仪酷LabVIEW OD实战(1)——目标检测Object Detection工具包的安装

virobotics

已于 2023-10-16 17:59:19 修改

阅读量2.2k

点赞数 20

分类专栏： LabVIEW深度学习工具包 LabVIEW AI环境部署文章标签： labview 目标检测深度学习人工智能计算机视觉

于 2023-08-27 23:56:39 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/virobotics/article/details/132529219

版权

LabVIEW深度学习工具包同时被 2 个专栏收录

15 篇文章 49 订阅

订阅专栏

LabVIEW AI环境部署

6 篇文章 8 订阅

订阅专栏

‍‍🏡博客主页： virobotics(仪酷智能)：LabVIEW深度学习、人工智能博主
🎄所属专栏：『LabVIEW深度学习工具包』『仪酷LabVIEW目标检测工具包实战』
📑上期文章：『使用LabVIEW实现SVM支持向量机』
🍻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

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。

随着人工智能的逐渐发展，深度学习在工业产品检测领域逐渐得到广泛应用。传统的工业产品检测方法通常基于规则或特征工程，需要人工提取和定义特征，但对于复杂的产品和变化多样的缺陷，这种方法可能不够灵活和准确。

深度学习通过使用深度神经网络，可以从原始数据中学习特征表示，从而实现更高的检测准确度和鲁棒性。比如深度学习可以实现：

缺陷检测：深度学习可以用于检测产品表面的缺陷，如裂纹、划痕、气泡，缺损等。通过训练深度神经网络，可以将正常产品和缺陷产品进行区分，从而实现自动化的缺陷检测。

产品分类：深度学习可以用于将不同类型的产品进行分类。例如，在电子制造业中，可以使用深度学习模型将不同型号的电子元件进行分类，以确保正确的组装和质量控制。
目标定位和识别：深度学习可以用于定位和识别工业产品中的特定目标或组件。例如，在汽车制造中，可以使用深度学习模型来定位引擎零部件或车身零件，以进行装配和质量检查。
智能质量控制：深度学习可以结合传感器和图像采集系统，实现实时的智能质量控制。通过对产品进行连续监测和分析，可以及时检测并纠正生产过程中的质量问题，提高产品的一致性和合格率。

众所周知，LabVIEW是一个功能强大的工程和科学应用开发平台，它的图形化编程环境使得用户能够快速构建各种应用程序，并与硬件设备进行集成和交互，从而实现测量、控制、数据处理和分析等任务。

将LabVIEW与深度学习相结合，可以帮助LabVIEW用户更好更快地实现产品检测。所以笔者开发了仪酷LabVIEW目标检测插件，帮助LabVIEW用户能够更快地在LabVIEW中使用深度学习实现产品检测。今天先我们一起来看一下这个插件的特点和安装。

一、插件介绍

1.1 插件简介

仪酷Object_Detection是一个用于LabVIEW的插件，为LabVIEW用户提供了目标检测功能和工具。该插件旨在极大简化目标检测的流程，帮助用户高效部署目标检测相关项目。

1.2 特性和功能

图形化编程界面：作为一个LabVIEW插件，仪酷Object_Detection提供了直观的图形化编程界面，使用户能够通过简单的拖放和连接来构建深度学习模型。这降低了使用深度学习技术的门槛，即使对深度学习不太熟悉的开发者也能够快速上手；
预训练模型和示例：仪酷Object_Detection提供了一系列经过预训练的深度学习模型和示例，涵盖了YOLOv5、YOLOv6、YOLOv7、YOLOv8和RT-DETR等模型，包括：onnxruntime、OpenVINO、TensorRT等多种推理引擎。这些模型和示例可以帮助用户快速搭建自己的深度学习应用；
与LabVIEW无缝集成：仪酷Object_Detection与LabVIEW的生态系统完美集成，用户可以方便地与其他LabVIEW工具和硬件设备进行交互，实现更广泛的应用场景；
支持多种硬件加速：支持Nvidia GPU、Intel等多种硬件加速；
快速构建应用：根据实际不同需求，可搭配多种工业相机，用户只需几个函数就可实现YOLOv5、YOLOv6、YOLOv7、YOLOv8和RT-DETR等目标检测推理实例。

二、环境搭建

2.1 部署本项目时所用环境

操作系统：Windows系统
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）：1.0.1.16及以上版本
加速工具包（ONNX、OpenVINO、TensorRT）的至少其中一个
1、ONNX工具包：virobotics_lib_onnx_cpu-1.13.1.8及以上版本或virobotics_lib_onnx_cuda_tensorrt-1.13.1.15及以上版本
2、OpenVINO工具包（virobotics_lib_openvino）：1.0.0.20及以上版本
3、TensorRT工具包（virobotics_lib_tensorrt）：1.0.0.36及以上版本

三、Object_Detection安装步骤

说明：此说明书中的安装演示步骤是将Object_Detection 安装到了LabVIEW 2018(64bit)中

请先确保2.1中的环境已经搭建好
下载安装包【virobotics_lib_object_detection-1.0.0.x.vip】。
双击安装包【virobotics_lib_object_detection-1.0.0.x.vip】，进入 VIPM 安装环境，点击 Install 开始安装（如下图所示）；
安装需要一段时间，等待一段时间。出现如下图所示界面，即为成功安装，点击 Finish 即可；
打开LabVIEW后新建一个VI，已经安装完毕的Object_Detection插件位于程序框图-函数选板-Addons-VIRobotics-ModelZoo-Object_Detection，将插件拖入程序框图中不提示报错即是安装成功。