自主训练 Deep 3D 模型

深度三维是一种创新性深度学习技术，能够迅速且稳定地完成三维物体识别与姿态测算，仅需借助二维图像即可实现。这项技术几乎无需进行参数调整，运行效果极佳，特别适合于对精度要求较高的应用环境，比如物料分拣和自动化设备作业等，即便在环境复杂的情况下也能发挥良好作用。

利用 25.05，个人现在能自行培养自己的 Deep 3D 模型，不再需要 MVTec 的辅助。新制作的渲染器借助目标实体的 CAD 图样来创造训练资料，因此能够运用纯粹的虚拟资料来训练模型。这项能力非常机动，可以针对物件的不同特质（例如光泽或透光）来营造各式各样的情境。

更强大 Deep OCR 功能

25.05 增加了Deep OCR的对齐环节，在文字识别前对初步裁剪的文本范围加以改善。此环节大幅提升了识别精准度，即便文本范围没有精确锁定，依然能得到可信的OCR成效。

借助这一创新功能，用户能够绕过验证机制，依然得到精准的字符辨识成效，因此显著减少工作周期，此项校准操作本身运算能力很强，几乎不带来额外的运算压力。

这项特性增强了文档解析环节的适应性，同时加快了系统运作的效率，由于无需精确界定目标区域。

核心功能改进

在 25.05 版本里，二维码扫描设备增加了图像校正特性，即便码图处在弧形或者扭曲的载体上，依然可以保证准确读取。

这一优化扩大了在运输、封装、食品制造以及容器条码打印等领域的适用范围，在这些领域，条形码码通常印制在凹凸不平的基材上，校正步骤可以大幅度增强辨识度，无需表面绝对平滑。

这个特性是可选择的，用户需要时可以开启它。尽管它的处理过程比常规二维码识别要慢一些，不过识别结果更为可靠，对于要求高的场合来说非常关键。

此外，25.05版本增加了暂停通用形状匹配学习进程的选项，使用户能够更灵活地掌控学习活动。学习活动现在可以由人工终止，或者设定一个时间上限（比如一秒后自动结束），以此提高工作效率，防止不必要的长时间等待。以前，训练一旦开始就要持续到最终完成，这样很容易造成等待，特别是在计算能力有限的嵌入式设备上。现在，借助这项优化，人们可以把训练环节平滑地纳入常规操作中，防止长时间占用，增强系统即时反馈性能。

近期发布了一批全新的图像获取算法，目标是能够与前沿相机设备实现完美对接。

MVTec 一直以来都致力于提升相机连接的效率，不过，随着 GigE 以及 USB3 这些新兴标准的出现，也同时带来了新的发展契机和难题。

这个新端口简化了相机使用，但依然允许精细调整高级设置。新功能界面更加一目了然，针对常用情况做了改进，并且继续兼容 GenTL 架构。

另外，倘若 GenTL 设备具备处理多条数据流的能力，此接口亦可相应地实现该功能。可以预见，新运算模块的表现将与先前版本持平或更为出色，借此确保在转向新型相机系统时依然能够获得平稳流畅且值得信赖的使用感受。