先看一个教学场景：同一件金属零件，第一次拍摄时表面有一道亮带。换一个光照方向，亮带移动了，零件的外形、孔和缺口仍在。

如果第一张图里的边缘都做进模板，模型就可能同时记住零件结构和当时的成像条件。图里清楚的边缘，未必能在下一张图里提供稳定的信息。

图1｜蓝色标出结构边缘，暗红虚线标出会变化的亮带边缘；

HALCON 26.05增加的自动轮廓优化，就是借助样本筛选不稳定轮廓。近期26.11预告又将其扩展到轻微可变形对象。[1][4] 这项变化值得关注，因为它把一个常见的模板调试问题放回了建模阶段：哪些边缘应该留在模型里？

一、清楚的边缘不一定稳定

这里讨论的是基于形状的模板匹配。模型使用边缘结构寻找对象，并不是把建模时的整张照片原样搬到下一张图上。

零件的外轮廓、孔或缺口，可以提供形状信息。反光、阴影和纹理也可能产生清楚的边缘，但它们是否适合建模，要看实际成像条件下能否重复出现、能否帮助区分对象。

这不是说所有反光和纹理都该删掉，而是要把“提取到了”与“值得保留”分开。模型需要保留能帮助定位和区分对象的结构。

二、自动优化怎样决定删什么

HALCON 26.05的官方说明介绍：提供实际对象的样本图像，系统分析轮廓在不同样本中的表现，保留稳定部分，移除不稳定部分。这项训练中的优化称为contour pruning，也就是轮廓裁剪。

图2｜模型包含结构与亮带边缘，结合代表性样本筛选，再得到精简模型。

它并不是只按边缘在几张图里出现过几次来投票。官方参数参考说明，裁剪依据涉及轮廓部分在样本中的平均得分与轮廓裁剪阈值。

对工程师来说，先要关心样本是否有代表性。如果所有图片都来自同一次拍摄，没有覆盖实际光照或零件变化，算法看到的信息也可能不完整。

这项能力由generic shape model，也就是通用形状模型接口提供，并非任意旧模型都能直接启用。26.05文档对XLD轮廓模板等模型设置列有兼容限制；使用前应按自己的版本和模型创建方式核对。

三、删轮廓和降低门槛作用不同

轮廓裁剪改变的是模型中保留的边缘，发生在训练阶段。搜索时的最低匹配分数，则用于决定哪些匹配候选可以被接受。

图3｜训练时筛选模型轮廓，搜索时筛选匹配候选，两条链分别表达处理阶段。

前者影响“拿什么去找”，后者影响“找到什么程度算通过”。降低匹配门槛，不会自动把模型里不稳定的轮廓移走。

优化前后模型内容变了，也不能只凭匹配分数升高就判断效果更好。需要回到实际输出：有没有找对对象？有没有漏掉目标，或把相似件当成目标？

四、26.11预告扩展了什么

HALCON 26.05已经在2026年5月20日发布。26.11的公告日期为10月1日，计划11月18日发布；截至10月12日本文核查，后者仍按预告表述。[1][5]

新功能页说明，自动轮廓优化将支持轻微可变形对象，在建模时考虑预期的局部形状变化，例如生产公差、透视变化和轻微变形带来的差异。[4]

因此，变化在于这项模型优化能够考虑更多实际零件的变化条件。它不等于任意形变都可以忽略，也不能由此推出搜索阶段已经能处理任意变形。具体范围仍需核对正式版本及技术文档。

五、删掉之后还能分清零件吗

再看一个教学设定：两种外形相近的零件，主要区别在小缺口的位置。如果模型丢掉了这个区分特征，剩下的结构可能更加相似。

图4｜保留小缺口时结构不同，忽略这个特征后模型趋同；

这提醒我们，轮廓除了稳定，还要能够区分目标。不要只数删掉多少，先看删在什么位置。

下面是通用检查建议。保留原模型，用未参与模型训练的图片，对照原模型与优化模型：

先放入不同成像条件下的正常目标，检查是否漏匹配、位置是否正确。再放入相似件和没有目标的图片，检查是否错匹配。确认识别结果后，再在同一目标硬件和计时范围下比较耗时。

如果只拿训练图片验证，容易看不到模型面对新图片时的表现。若仍有问题，也要检查采图、ROI和搜索范围等条件；轮廓取舍只是其中一项，不是所有匹配失败的原因。

模板无需追求把一张图记得最完整，而要为后续找对对象保留有效结构。是否采用优化后的模型，要由任务中的对照结果决定。

资料与图示

资料核查日期：2026年10月12日。本文为官方资料解读，成像变化、轮廓筛选与相似件属于原创教学示意，验证安排属于工程建议。没有运行HALCON或进行性能测试，图示不代表真实界面或算法输出；封面为生成的概念工件图。