在LabVIEW中部署YOLOv8目标检测模型

 

作者：英特尔物联网行业创新大使 王立奇

1.1什么是 LabVIEW

LabVIEW 是测试测量与自动化行业常用的图形化开发环境，其优点有：

学习容易入门快，开发计算机视觉应用程序简单方便；

自带机器视觉函数库（Vision Development 模块），并提供支持 GigE、USB3 Vision 等标准总线的第三方相机的图像采集驱动程序（NI-IMAQdx），和 OpenCV 接口工具包（NIVision OpenCV Utilities），完全满足 AI 机器视觉应用程序的开发要求。

 

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。

1.2 准备开发环境

要完成在 LabVIEW 中调用 OpenVINO 格式的 YOLOv8 模型，需要安装：

LabVIEW,Vision Development 模块和 NI-IMAQdx

OpenVINO 2023.0

Visual Studio 2022 Community

Ultralytics YOLOv8

1.2.1安装 LabVIEW

请从下方地址下载 LabVIEW 安装文件：

*需要注意的是：请选择 LabVIEW 64 位版本，并勾选 Vision Development 模块和 NI-IMAQdx。

 1.2.2  安装 OpenVINO

OpenVINO分为 OpenVINO 运行库（OpenVINO Runtime）和 OpenVINO开发工具集（OpenVINO Development Tools）。

OpenVINO 运行库：一个提供 C/C++/Python API 的 C++ 函数库。

OpenVINO 开发工具集：一套包含模型优化器（Model Optimizer）、基准测试工具（Benchmark Tool）、训练后优化工具（Post-Training Optimization Tool）、模型下载器（Model Downloader）等工具的开发工具集。

请先用命令：

pip install openvino-dev

安装 OpenVINO 开发工具集。该命令在安装 OpenVINO 开发工具集时，会同时将提供 Python API 的 OpenVINO 运行库作为依赖项进行安装。

然后从 OpenVINO 官网：

下载并解压 Windows 版的 OpenVINO 运行库，如下图所示：

本文将 OpenVINO 运行库压缩包解压到了 C:Program Files (x86)Intelopenvino，如下图所示：

1.2.3安装 Visual Studio 2022 Community

安装 Visual Studio 2022 Community 详细步骤请参考《在Windows中基于Visual Studio配置OpenVINO C++开发环境》。

 1.2.4  安装 Ultralytics 并导出 YOLOv8 模型

YOLOv8 是 Ultralytics 公司基于 YOLO 框架，发布的一款面向物体检测与跟踪、实例分割、图像分类和姿态估计任务的 SOTA（State-Of-The-Art）模型工具套件。

首先，使用命令，完成 ultralytics 软件包安装。

pip install ultralytics

然后，使用命令：

yolo export model=yolov8n.pt format=openvino half=True

导出 YOLOv8n OpenVINO 格式模型，如下图所示：

1.3为 LabVIEW 调用

编写 OpenVINO dll 封装函数

为了满足 LabVIEW 调用 C++ dll 函数的规则，需要编写 OpenVINO dll 封装函数。整个封装工作包括一个数据结构体和四个 API 函数：

结构体 lv_ov_engine：定义 OpenVINO 推理时需要传递的数据结构

 create_ir()：初始化 OpenVINO Core 对象并创建推理请求

 infer()：输入预处理后的图像数据，执行推理计算

getResult()：获得推理计算结果

release()：释放资源

 1.3.1  定义结构体 lv_ov_engine

定义 OpenVINO 推理时需要传递的数据结构，如下所示：

 

//定义OpenVINO推理时需要传递的数据结构
typedef struct lv_ov_engine {
    ov::Core ovCore;
    ov::InferRequest infer_request;
} OvEngineStruct;

 

向右滑动查看完整代码

 1.3.2  创建 create_ir() 函数

创建 create_ir() 函数，实现将 OpenVINO IR 模型载入指定的计算设备，并返回初始化好的推理请求，如下所示：

 

//将OpenVINO IR模型载入指定的推理设备
extern "C" __declspec(dllexport) OvEngineStruct * create_ir(char* xml_file, char* device_name)
{
    OvEngineStruct* p = new OvEngineStruct();
    auto compiled_model = p->ovCore.compile_model(xml_file, device_name);
    p->infer_request = compiled_model.create_infer_request();
    return p;
}

 

向右滑动查看完整代码

1.3.3创建 IE_Run 函数

创建 infer() 函数，输入预处理后的图像数据，执行推理计算，如下所示：

 

//输入预处理后的图像数据,执行推理计算
extern "C" __declspec(dllexport) void infer(OvEngineStruct * p, float* inputData)
{
    ov::Tensor input_tensor0 = p->infer_request.get_input_tensor(0);
    auto data0 = input_tensor0.data();
    memcpy(data0, inputData, 1 * 3 * 640 * 640 * sizeof(float));
    p->infer_request.infer();
}

 

向右滑动查看完整代码

 1.3.4  创建 getResult() 函数

创建 getResult() 函数，用于获取推理结果，如下所示：

 

//获取推理后的结果（yolov8输出张量的大小为1*84*8400）
extern "C" __declspec(dllexport) void getResult(OvEngineStruct * p, float* data)
{
    auto output = p->infer_request.get_output_tensor(0);
    const float* f = output.data();
    memcpy(data, f, sizeof(float) * 1 * 84 * 8400);
}

 

向右滑动查看完整代码

1.3.5创建 release 函数

创建 release 函数，用于释放推理引擎资源，如下所示：

 

//释放推理引擎
extern "C" __declspec(dllexport) void release(OvEngineStruct * p)
{
    delete p;
}

 

向右滑动查看完整代码

完整代码请参考：openvino_vi_wrapper.cpp，在 Visual Studio 中将 openvino_vi_wrapper.cpp 编译为 dll，然后在 LabVIEW 中调用并封装为 4 个 VI，如下图所示：

1.4使用 LabVIEW OpenVINO VI

实现 YOLOv8 目标检测

请读者先克隆本文的源代码到本地：

git clone

 https://github.com/wangstoudamire/lv_yolov8_openvino

按照 README.md 文档安装相关工具包，然后运行 LabVIEW_OpenVINO_Demo.vi（运行之前请确保电脑已联网），运行结果如下图所示：

1.5结论 

基于 OpenVINO，创建 LabVIEW 推理计算 VI，实现 AI 推理计算简单方便。结合 LabVIEW 图形化开发环境，可以快速开发 AI 应用程序。更多 AI 推理计算功能，可以参考 VIRobotics 的 LabVIEW AI 工具包：

　　审核编辑：汤梓红