Was ist HALCON?

Was bietet HALCON?

Warum HALCON?

Erfahren Sie in diesem Video, wie HALCON als Standardsoftware für die industrielle Bildverarbeitung überzeugt: z.B. durch seine außergewöhnliche Leistungsfähigkeit und die umfangreiche Unterstützung von Multicore-Plattformen, NEON, SSE2 und AVX sowie GPU-Beschleunigung.

Highlights von HALCON 19.11 - Progress Edition

Anomalie-Detektion

KI-basierte Objektinspektion eignet sich, um von der Norm abweichende Zustände zu erkennen und Defekte zu lokalisieren. Mit HALCON 19.11 Progress sind für das Trainieren des Deep-Learning-Netzes nur noch eine geringe Menge Bilder von optimalen Objekten bzw. Zuständen notwendig. Anwender müssen daher keine "fehlerhaften" Bilder mehr labeln und eintrainieren.

Datacodes-Erkennung

HALCON 19.11 beschleunigt außerdem das Lesen von ECC-200-Datacodes für Multicore-Systeme. Die größte Verbesserung wurde bei Codes erzielt, die besonders schwer zu erkennen und zu lesen sind. Die Lesevorgänge sind bis zu dreimal schneller, was auch die Nutzbarkeit auf Embedded-Systemen optimiert.

Highlights von HALCON 18.11 - Steady Edition

Semantische Segmentierung

Trainierte Objekt-, Merkmals- oder Fehlerklassen lassen sich dank der neuen Funktionalität pixelgenau semantisch segmentieren. Das ermöglicht völlig neue Bildverarbeitungsanwendungen - etwas das Erkennen von Objekten mit sehr heterogenen Texturen (wie bspw. Pflanzen) oder die Unterscheidung von Objekten, die über unterschiedliche Texturen verfügen.

Objektdetektion

KI-basierte Objektdetektion identifiziert Gegenstände mithilfe von "Bounding Boxes" (umschreibenden Rechtecken), wobei auch überlappende oder sich berührende Objekte derselben Klasse erkannt werden. Das ist insbesondere dann nützlich, wenn in Bildern die genaue Anzahl bestimmter Gegenstände zuverlässig erkannt und zugeordnet werden soll.

Handle Variable Inspect in HDevelop

Mit der Version 18.11 werden Entwicklern in HDevelop Detailinformationen zu wichtigen Hardware-Variablen angezeigt, was beispielsweise das Debugging vereinfacht. Mit einem Doppelklick auf eine Handle-Variable lassen sich nun alle zugeordneten Parameter und deren Einstellungen anzeigen und auf einen Blick erfassen. Selbst komplexe Parameter mit mehreren Schlüssel-Wert-Paaren, wie etwa die Kameraparameter beim formbasierten 3D-Matching, lassen sich dadurch einfach überprüfen.

Daten organisieren mit "Dictionaries"

Entwickler können nun verschiedene Datentypen (z. B. ein Bild, die zugehörigen ROIs und Parameter) in einem einzigen Dictionary bündeln und als einzelne Datei zusammenfassen. Komplexe Anwendungen lassen sich dadurch wesentlich übersichtlicher strukturieren und einfacher verwalten. Das ist beispielsweise dann sinnvoll, wenn eine bestimmte Anwendung weitergegeben und von einem anderen Anwender weiterverarbeitet werden soll. Auch die Reproduktion definierter Zustände wird erleichtert, da alle benötigten Informationen und Parameter gebündelt vorliegen.

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

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

 
Kauf
Release-Zyklus
Letztes Release
Zugang zu neuen Features
Deep Learning
Produktqualität
Support
HDevEngine
HDevelop
Runtime-Lizenzen
Runtime-Lizenzen Upgrade-Fähigkeit
Entwicklungs-Lizenzen
Progress Edition

Progress Edition

KaufAbonnement (jährliche, automatische Verlängerung; Zugang zu allen Releases, die während der Abo-Laufzeit veröffentlicht werden)
Release-Zyklus~ 6 Monate
Letztes ReleaseHALCON 19.11
Zugang zu neuen FeaturesKurzfristig: immer sobald diese marktreif sind (~ alle 6 Monate)
Deep LearningInkludiert
ProduktqualitätHigh-End-Qualität aller Features
SupportSupport während der Abo-Laufzeit
HDevEngineDie HDevEngine ist Teil von beiden Editionen
HDevelopDie HDevelop-IDE ist in beiden Editionen enthalten
Runtime-LizenzenUnbegrenzte Gültigkeit
Runtime-Lizenzen Upgrade-Fähigkeitkostenlos bis zu 2 Jahre nach Kauf
Entwicklungs-LizenzenGültigkeit begrenzt auf die Abo-Laufzeit
Steady Edition

