lokalisieren, unabhängig von ihrer Ausrichtung, Schriftart und Polarität. Dank automatischer Gruppierung von Zeichen können auch ganze Wörter identifiziert werden. Dies verbessert die Erkennungsleistung deutlich und verhindert Fehlinterpretationen von Zeichen mit ähnlichem Aussehen.
Verbessertes formbasiertes Matching
In HALCON 20.11 wurde die Kerntechnologie "formbasiertes Matching" insbesondere für Szenarien mit geringem Kontrast und starkem Rauschen verbessert. Es werden nun mehr Parameter automatisch geschätzt. Dies erhöht die Benutzerfreundlichkeit sowie die Matching-Rate und Robustheit in Situationen mit geringem Kontrast und starkem Rauschen.
Deep-Learning-basierte Kantenextraktion
Wenn in einem Bild bspw. eine Vielzahl von Kanten sichtbar sind, kann die Deep-Learning-basierte Kantenextraktion mit nur wenigen Bildern darauf trainiert werden, ausschließlich die gewünschten Kanten zuverlässig zu erkennen. So lassen sich auch Kanten extrahieren, die mit herkömmlichen Kantenfiltern nicht identifiziert werden können. Das reduziert den Programmieraufwand enorm.
HDevelop Facelift
Um die Benutzerfreundlichkeit zu verbessern, wurde HDevelop, die in HALCON integrierte Entwicklungsumgebung, einem Facelifting unterzogen. HALCON 20.11 bringt weitere Optionen zur individuellen Konfiguration, z.B. ein neues modernes Window-Docking-Konzept. Außerdem stehen für eine bessere visuelle Ergonomie nun Themes zur Verfügung, mit denen sich HDevelop an die individuellen Bedürfnisse anpassen lässt. Erfahren Sie mehr
Highlights von HALCON 20.05 - Progress Edition
Subpixel-Barcode-Leser
Der Barcode-Leser verfügt über einen weiterentwickelten Dekodieralgorithmus. Dadurch kann er von nun an auch Barcodes mit einer Modulgröße von unter 1 Pixel lesen.
Oberflächenbasiertes 3D-Matching
Für die exakte Lokalisierung von Werkstücken, etwa in der Fertigungsindustrie, müssen charakteristische Eigenschaften wie kleine Löcher zuverlässig erkannt werden. Das oberflächenbasierte 3D-Matching in HALCON kann solche Merkmale nun nutzen, um die Genauigkeit und Robustheit des Matching-Ergebnisses zu erhöhen.
Training für Deep Learning auf CPU
Mit HALCON 20.05 lässt sich das Training für alle Deep-Learning-Technologien auch auf einer CPU (Central Processing Unit) anstatt auf einer GPU (Graphics Processing Unit) durchführen. Damit können auch Standard-Industrie-PCs ohne leistungsfähige GPU eingesetzt werden. Das Training lässt sich somit auch direkt an der Produktionslinie ausführen und "on the fly" an sich ändernde Umgebungsbedingungen anpassen.

Deep Learning mit HALCON
Trainieren Sie Ihren eigenen CNN-Klassifikator mit HALCON
Optimiert für Anwendungen in der industriellen Bildverarbeitung
HALCON enthält bereits vortrainierter CNNs (Convolutional Neural Networks), die für den Einsatz in industriellen Anwendungen optimiert sind. Zur Erarbeitung dieser haben MVTec-Ingenieure extensiv geforscht, um den besten Basisdatensatz auszuwählen. Hierdurch werden hervorragende Klassifizierungsergebnisse ermöglicht. Durch dieses Vortrainieren beschleunigen Sie den gesamten Trainingsprozess und erhalten ein auf Ihre Anwendung zugeschnittenes Netzwerk – beides essenzielle Aspekte für eine kurze Time-to-Market.
Einfaches Trainieren kundenspezifischer Klassifikatoren
Um einen eigenen Klassifikator mithilfe vortrainierter CNNs für eine bestimmte Aufgabe zu trainieren, müssen Sie HALCON lediglich kategorisierte, also nach Fehlertyp oder Status zugeordnete Trainingsbilder zur Verfügung stellen. Für größtmögliche Flexibilität ist es möglich, nach Abschluss des Trainings das Netzwerk mit zusätzlichen Bildern erneut zu trainieren, um es um neue Fehlerklassen zu erweitern.
