仪酷LabVIEW OD实战(4)——Object Detection+OpenVINO工具包快速实现yolo目标检测

‍‍🏡博客主页： virobotics(仪酷智能)：LabVIEW深度学习、人工智能博主
🎄所属专栏：『仪酷LabVIEW目标检测工具包实战』
📑上期文章：『仪酷LabVIEW OD实战(3)——Object Detection+onnx工具包快速实现yolo目标检测』
🍻本文由virobotics(仪酷智能)原创首发

🥳欢迎大家关注✌点赞👍收藏⭐留言📝订阅专栏

文章目录

一、前言
二、环境搭建
- 2.1 部署本项目时所用环境
- 2.2 LabVIEW工具包下载及安装
三、项目实战
- 3.1 快速打开范例
- 3.2 加载yolo模型实现推理
- - 3.2.1 实时检测推理
  - 3.2.2 实现图片集推理检测
四、工具包获取方式
总结
系列文章链接：

一、前言

Hello，大家好，我是virobotics（仪酷智能），一个深耕于LabVIEW和人工智能领域的开发工程师。

上一篇文章给大家介绍了Object Detection+ONNX工具包快速实现yolo目标检测，今天我们给大家详细介绍一下Object Detection+OpenVINO工具包快速实现yolo目标检测。

二、环境搭建

2.1 部署本项目时所用环境

操作系统：Windows系统64位
LabVIEW：2018及以上 64位版本
VIPM ：2021及以上版本
AI视觉工具包（techforce_lib_opencv_cpu）：1.0.1.17及以上版本
OpenVINO工具包（virobotics_lib_openvino）1.0.0.29及以上版本
仪酷Object Detection工具包（virobotics_lib_object_detection）：1.0.0.5及以上版本

2.2 LabVIEW工具包下载及安装

AI视觉工具包下载与安装参考：
https://blog.csdn.net/virobotics/article/details/123656523
onnx工具包下载与安装参考：
https://blog.csdn.net/virobotics/article/details/130226410
仪酷Object Detection工具包下载与安装参考：
https://blog.csdn.net/virobotics/article/details/132529219

三、项目实战

3.1 快速打开范例

双击打开LabVIEW，在“Help”选项下找到“Find Examples…”单击打开。
打开范例查找器，选择Directory Structure–VIRobotics AI Vision–Object Detection即可获取所有的范例。不同模型的范例，放到了不同文件夹下。
以YOLOv5相关范例为例，双击“yolov5”范例文件夹，双击想要运行的vi（若您电脑当前无法使用相机，建议加载名字含有“imgs”的vi范例）。

（注意：范例VI名字中带有onnx表示该范例使用ONNX工具包实现推理；范例VI名字中带有openvino表示该范例使用OpenVINO工具包实现推理；范例VI名字中带有trt表示该范例使用TensorRT工具包实现推理；您可根据您目前已经安装的工具包来打开对应范例。范例VI中带有nivision表示使用NI VISION方式进行图像采集并实现推理，如您预计使用官方NI VISION来采集图像，则可使用此范例。不带有nivision则表示使用仪酷工具包进行图像采集或图像读取来实现推理。）

若您电脑没有安装NI VISION工具包，则在打开范例过程中会出现如下图所示弹窗，一直点击“Ignore Item”即可，或者直接点击Ignore All。

3.2 加载yolo模型实现推理

范例VI名字中带有openvino表示该范例使用OpenVINO工具包实现推理

3.2.1 实时检测推理

以yolov8为例（其他范例相似），快速打开范例，双击yolov8文件夹，双击yolov8_openvino.vi，会直接打开前面板（Front Panel），可以选择切换加速方式（如果您的电脑有intel的GPU，则可以在运行范例前device_name控件选择GPU，实现更快速的推理。）点击运行，程序会自动加载默认yolov8模型及分类文件，开启摄像头实现目标检测。
可选择使用CPU加速和使用GPU加速，实时物体识别画面，若需要停止本次检测，点击“STOP”按钮控件即可。
如果想要加载自己训练好的模型，则可按照如下步骤进行设置
① 更换device_name控件中的值以更换加速方式（如果您的电脑有intel的GPU，则可以在运行范例前device_name控件选择GPU，实现更快速的推理。）；
② 加载自己已经训练好的模型model_file（默认为yolov8s.onnx）；
③ 加载模型对应的类别文件class_names_file（默认加载官方模型类别文件）；
④ 全部设置完毕，点击运行，即可实现实时检测。
⑤ 需要停止本次检测，点击“STOP”按钮控件即可

程序框图如下图所示：
在这里插入图片描述

3.2.2 实现图片集推理检测

以yolov8为例（其他范例相似），快速打开范例yolov5_onnx_imgs.vi，界面如下，依次完成：
① 更换device_name控件中的值以更换加速方式（如果您的电脑有intel的GPU，则可以在运行范例前device_name控件选择GPU，实现更快速的推理。）；
② 点击运行，启动程序，将会加载默认图片集；
③ 单击界面右侧imgs控件中需要进行检测的图片，即可实现图片检测；
④ 如下图所示为检测结果，需要停止本次检测，点击“STOP”按钮控件即可。
如果想要加载自己训练好的模型，则可按照如下步骤进行设置
① 更换device_name控件中的值以更换加速方式（如果您的电脑有intel的GPU，则可以在运行范例前device_name控件选择GPU，实现更快速的推理。）；
② 加载自己已经训练好的模型model_file（默认为yolov8s.onnx）；
③ 加载模型对应的类别文件class_names_file（默认加载官方模型类别文件）；
④ 全部设置完毕，点击运行，启动程序；
⑤ 选择并加载需要识别检测的图片数据集；
⑥ 单击界面右侧imgs控件中需要进行检测的图片，即可实现图片检测；
⑦ 需要停止本次检测，点击“STOP”按钮控件即可。

💡一些小技巧：

我们可以通过设置置信度阈值confThreashold（默认为0.3）和NMS阈值nms_threshold（默认为0.5）来控制检测结果，较高的置信度阈值和较低的NMS阈值可以提高结果的准确性，但可能会导致漏检和冗余检测。较低的置信度阈值和较高的NMS阈值可以增加检测结果，但可能会引入更多的误检和重复检测。因此，可以需要根据实际场景和性能要求调整这些阈值，即如下图所示中的Detect_1_Batch.vi中可进行参数设置；

可以设置Detect_1_Batch.vi中的fontscale，即字体缩放因子，用于调整文本或字体的大小比例，该参数是一个浮点数值，表示相对于原始字体大小的缩放比例。具体而言，当fontscale的值大于1时，文本将变大；当fontscale的值小于1时，文本将变小。默认为0.5；

如果想要获取检测结果，可以在函数Detect_1_Batch.vi输出results中获取相对应结果；

在这里插入图片描述