halcon18.11釋出在即,迎來新的演算法和新的資料型別加持
2018年10月21日 外星眼機器視覺最新訊息
2018年11月,HALCON18.05的升級版HALCON 18.11將會發布。它將在VISION 2018上正式推出,其中包括新的AI技術,特別是深度學習和卷積神經網路(CNN)領域。
功能預覽
一、精確區域分割與基於深度學習的目標檢測
使用HALCON 18.11,基於深度學習,分割目標區域,和非目標區域可以達到畫素級。
HALCON18.11為提取區域提供的眾多可能性,這種區域分割的方法可以分割出以前不好分割的區域。例如:識別具有非常不均勻紋理的物件(例如,植物)或區分影象中的不同紋理,例如(未)處理過的木材,金屬或石頭。為新的應用領域鋪平了道路或者減少大量的程式設計工作,提高了開發效率。
HALCON 18.11還引入了基於深度學習的物件檢測,允許客戶自己訓練模型。
與區域分割不同,物件識別由周圍的矩形(邊界框)標記。即使物件彼此接觸或部分重疊,物件檢測也會被分離開來。當需要確切數量的物體時,例如在檢查藥袋以進行正確填充時,這尤其有用。
為了最大限度地發揮HALCON其在工業環境中的潛力,HALCON的語義分割和物件檢測推理都可以在GPU和CPU上執行。對於這兩種方法,MVTec提供基於影象高度優化的工業機器視覺應用的預訓練網路。可以在圖片數量不多的情況下也可以輕鬆的訓練神經網路。
二、新資料結構“字典”
HALCON 18.11引入了一種新的資料結構“字典”,它是一種關聯陣列,它開闢了處理複雜資料的新方法。
字典允許將各種複雜資料型別(例如,影象,對應的ROI和引數)捆綁到單個字典中,
當我們需要傳遞很多不同型別的引數給函式時,我們可以使用字典結構來進行傳輸引數,這樣大大的簡化了資料的數量,程式編寫更簡單。
字典也可以從檔案中讀取和寫入。這允許工程師將再現特定應用的狀態所需的所有資訊(例如,相機校準設定,缺陷影象和機器引數)捆綁到單個檔案中。方便工程師管理程式資料,也方便分享給現場除錯人員。
三、處理HDevelop中的變數檢查
使用HALCON 18.11,HDevelop可以顯示最重要的控制代碼變數的詳細資訊。
這使開發人員可以一目瞭然地檢查複雜資料結構的當前狀態,這對於除錯非常有用。現在雙擊控制代碼變數可以返回控制代碼及其當前設定關聯的所有引數。例如,現在可以輕鬆地檢查資料程式碼控制代碼的引數,例如“極性”,“符號型別”或“查詢器模式容差”,以及攜帶多個鍵值對的複雜引數,例如3D相機模型控制代碼的引數。
寫在最後
Halcon18.11新的演算法,為以前不能解決問題的專案提供了新的思路,使得機器視覺在跟多自然生物行業的得到了應用,新的資料結構,簡化了開發,提高了開發效率,在這個拼時間的快節奏的社會當中,為廣大機器視覺專家提供了新的武器。
尊重原創,歡迎轉載,轉載請註明出處:“原創作者微信微博ID號:UFO-VISION”
如果你在機器視覺學習和工作中遇到任何問題和困難,或者有任何其他各方面的想法,都非常歡迎你隨時聯絡我們,給我們留言,我們會盡力幫您解決,讓我們相互陪伴,共同成長!