Nieuwe versie van MVTec HALCON richt zich op snelheid en prestaties van AI en op regels gebaseerde methoden

  • De nieuwe versie HALCON 26.05 wordt op 20 mei 2026 uitgebracht
  • HALCON 26.05 biedt aanzienlijke snelheidsverbeteringen voor AI- en op regels gebaseerde methoden
  • Als onderdeel van de HALCON-release is er ook een nieuwe previewversie van de IDE HDevelopEVO beschikbaar

MVTec Software GmbH brengt op 20 mei 2026 de nieuwe versie van zijn standaardsoftware voor machine vision, MVTec HALCON, uit. HALCON-gebruikers profiteren van de regelmatige releasecyclus dankzij de voortdurende integratie van de nieuwste machine vision-technologieën en de voortdurende optimalisatie van bestaande functies. “De focus van de nieuwe HALCON-release ligt op snelheid. Ons doel is dat machine vision-toepassingen in alle industriële sectoren, inclusief veeleisende automatiseringsscenario’s, niet alleen robuust en nauwkeurig werken, maar ook met uitzonderlijke snelheid. Voor HALCON 26.05 hebben we zowel de snelheid als de prestaties van deep learning-methoden en op regels gebaseerde benaderingen verbeterd”, legt Jan Gärtner, Product Manager HALCON bij MVTec, uit.

Zo bevat de nieuwe versie een nieuw geïntegreerde rectificatiefunctie in HALCON. Hierdoor kunnen Data Matrix-codes op gebogen of vervormde oppervlakken snel en betrouwbaar worden gelezen. Daarnaast is er nu automatische contouroptimalisatie beschikbaar voor vormherkenning. Deze optimalisatie verwijdert onstabiele of misleidende contouren op basis van voorbeeldbeelden, waardoor de herkenning sneller, stabieler en nauwkeuriger verloopt. MVTec breidt ook de functionaliteit uit op het gebied van AI-gebaseerde objectdetectie. De nieuwe generatie op deep learning gebaseerde objectdetectie in HALCON 26.05 maakt aanzienlijk snellere inferentie mogelijk met behoud van een hoge detectienauwkeurigheid. De detectie blijft betrouwbaar, zelfs voor kleine objecten en sterk variërende objectgroottes. Geïntegreerde technieken voor data-augmentatie verhogen ook de robuustheid tegen veranderingen in belichting, rotaties en occlusies.

Als onderdeel van HALCON 26.05 is er ook een nieuwe previewversie beschikbaar van HDevelopEVO, de geïntegreerde ontwikkelomgeving van MVTec. Met deze nieuwe release is het nu ook mogelijk om scripts die in HDevelopEVO zijn gemaakt via de .NET-interface in uw eigen applicaties te integreren. Daarnaast is de ondersteuning voor multimodale LLM uitgebreid met visuele prompts. Ontwikkelaars kunnen nu beeldgegevens rechtstreeks opnemen in prompts voor de AI-assistent.

Automatische contouroptimalisatie voor Shape Matching: Reflecties, schaduwen en textuur zorgen vaak voor onstabiele contouren die de betrouwbaarheid van de matching verminderen en handmatige correctie vereisen. De nieuwe automatische contouroptimalisatie in HALCON 26.05 verwijdert deze onbetrouwbare contouren op basis van voorbeeldafbeeldingen, waardoor de matching sneller, stabieler en nauwkeuriger verloopt — met name voor reflecterende of gestructureerde objecten in veeleisende automatiseringsscenario’s.

Data Matrix-rectificatie: Gebogen of vervormde oppervlakken verstoren de geometrie van de code en verminderen de betrouwbaarheid van het lezen. De nieuwe rectificatiefunctie in HALCON 26.05 compenseert deze vervormingen vóór het decoderen en kan optioneel worden geïntegreerd in bestaande workflows, met typische toepassingen zoals cilindrische componenten, gebogen verpakkingen en flexibele materialen.

Verbeterde data-augmentatie: Een nieuwe, op operatoren gebaseerde aanpak in HALCON 26.05 vervangt de op procedures gebaseerde augmentatie en kan direct in deep learning-pijplijnen worden geïntegreerd. Door flexibele augmentatiepijplijnen programmatisch te definiëren, verbeteren ontwikkelaars de robuustheid en generalisatie van modellen en verminderen ze de afhankelijkheid van grote trainingsdatasets.

Objectdetectie met AI van de volgende generatie: Een nieuwe generatie op deep learning gebaseerde objectdetectie in HALCON 26.05 levert tot 5x snellere inferentie met behoud van een hoge detectienauwkeurigheid. Het presteert betrouwbaar, zelfs bij kleine objecten en variërende objectgroottes, en geïntegreerde data-augmentatie verhoogt de robuustheid tegen veranderingen in belichting, rotatie en occlusie.