前言

之前博客： 【YOLOv5】LabVIEW+OpenVINO让你的YOLOv5在CPU上飞起来给大家介绍了在LabVIEW上使用openvino加速推理，在CPU上也能感受丝滑的实时物体识别。那我们今天就一起来看一下如何使用LabVIEW+OpenVINO在CPU上部署新冠肺炎CT图像病害分割，本次实战模型主要是来自大佬：翼达口香糖，博客：https://blog.csdn.net/weixin_47567401/article/details/122809410

一、LabVIEW视觉工具包下载与配置

1、视觉工具包的下载安装

可在如下链接中下载OpenVINO版工具包： https://download.csdn.net/download/virobotics/18434228

2、OpenVINO toolkit下载安装

下载地址： 英特尔® Distribution of OpenVINO™ 工具套件

1）点击Dev Tools

在这里插入图片描述

2）选择版本，选择如下版本，并DownLoad：

在这里插入图片描述

3）下载后，运行安装即可！（建议安装到默认路径）

在这里插入图片描述

4）可以选择安装路径，具体安装可以参考官方文档： https://docs.openvino.ai/cn/latest/openvino_docs_install_guides_installing_openvino_windows.html

5)安装完成后， 请记得配置环境变量 ，即在电脑的环境变量-->系统变量-->path种添加如下变量

在这里插入图片描述

二、模型获取

openvino工作流程，和其他的部署工具都差不多，训练好模型，解析成openvino专用的.xml和.bin，随后传入Inference Engine中进行推理。本实战中的模型来自： https://blog.csdn.net/weixin_47567401/article/details/122809410，你可以在这里下载到模型：下载模型链接

三、语义分割之Unet

1、语义分割在医疗影像上的应用

**随着人工智能的崛起，将神经网络与医疗诊断结合也成为研究热点，智能医疗研究逐渐成熟。在智能医疗领域，语义分割主要应用于肿瘤图像分割，龋齿诊断等。(下图分别是龋齿诊断，头部CT扫描紧急护理诊断辅助和肺癌诊断辅助) **

在这里插入图片描述

2、Unet简介

U-Net 起源于医疗图像分割，整个网络是标准的encoder-decoder网络，特点是参数少，计算快，应用性强，对于一般场景适应度很高。原始U-Net的结构如右图所示，由于网络整体结构类似于大写的英文字母U，故得名U-net。左侧可视为一个编码器，右侧可视为一个解码器。编码器有四个子模块，每个子模块包含两个卷积层，每个子模块之后通过max pool进行下采样。由于卷积使用的是valid模式，故实际输出比输入图像小一些。具体来说，后一个子模块的分辨率=(前一个子模块的分辨率-4)/2。U-Net使用了Overlap-tile 策略用于补全输入图像的上下信息，使得任意大小的输入图像都可获得无缝分割。同样解码器也包含四个子模块，分辨率通过上采样操作依次上升，直到与输入图像的分辨率基本一致。该网络还使用了跳跃连接，以拼接的方式将解码器和编码器中相同分辨率的feature map进行特征融合，帮助解码器更好地恢复目标的细节。

在这里插入图片描述

四、LabVIEW+OpenVINO在CPU上部署新冠肺炎检测模型（covid_main.vi ）

运行本项目，请务必安装新版工具包及OpenVINO toolkit，否则会报错无法运行

1、实现过程

**dnn模块调用IR模型（模型优化器） **
**设置计算后台与计算目标设备（推理引擎加速） **
读取待检测的影像图片
**图像预处理（blobFromImage） **
**推理 **
**后处理 **
**绘制分割出的感染区域 **
添加logo和标题，并将其保存为MP4
**后处理中 **
**先将mat reshape 成512*512 **
**进行二值化阈值处理 **
**寻找轮廓 **
**绘制轮廓 **
在指定地方绘制logo
将其在前面板显示并保存为MP4，保存为MP4之前记得进行颜色空间转换。

2、程序源码

在这里插入图片描述

大家可关注微信公众号: VIRobotics ，回复关键字： 新冠肺炎检测实战 获取本次分享内容的完整项目源码及模型。

如您想要探讨更多关于LabVIEW与人工智能技术，欢迎加入我们进行技术交流：705637299，进群请备注暗号：LabVIEW机器学习

3、推理运行

请将下载的项目放在不包含中文的路径下，打开covid_main.vi，修改检测影像路径为实际路径，运行检测

在这里插入图片描述

有如下四个文件夹可选

在这里插入图片描述

注意：readNetF romModelOptimizer.vi中IR模型****路径不可以包含中文

4、运行效果

附加说明

操作系统：Windows10
python：3.6及以上
LabVIEW：2018及以上 64位版本
视觉工具包：techforce_lib_opencv_cpu-1.0.0.73.vip
OpenVINO：2021.4.2

