labview opc部署失败 1967362042(LabVIEW+OpenVINO在CPU上部署新冠肺炎检测模型实战)
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工具包:https://www.cnblogs.com/virobotics/p/16527821.html
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
2)选择版本 ,选择如下版本 ,并DownLoad:
3)下载后 ,运行安装即可!(建议安装到默认路径)
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
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)
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。
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
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 有如下四个文件夹可选
注意:readNetFromModelOptimizer.vi中IR模型路径不可以包含中文
4 、运行效果
五、项目源码及模型下载
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 。
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。 如您想要探讨更多关于LabVIEW与人工智能技术,欢迎加入我们的技术交流群:705637299 ,进群请备注暗号:LabVIEW机器学习
如果文章对你有帮助 ,欢迎✌关注 、?点赞 、✌收藏、?订阅专栏
创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!