Nahtlose Integration in die leistungsstarke HALCON Bibliothek
Deep Learning ist nahtlos in die MVTec HALCON-Bibliothek integriert und dadurch ein Teil des umfangreichen Angebots an derzeit verfügbaren Operatoren – dies bedeutet maximale Flexibilität beim Erstellen Ihrer Anwendung. Ein HALCON Progress-Abonnement beinhaltet standardmäßig alle Deep-Learning-Funktionalitäten, so dass Sie sofort loslegen können.
Einfaches Labeln von Bilddaten
Die Qualität der gelabelten Daten spielt eine große Rolle, wenn es um die Leistung, Genauigkeit und Robustheit der Anwendung geht. Deshalb ist das Labeln von Trainingsdaten ein entscheidender Schritt für jede Deep-Learning-Anwendung. MVTec bietet mit dem Deep Learning Tool eine Lösung, die den Anwender dabei unterstützt. Das Labeln erfolgt dabei durch einfaches Zeichnen von Rechtecken um jedes relevante Objekt und durch die Zuweisung dieser Rechtecke zu entsprechenden Klassen. Das damit erstellte HALCON-Dictionary kann dann nahtlos in HDevelop integriert werden, um ein Netz zu trainieren.
Automatische Merkmalsextraktion
Die Qualität der gelabelten Daten spielt eine große Rolle, wenn es um die Leistung, Genauigkeit und Robustheit der Anwendung geht. Deshalb ist das Labeln von Trainingsdaten ein entscheidender Schritt für jede Deep-Learning-Anwendung. MVTec bietet mit dem Deep Learning Tool eine Lösung, die den Anwender dabei unterstützt. Das Labeln erfolgt dabei durch einfaches Zeichnen von Rechtecken um jedes relevante Objekt und durch die Zuweisung dieser Rechtecke zu entsprechenden Klassen. Das damit erstellte HALCON-Dictionary kann dann nahtlos in HDevelop integriert werden, um ein Netz zu trainieren.
Leistungsstarke Bildklassifikation mit Inferenz
Die Anwendung des trainierten Netzwerks zum Klassifizieren neuer Bilddaten nennt sich auch "Inferenz". Damit können große Mengen von Bildern, die zu kaum unterscheidbaren Klassen gehören, analysiert und zugeordnet werden. Mit der Hilfe von Deep Learning legt MVTec HALCON somit den Grundstein für Anwendungen, deren Klassifizierungsleistung selbst die Möglichkeiten der menschlichen Wahrnehmung übertrifft. Mit HALCON 19.05 lässt sich die Inferenz außerdem auf ARM®-Prozessoren ausführen.
Semantische Segmentierung und Objektklassifikation mit HALCON
Trainierte Objekt-, Merkmals- oder Fehlerklassen lassen sich mit HALCON 18.11 pixelgenau semantisch segmentieren bzw. in einem Bild lokalisieren. Die Inferenz läuft dabei sowohl auf GPUs als auch auf CPUs. Für beide Ansätze bietet MVTec vortrainierte neuronale Netze, die für industrielle Bildverarbeitungsanwendungen auf Basis von Millionen lizenzfreier Bildern optimiert wurden. Das erleichtern das Einlernen neuer Objekte, da Kunden eine geringer Anzahl eigener Trainingsbilder bereitstellen müssen. Die Progress-Edition HALCON 19.05 bietet zudem eine erweiterte Objektdetektion mit ausrichtbaren Bounding Boxes.
Schritt für Schritt zum eigenen Klassifikator
Um den Einstieg in Deep-Learning mit HALCON zu erleichtern, erklärt MVTec in einer dreiteiligen Tutorialreihe alle notwendigen Schritte, um eigene Deep-Learning-basierte Klassifikatoren mit HALCON zu trainieren und zu evaluieren. Um Sie bei diesen ersten Schritten zur unterstützen stehen mehrere HDevelop Beispiele zur Verfügung. Zusätzlich hilft Ihnen das neue Deep Learning Tool beim Labeln Ihrer Bilddaten, um optimale Trainingsdaten zu erstellen, die für die Objektdetektion in HALCON benötigt werden. Mit dieser Unterstützung erzeugen Sie in wenigen Schritten Ihre eigenen Anwendungen zur Objektdetektion oder semantischen Segmentierung.
