Halcon23.11.0.0 Progress 最新内容总结

1.GPU上深度学习应用的要求


2.CPU上深度学习应用的要求


3.一般性限制
字符串处理：库内部默认不处理多字节，如需读取文件名，使用set_system('filename_encoding','utf8')才可以处理；
输入数据NaNs：不对输入数据中含有的NaN处理，异常的输入将带来异常问题；
最大支持图像尺寸：Halcon库为32768 x 32768，Halcon XL库为 1073741824 x 1073741824（2^30 x 2^30）;
图像最大通道数：65535个，坐标范围分别是：Halcon库是-32767 ~ +32767，Halcon XL库是-1073741823 ~  + 1073741823（-2^30 ~ 2^30 - 1）；
最大窗口数量：600个；
最大采集接口数量： 128个；
采集接口打开的最大句柄数：256个；
特定解开的参数最大数量：2048个；

4.关于三种授权
评估授权(Evaluation License)：只能从当地经销商获取（大恒图像、MVTec昆山办事处、本站代发），不绑定任何硬件，只有一个月有效期，不可用于商业应用开发；
开发授权(Delelopment License)：不同于评估License，开发需要绑定硬件，如网卡或加密狗，永久性授权，可用于HDevelop和类似VS之类的编程软件；
运行授权(Runtime License)：适用于开发程序完成后在客户电脑上运行，每台计算机都需要，和开发License一样，永久性授权且需要绑定硬件；

5.最新功能：

MVTec 许可证服务器 “Cloud Ready云就绪“
HALCON 23.11 为客户提供了另一种 "Cloud Ready云就绪 "许可服务器。这意味着现在既可以在商业云中许可 HALCON，也可以在公司自有的云环境中，无需任何硬件（即通过网络连接）许可 HALCON。这意味着 HALCON 可以在所有云解决方案中轻松获得许可。通过在云中使用 HALCON，客户可以轻松受益于机器视觉在云中提供的新可能性。


在 HALCON 23.11 中，结构光模型得到了改进： 现在除了镜面结构光反射，它可以在很短的周期内为漫反射表面提供更加精确的三维重建。这一改进，用户可以灵活地使用图案投影仪和二维相机开发适合自身应用的三维重建系统。该功能特别适合需要精确空间展示的应用。因此，该技术非常适用于制造工艺优化、质量控制和各种表面的精确测量。


通过 "多标签分类"，客户可以在新版 HALCON 中使用一种新的深度学习方法，从而在一张图像中识别出多个不同的类。这些类别可以是不同缺陷，也可以是结构或颜色等属性。例如，在实际应用中，该方法可以揭示在一张图像中同时存在的多种不同类型的缺陷。从而进行更详细的分类。与其他方法相比，这种深度学习方法处理速度更快，标注工作量也更小。对客户来说，还有一个优势： 无需事先训练每一种可能的错误组合。不同的类别可以单独训练。