0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

LabVIEW+OpenVINO在CPU上部署新冠肺炎检测模型实战(含源码)

LabVIEW深度学习实战 来源:LabVIEW深度学习实战 作者:LabVIEW深度学习实战 2023-03-23 13:34 次阅读

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

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

    在这里插入图片描述

  • **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。

    在这里插入图片描述

2、程序源码

在这里插入图片描述

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:readNetFromModelOptimizer.vi中IR模型****路径不可以包含中文

4、运行效果

video.gif

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,不代表电子发烧友网立场。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

    10855

    浏览量

    211615
  • LabVIEW
    +关注

    关注

    1970

    文章

    3654

    浏览量

    323395
  • 检测
    +关注

    关注

    5

    文章

    4484

    浏览量

    91447
收藏 人收藏

    评论

    相关推荐

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

    OpenVINO,将 PP-TinyPose 模型部署英特尔独立显卡上。 1.1 PP-TinyPose 模型简介 PP-TinyP
    的头像 发表于 11-18 18:27 2519次阅读

    【YOLOv5】LabVIEW+OpenVINO让你的YOLOv5CPU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CPU上就不能愉快地进行物体识别了吗?当然可以啦,这不LabVIEW
    的头像 发表于 03-16 14:08 1905次阅读

    百度飞桨PP-YOLOE ONNX LabVIEW中的部署推理(源码)

    对于如何在LabVIEW中实现该模型部署,笔者目前还没有看到相关介绍文章,所以笔者实现PP-YOLOE ONNX
    的头像 发表于 05-26 14:01 1046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》,该文章中我们向大家展示了基于 OpenVINO Python API 的基本部署流程。
    的头像 发表于 11-17 09:53 914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STM32cubeIDE上部署AI模型的系列教程

    介绍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

    Arm虚拟硬件上部署PP-PicoDet模型

    1、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

    Arm虚拟硬件上部署PP-PicoDet模型的设计方案

    1、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CPU上。   为了使本文拥有更广的受众面,
    的头像 发表于 11-22 14:58 9883次阅读
    使用<b class='flag-5'>OpenVINO</b>™ <b class='flag-5'>部署</b>PaddleSeg<b class='flag-5'>模型</b>库中的DeepLabV3+<b class='flag-5'>模型</b>

    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。
    的头像 发表于 03-21 10:05 3727次阅读

    YOLOv6LabVIEW中的推理部署源码

    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
    的头像 发表于 11-06 16:07 249次阅读
    YOLOv6<b class='flag-5'>在</b><b class='flag-5'>LabVIEW</b>中的推理<b class='flag-5'>部署</b>(<b class='flag-5'>含</b><b class='flag-5'>源码</b>)

    OpenNCC上部署人脸检测模型

    电子发烧友网站提供《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
    <b class='flag-5'>在</b>OpenNCC<b class='flag-5'>上部署</b>人脸<b class='flag-5'>检测</b><b class='flag-5'>模型</b>

    基于OpenVINO C++ API部署RT-DETR模型

    Python API 部署 RT-DETR 模型 | 开发者实战》,该文章中,我们基于 OpenVINO Python API 向大家展
    的头像 发表于 11-03 14:30 834次阅读
    基于<b class='flag-5'>OpenVINO</b> C++ API<b class='flag-5'>部署</b>RT-DETR<b class='flag-5'>模型</b>

    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
    的头像 发表于 11-10 16:59 753次阅读
    基于<b class='flag-5'>OpenVINO</b> C# API<b class='flag-5'>部署</b>RT-DETR<b class='flag-5'>模型</b>

    NNCF压缩与量化YOLOv8模型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
    的头像 发表于 11-20 10:46 1604次阅读
    NNCF压缩与量化YOLOv8<b class='flag-5'>模型</b>与<b class='flag-5'>OpenVINO</b><b class='flag-5'>部署</b>测试

    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
    的头像 发表于 11-01 14:19 275次阅读
    使用<b class='flag-5'>OpenVINO</b> Model Server在哪吒开发板<b class='flag-5'>上部署</b><b class='flag-5'>模型</b>