总结

以上就是今天要给大家分享的内容。

如果文章对你有帮助，欢迎✌关注、

审核编辑黄宇

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

cpu

cpu

+关注

关注
68

文章
10854

浏览量
211567
LabVIEW

LabVIEW

+关注

关注
1970

文章
3654

浏览量
323266
检测

检测

+关注

关注
5

文章
4480

浏览量
91440

基于C#和OpenVINO™在英特尔独立显卡上部署PP-TinyPose模型

和 OpenVINO，将 PP-TinyPose 模型部署在英特尔独立显卡上。 1.1 PP-TinyPose 模型简介 PP-TinyP

发表于 11-18 18:27 •2518次阅读

【YOLOv5】LabVIEW+OpenVINO让你的YOLOv5在CPU上飞起来

我们发现使用CPU进行推理检测确实有些慢，那难道在CPU上就不能愉快地进行物体识别了吗？当然可以啦，这不LabVIEW和

发表于 03-16 14:08 •1904次阅读

百度飞桨PP-YOLOE ONNX 在LabVIEW中的部署推理(含源码)

对于如何在LabVIEW中实现该模型的部署，笔者目前还没有看到相关介绍文章，所以笔者在实现PP-YOLOE ONNX 在

发表于 05-26 14:01 •1037次阅读

百度飞桨PP-YOLOE ONNX <b class='flag-5'>在</b><b class='flag-5'>LabVIEW</b>中的<b class='flag-5'>部署</b>推理(<b class='flag-5'>含</b><b class='flag-5'>源码</b>)

如何使用OpenVINO C++ API部署FastSAM模型

FastSAM 模型 | 开发者实战》，在该文章中我们向大家展示了基于 OpenVINO Python API 的基本部署流程。

发表于 11-17 09:53 •911次阅读

如何使用<b class='flag-5'>OpenVINO</b> C++ API<b class='flag-5'>部署</b>FastSAM<b class='flag-5'>模型</b>

介绍在STM32cubeIDE上部署AI模型的系列教程

介绍在STM32cubeIDE上部署AI模型的系列教程，开发板型号STM32H747I-disco，值得一看。MCUAI原文链接:【嵌入式AI开发】篇四|部署篇：STM32cubeID

发表于 12-14 09:05

在Arm虚拟硬件上部署PP-PicoDet模型

1、在Arm虚拟硬件上部署PP-PicoDet模型　　经典的深度学习工程是从确认任务目标开始的，我们首先来简单地介绍一下目标检测任务以及本期部署

发表于 09-16 14:42

在Arm虚拟硬件上部署PP-PicoDet模型的设计方案

1、在Arm虚拟硬件上部署PP-PicoDet模型　　经典的深度学习工程是从确认任务目标开始的，我们首先来简单地介绍一下目标检测任务以及本期部署

发表于 09-23 15:02

使用OpenVINO™ 部署PaddleSeg模型库中的DeepLabV3+模型

下的DeepLabV3+路面语义分割模型转换为OpenVINO 工具套件的IR模型并且部署到CPU上。为了使本文拥有更广的受众面，

发表于 11-22 14:58 •9878次阅读

在LabVIEW中调用OpenVINO™ 模型

自带机器视觉函数库，并提供OpenCV接口库，开发机器视觉与自动化应用程序速度快使用LabVIEW调用OpenVINO IR模型，可以快速完成深度学习项目开发与交付。

发表于 03-21 10:05 •3721次阅读

YOLOv6在LabVIEW中的推理部署（含源码）

YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。如何使用python进行该模型的部署，官网已经介绍的很清楚了，但是对于如何在LabVIEW中实现该

发表于 11-06 16:07 •239次阅读

在OpenNCC上部署人脸检测模型

德赢Vwin官网网站提供《在OpenNCC上部署人脸检测模型.zip》资料免费下载

发表于 06-27 10:34 •0次下载

基于OpenVINO C++ API部署RT-DETR模型

Python API 部署 RT-DETR 模型 | 开发者实战》，在该文章中，我们基于 OpenVINO Python API 向大家展

发表于 11-03 14:30 •829次阅读

基于OpenVINO C# API部署RT-DETR模型

Python API 部署 RT-DETR 模型 | 开发者实战》和《基于 OpenVINO C++ API 部署 RT-DETR

发表于 11-10 16:59 •752次阅读

NNCF压缩与量化YOLOv8模型与OpenVINO部署测试

OpenVINO2023版本衍生出了一个新支持工具包NNCF(Neural Network Compression Framework – 神经网络压缩框架)，通过对OpenVINO IR格式模型的压缩与量化更好的提升

发表于 11-20 10:46 •1602次阅读

使用OpenVINO Model Server在哪吒开发板上部署模型

OpenVINO Model Server(OVMS)是一个高性能的模型部署系统，使用C++实现，并在Intel架构上的部署进行了优化，使用Open

发表于 11-01 14:19 •270次阅读