DEEP OCR 訓練
HALCON 的 Deep OCR使用戶能夠在眾多範例中高效地解決文字閱讀應用。在HALCON 22.05中，這項技術通過訓練功能得到了擴展，可以在用戶自己的應用程式數據集上進行應用程式特定的訓練。這甚至可以解決最複雜的應用，例如閱讀對比度差的文字（例如，在輪胎上）。另一個優點是還可以訓練很少使用的特殊字符或打印樣式。深度 OCR 訓練顯著提高了性能和可用性，並使應用程式運行更加穩定。

全區域異常檢測
HALCON 22.05 通過檢測圖像中的邏輯異常開闢了全新的應用可能性。這是深度學習技術異常檢測的進一步發展。到目前為止，有可能檢測到局部的結構異常。新的“全區域異常檢測”是一種獨一無二的技術，能夠“理解”整個圖像的邏輯內容。就像HALCON 現有的異常檢測一樣，新的“全區域異常檢測”只需要“好圖像”進行訓練，無需數據標記。這項技術使檢測全新的異常變體成為可能。例如，缺少、變形或排列不正確的組件。它開啟了全新的可能性：例如，在半導體生產中檢查印刷電路板或檢查印記。

ECC200 代碼的印刷質量檢查優化
HALCON 支持對一維和二維碼的印刷質量進行分級的各種標準。代碼分級確保所有閱讀器在實踐中都能毫無問題地閱讀印刷的代碼。借助 HALCON 22.05，對條形碼和數據代碼的印刷質量進行分級的印刷質量檢測 (PQI)得到了進一步優化。用於 ECC200 印刷質量檢查的模塊網格的確定現在更加穩定。此外，二維數據代碼的 PQI 現在提高了 150%。最後，通過引入計算等級的新程式，提高了二維數據代碼的 PQI 的可用性。

多個運算元功能優化和加速
HALCON 22.05 發佈了各種優化。一個例子是一個新的運算元，它執行自適應直方圖均衡化以提高圖像中的局部對比度。這有助於從低對比度的圖像中提取更多信息，尤其是在灰度值梯度不均勻的情況下。此外，HALCON 庫還擴展了一個新的運算元，它允許對任意形狀區域的圖像進行平滑處理。此外，另一個新運算元允許使用指定為對偶四元數的剛性 3D 變換來變換 3D 點。最後，HDevelop 的匹配助手現在基於通用形狀匹配生成代碼。

深度學習實例分割
HALCON 21.11 中又增添了新的名為”實例分割”深度學習功能。這項技術結合了 語義分割和物體識別的優點。使用實例分割，可以將物體以像素精度分配到不同 的類。該技術在物體彼此非常接近、接觸或重疊的應用中特別有用。典型的使 用場景還包括從盒子中抓取隨機排列的物體（抓取應用）以及識別和測量自然生長的結構。

優化的 CODE 128 條碼閱讀器
在 HALCON 21.11 中，HALCON 的條形碼閱讀器在 Code 128/GS1-128 條碼模糊的情況下的穩定性得到了優化。此類條碼可能由於運動或聚焦的限制，呈現模糊狀態。現在，這種模糊的條碼亦可讀取。 Code 128/GS1-128 是一種廣泛使用的條形碼類型，由於其極小的尺寸和高數據密度，經常用於物流領域。

以未來為導向的形狀匹配介面
HALCON 通用形狀匹配功能是基於 MVTec 多年經行業驗證的形狀匹配 技術。 由於所需運算元的數量顯著減少，用戶可以更輕鬆、更快速地實施 解決方案。借助 HALCON 21.11，現有功能回應了客戶回饋，並得到增 強，以進一步提高可用性。例如，集成了雜波特徵，優化了手柄檢查，並集成了附加參數並包含在自 動參數估計中。

經過驗證的字典處理
字典使在 HALCON 中管理複雜資料變得簡單方便。 例 如，可以將圖像、ROI 和參數設置等不同資料類型捆綁 在一個字典中。 這允許以邏輯方式構建程式，例如在將 許多參數傳遞給過程時。 HALCON 21.11 包括幾項改進，使字典的處理更加容易 和快捷。 例如，現在可以使用單個運算元調用初始化字 典，並且簡化了添加和檢索元素的語法。 此外，自動完 成現在還建議包含在字典中的鑰匙，這進一步加快並簡化 了字典的使用。

基于表面3D匹配功能提升
在 HALCON 20.11中，針對具有許多對象和邊缘的 3D場景，支持邊缘、基於表面的 3D 匹配速度得到了明顯的提升。除此之外，由於不再需要設置觀點，还提高了可用性。

DotCode 和數據矩陣矩形擴展
在 HALCON 20.11 中，數據代碼讀取器擴展了新的代碼類型。 此類2D 代碼是基於點的矩陣。 因此，它可以非常快速地被打印，特别適用於製藥或菸草行業等高速應用場景。此外，ECC 200 代碼讀取器現在支援數據矩陣矩形擴展（DMRE）。

Deep OCR
Deep OCR，是一種基於整體深度學習 OCR 方法。 這項新技術使機器視覺距人類閱讀近了一步。
與現有算法相比，Deep OCR 在字符方向、字體類型和極性是任意的情况下也可以穩健地定位字符。 自動對字符進行分组的功能時現了識別整個單詞。由於避免了例如對具有相似外觀的字符的誤解，因此極大的提高了識别性能。

基於形狀的匹配得到改進
在 HALCON 20.11 中，基於形状的匹配的核心技術已得到改進。
尤其是在低對比度和高噪聲的情况下。 現在可以自動估計更多参數， 这提高了在低對比度和高噪聲情况下的可用性、匹配率以及健壯性。

HDevelop Facelift
為了提升用戶體驗，HALCON 的集成開發環境 HDevelop 進行了改頭換面。
在 HALCON 20.11 中，實現了更多用於單獨配置的選項，例如新的現代視窗對接概念。而且，現在可以使用主題來改善視覺人體工學，並更符合個人喜好。

深度學習邊緣提取
深度學習邊緣提取是一種全新且獨特的方法，可以可靠地提取邊緣（例如物體邊界）。
特别是對於在圖像中可見各種邊緣的場景，可以僅用很少的圖像對其進行訓練，便能可靠地提取所需的邊缘。 因此，使用該版本的 MVTec HALCON 可以大大减少提取特定種類邊緣的编程工作。 此外，預訓練神經網絡本身就能夠在低對比度和高噪聲情况下穩健地檢測邊緣。 這使得提取"之前通過邊緣檢測過濾器無法檢測到的邊緣"成为可能。

農業

食品保健及表面和印刷檢測、量測、包裝檢驗、OCR、Bar code和QR code掃讀等功能，強大和可靠的解決方案為所有應用程序。

科技工業

運用3D圖面做為擷取的數據，使機械手臂路徑規劃；HALCON 獨有的3D視覺技術為眾多的汽車和機器人應用打開了新的可能性。

物流

品質控制，完整性檢驗及鑑定：HALCON提供各種包裝檢測，在各領域創造傑出的檢測方法。

醫學影像分析

CT、MR、X光線 - 無論以何種方式取得影像，HALCON都能以8/16/32/64bit方式進行影像分析。