Halcon 22.05 mit erweiterter Deep-Learning-basierter Anomalie-Erkennung
MVTec Software, ein führender internationaler Software-Anbieter für die industrielle Bildverarbeitung, veröffentlicht am 25. Mai 2022 die neue Version 22.05 der Machine-Vision-Standardsoftware Halcon. Das Highlight bildet die neue Technologie „Global Context Anomaly Detection“, die in dieser Form als Weltneuheit in Halcon 22.05 verfügbar ist. Das neue Feature hebt, als Erweiterung der seit längerem bewährten Technologie Anomaly Detection, die Deep-Learning-basierte Fehlererkennung auf eine neue Stufe. Darüber hinaus wurden auch im neuen Release sinnvolle Ergänzungen sowie Weiterentwicklungen von Kerntechnologien von Halcon vorgenommen. So lassen sich mit der Software nun noch anspruchsvollere Aufgaben in den verschiedensten Industriebranchen praktikabel umsetzen. Unternehmen profitieren durch den Einsatz der Bildverarbeitungssoftware von einer effizienteren Produktion – insbesondere auch was die Qualitätssicherung betrifft.
„Mit „Global Context Anomaly Detection“ stellen wir eindrucksvoll unsere technologische Marktführerschaft in puncto Machine-Vision-Software unter Beweis. Die neue Technologie bietet unseren Kunden, etwa bei Inspektionstätigkeiten völlig neue Möglichkeiten. Zudem haben wir das Feature Deep OCR um eine Deep-Learning-basierte Trainingsmöglichkeit ergänzt. Mit Halcon 22.05 ist es uns also wieder gelungen, sowohl neue Features als auch sinnvolle Erweiterungen von Bestandstechnologien zu implementieren“, erklärt Mario Bohnacker, Technical Product Manager Halcon bei MVTec Software.
Den logischen Inhalt des Bildes verstehen
Halcon 22.05 eröffnet durch die Erkennung von logischen Anomalien in Bildern völlig neue Anwendungsbereiche. Dabei handelt es sich um eine Weiterentwicklung der Deep-Learning-Technologie Anomalie-Erkennung. Bisher ließen sich ausschließlich lokal begrenzte, strukturelle Anomalien erkennen. Das neue Feature „Global Context Anomaly Detection“ kann nun als bislang einzigartige Technologie den logischen Inhalt des ganzen Bildes „verstehen“. Wie die bereits bestehende Anomalie-Erkennung in Halcon benötigt auch die „Global Context Anomaly Detection” nur Gut-Bilder für das Training. Ein Labeln der Trainingsdaten ist nicht erforderlich. So erkennt die Technologie vollkommen neue Varianten von Anomalien wie beispielsweise fehlende, verformte oder falsch angeordnete Bauteile. Dies eröffnet gänzlich neue Möglichkeiten wie etwa das Überprüfen von Leiterplatten in der Halbleiterfertigung oder die Prüfung von Aufdrucken.