Steady Edition

KaufRegulärer Kauf
Release-Zyklus~ 2 Jahre: Regelmäßige Maintenance-Updates
Letztes ReleaseHALCON 18.11
Zugang zu neuen FeaturesLangfristig: immer mit der nächsten Major-Version (~ alle 2 Jahre)
Deep LearningKostenpflichtige Modulerweiterung
ProduktqualitätHigh-End-Qualität aller Features
SupportLangzeit-Support
HDevEngineDie HDevEngine ist Teil von beiden Editionen
HDevelopDie HDevelop-IDE ist in beiden Editionen enthalten
Runtime-LizenzenUnbegrenzte Gültigkeit
Runtime-Lizenzen Upgrade-Fähigkeit auf Anfrage erhältlich
Entwicklungs-LizenzenUnbegrenzte Gültigkeit

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

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.

HDevelop

Integrierte Entwicklungsumgebung (IDE)

HDevelop ist HALCONs hochentwickelte, interaktive Programmierumgebung. HDevelop läuft unter Windows, Linux sowie Mac OS X und 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.

Einführung in oberflächenbasiertes Matching mit MVTec HALCON

Mit diesem Tutorial erhalten Sie eine Einführung in oberflächenbasiertes Matching mit MVTec HALCON.
Das oberflächenbasierte Matching kann genutzt werden, um Objekte mit einem 3D-Sensor zu lokalisieren. Als Beispiel wird in diesem Video das Oberflächenmodell einer Rohrverbindung aus deren CAD-Datei erstellt. Diese Rohrverbindungen finden sich in mehreren 3D-Szenen. Schließlich erfahren Sie noch, wie verschiedene Probleme erkannt werden können, und welche Parameter Sie einstellen können.

MVTec HALCON 18.11 – Neue Features

In diesem Video sehen Sie die neuen Features von MVTecs HALCON 18.11. Das Release beinhaltet neue KI-Technologien aus den Bereichen Convolutional Neural Networks (CNN) und Deep Learning, wie Klassifikation ganzer Bilder, Objektdetektion und semantische Segmentierung. Außerdem wurden einige Verbesserungen für Entwickler eingeführt, wie z. B. eine neue Datenstruktur "Dictionaries" und viele mehr.

Bilderfassung mit MVTec HALCON & HDevelop

In diesem Tutorial erfahren Sie, wie Sie einfach Live-Bilder in HDevelop verwenden können: Mit dem Bilderfassungsassistenten wird einfach der gewünschte Code generiert. Zusätzlich werden einige in HDevelop verfügbare Tools verwendet, um das Bild zu fokussieren und die Blende anzupassen. Schließlich werden die aufgenommenen Bilder interaktiv auf der Festplatte gespeichert.

Deep Learning mit MVTec HALCON – einen Klassifikatior trainieren

In diesem Video lernen Sie, wie man einen tief lernenden Klassifikator trainiert, um Objekte und Fehler mit MVTec HALCON 18.05 klassifizieren zu können. Anhand der vorverarbeiteten Bilddaten erfahren Sie, wie die Daten in Trainings-, Validierungs- und Testteilmengen aufgeteilt werden. Dann werden verschiedene Parameter überprüft, die das Training beeinflussen, wie die Chargengröße und die Lernrate.

Deep Learning mit MVTec HALCON – einen ausgebildeten Klassifikator bewerten

In diesem Video werden verschiedene Methoden vorgestellt, die Ihnen helfen können, einen geschulten Klassifikator zu bewerten, wie Konfusionsmatrizen und Heatmaps. Darüber hinaus wird ein Verfahren verwendet, das z.B. alle falschen Klassifikatorbilder anzeigen kann, was Ihnen helfen kann, die Einschränkungen Ihres Klassifikators zu beurteilen. Schließlich können verschiedene Bewertungsmessungen berechnet werden, wie z.B. der F-Score, der Top-K-Fehler, die Präzision und der Rückruf.