HALCON Editionen

Progress Edition

Steady Edition
HALCON Lizenzen
Flexible Lizenzierung
Die Entwicklungslizenz für die Programmierung kann je nach Bedarf an einen PC oder einen Dongle gebunden sein.
Modulare Lizenzen
HALCON Lizenzen sind modular – Runtime-Lizenzen, die für die Ausführung einer fertig gestellten Applikation erworben werden, sind in Module aufgeteilt. Somit bezahlt der Anwender nur die Module, die er für seine Applikation auch wirklich benötigt.
Technik
HALCON stellt das volle Spektrum der gebräuchlichen Bildverarbeitungstechnologie zur Verfügung. Darüber hinaus bietet die Software viele einzigartige Verfahren.
HALCON bietet eine Vielzahl an robusten Matching-Verfahren für jede Aufgabe
- Korrelationsbasiertes Matching (NCC)
- Formbasiertes Matching
- Deskriptorbasiertes Matching
- Perspektivisch deformierbares Matching
- Lokal deformierbares Matching
- Formbasiertes 3D-Matching
- Oberflächenbasiertes deformierbares 3D-Matching
HALCON dringt mit revolutionären Methoden für 3D-Vision in die nächste Dimension ein
- Mehrbild-3D-Kamerakalibrierung
- Hand-Auge-Kalibrierung
- 3D-Alignment
- 3D-Matching
- 3D-Oberflächenvergleich
- Circle Pose
- Rectangle Pose
- 3D-Rekonstruktion
- Mehrbild-Stereo
- Depth from Focus
- Lichtschnittverfahren
- 3D-Objektverarbeitung
- Fitting von 3D-Primitiven
- Photometrisches Stereo
- 3D-Scene-Flow
Zusätzlich bietet HALCON viele weitere Techniken
- Samplebasierte Identifikation zur Unterscheidung einer großen Anzahl von Objekten
- Beliebig geformte Regions of Interest (ROIs) für äußerste Flexibilität und Geschwindigkeit
- Extrem schnelle Morphologie und große Auswahl an subpixel-genauen Verfahren
- Lesen von Barcodes und Datacodes mit höchster Robustheit, z.B. gegenüber Verdeckung
- OCR & OCV für höchste Erkennungsraten für unterschiedliche Anwendungen
- Verarbeitung von Bildern, die größer als 32k x 32k sind. Die Größe der Bilder ist dabei nicht nach oben begrenzt.
- Automatische Operator-Parallelisierung (AOP)
- Kalibrierung für Scheimpflug-Optiken
- Bead-Inspection
- Ansteuerung von I/O-Karten, Interface für OPC UA
- Visualisierung für 3D-Objekte
- Message-Queues für Kommunikation zwischen Threads
- HDevEngine für die Ausführung von HDevelop-Prozeduren und -Programmen in einer eigenen Applikation
HALCON unterstützt eine Vielzahl verschiedener Bildeinzugsgeräte
- Universelle Bildeinzugsschnittstelle für alle GigE Vision kompatiblen Kameras
- Universelle Bildeinzugsschnittstelle für alle USB3 Vision kompatiblen Kameras
- Universelle Schnittstelle für alle GenICam GenTL kompatiblen Kameras
- Universelle Bildeinzugsschnittstelle für alle IIDC 1394 (FireWire) kompatiblen Kameras
- Universelle Schnittstelle für alle Bildeinzugsgeräte mit DirectShow, TWAIN oder Video4Linux Treiber
- Spezielle Bildeinzugsschnittstellen für Kameras und Frame Grabber
HALCON unterstützt zudem viele verschiedene Betriebssysteme und Prozessoren.
(Weitere Informationen: Systemvoraussetzungen - MVTec)
HALCON ist optimiert auf die Möglichkeiten, die die Hardware bietet:
HALCON nutzt SIMD, Multicore-Prozessoren und Mehrprozessorrechner und unterstützt FPGA-Technologie. Außerdem verfügt HALCON über eine effiziente automatische GPU-Beschleunigung auf Basis des OpenCL-Standards.