Deep Learning mit MVTec HALCON – vorbereitende Schritte

Mit HALCON 17.12 können Objekte und Defekte mit Hilfe von Deep Learning klassifiziert werden. In diesem Video lernen Sie, wie beschriftete Bilder aufbereitet werden, um sie für das Training eines Depp Learning-basierten Klassifikators verwendet zu können.

Es wird auch ein Blick auf die Organisation der Bilder geworfen, sodass die Etiketten einfach von HALCON extrahiert werden können. Zusätzlich lernen Sie, wie man die Vorverarbeitung anwendet, sodass die Bilder von den mit HALCON gelieferten vortrainierten Netzwerken verarbeitet werden können und warum eine anwendungsspezifische Vorverarbeitung nützlich sein kann.

Debugging mit HALCON Variable Inspect in Visual Studio

In diesem Tutorial wird die Visual Studio Extension "HALCON Variable Inspect" demonstriert, die in der Standardinstallation von MVTec HALCON enthalten ist. Mit dieser Erweiterung können Sie einfach auf Variablen zugreifen - die vom HALCON-Code in Ihrer Anwendung verwendet werden - zeigen von Ihrer Kamera aufgenommenen Bilder an, visualisieren die Regionen und XLDs und verschaffen sich einen schnellen Überblick über die Steuervariablen.

Deep Learning mit MVTec HALCON

Entdecken Sie die Kraft des Deep Learning mit MVTec HALCON! Mit HALCON 17.12 bietet MVTec Anwendern die Möglichkeit, ihre eigenen CNNs (Convolutional Neural Networks) für Machine Vision Anwendungen zu trainieren. Nach dem Training können diese Netzwerke genutzt werden, um neue Bilddaten mit HALCON zu klassifizieren. Typische Anwendungsgebiete, in denen diese Technologie des Deep Learnings nützlich ist, finden sich im Bereich der Defektklassifizierung (z.B. für Leiterplatten, Flaschenmündungen oder Pillen) oder der Objektklassifizierung (z.B. Identifizierung der Pflanzenart aus einem einzigen Bild).

Arbeiten mit Regionen in MVTec HALCON

Regionen sind ein mächtiges Werkzeug in der Arbeit mit MVTec HALCON. Dieses Video zeigt, wie man ein Bild mit mit Hilfe des Werkzeugs Grau-Histogramm segmentiert. Die resultierende Region wird dann mittels Morphologie verarbeitet, um sich berührende Objekte zu trennen. Zuletzt werden die Objekte mit Hilfe unterschiedlicher Eigenschaften der Regionen (z.B. Zirkularität) in getrennte Regionen geclustert.

Was ist HALCON Embedded?

Dieses Video erklärt, wie sich Embedded Vision Systeme von typischen Setups in der industriellen Bildverarbeitung unterscheiden und zeigt, wie die volle Leistung der MVTec-Standardsoftware HALCON auf Ihr Embedded-Gerät gebracht werden kann – mit HALCON Embedded.

Kalibrierte 2D-Vermessung mit MVTec HALCON

Mit 2D-Vermessung können die Dimensionen von Objekten vermessen werden, welche durch bestimmte geometrische Primitive abgebildet werden können. Dieses Tutorial-Video zeigt, wie 2D-Vermessung mit HALCON durchgeführt werden kann.

Kalibrierte 1D-Vermessung mit MVTec HALCON

Dieses Tutorial-Video zeigt, wie mit HALCON Kanten entlang von Linien oder Kreissegmenten einfach, schnell und höchstgenau vermessen werden können.

Entwicklungslizenz

Fragen Sie jetzt Ihre HALCON Entwicklungs-Lizenz an – sie wird benötigt, um HALCON-Skripte zu entwickeln.

Runtime-Lizenz

Fragen Sie jetzt Ihre HALCON Runtime-Lizenz an – sie wird benötigt, um HALCON-Skripte auszuführen.

HALCON kostenlos testen

Fragen Sie jetzt eine HALCON Testlizenz an und testen Sie die Bildverarbeitungssoftware 30 Tage gratis.

HALCON Flyer

Entdecken Sie die neuesten HALCON Features und erfahren Sie mehr über deren Anwendungsmöglichkeiten.