1. 首頁 > 生活百科 > >

LabVIEW+OpenVINO在CPU上部署新冠肺炎檢測模型實戰

生活百科

前言之前博客：【YOLOv5】LabVIEW+OpenVINO讓你的YOLOv5在CPU上飛起來給大家介紹了在LabVIEW上使用openvino加速推理，在CPU上也能感受絲滑的實時物體識別 。那我們今天就一起來看一下如何使用LabVIEW+OpenVINO在CPU上部署新冠肺炎CT圖像病害分割，本次實戰模型主要是來自大佬：翼達口香糖，博客：https://blog.csdn.net/weixin_47567401/article/details/122809410
一、LabVIEW視覺工具包下載與配置1、視覺工具包的下載安裝可在如下鏈接中下載工具包：https://www.cnblogs.com/virobotics/p/16527821.html
2、OpenVINO toolkit下載安裝下載地址：英特爾 Distribution of OpenVINO 工具套件
1）點擊Dev Tools


【LabVIEW+OpenVINO在CPU上部署新冠肺炎檢測模型實戰】2）選擇版本 ， 選擇如下版本 ， 并DownLoad：


3）下載后，運行安裝即可?。ńㄒ榘滄暗僥下肪叮?


4）可以選擇安裝路徑 ， 具體安裝可以參考官方文檔：https://docs.openvino.ai/cn/latest/openvino_docs_install_guides_installing_openvino_windows.html
5)安裝完成后，請記得配置環境變量，即在電腦的環境變量-->系統變量-->path種添加如下變量


二、模型獲取openvino工作流程，和其他的部署工具都差不多，訓練好模型，解析成openvino專用的.xml和.bin，隨后傳入Inference Engine中進行推理 。本實戰中的模型來自：https://blog.csdn.net/weixin_47567401/article/details/122809410 ， 你可以在這里下載到模型：下載模型鏈接
三、語義分割之Unet1、語義分割在醫療影像上的應用隨著人工智能的崛起，將神經網絡與醫療診斷結合也成為研究熱點，智能醫療研究逐漸成熟 。在智能醫療領域，語義分割主要應用于腫瘤圖像分割 ， 齲齒診斷等 。(下圖分別是齲齒診斷，頭部CT掃描緊急護理診斷輔助和肺癌診斷輔助)  


2、Unet簡介U-Net 起源于醫療圖像分割，整個網絡是標準的encoder-decoder網絡 ， 特點是參數少，計算快 ， 應用性強，對于一般場景適應度很高 。原始U-Net的結構如右圖所示，由于網絡整體結構類似于大寫的英文字母U，故得名U-net 。左側可視為一個編碼器，右側可視為一個解碼器 。編碼器有四個子模塊，每個子模塊包含兩個卷積層，每個子模塊之后通過max pool進行下采樣 。由于卷積使用的是valid模式 ， 故實際輸出比輸入圖像小一些 。具體來說，后一個子模塊的分辨率=(前一個子模塊的分辨率-4)/2 。U-Net使用了Overlap-tile 策略用于補全輸入圖像的上下信息，使得任意大小的輸入圖像都可獲得無縫分割 。同樣解碼器也包含四個子模塊，分辨率通過上采樣操作依次上升，直到與輸入圖像的分辨率基本一致 。該網絡還使用了跳躍連接，以拼接的方式將解碼器和編碼器中相同分辨率的feature map進行特征融合，幫助解碼器更好地恢復目標的細節 。


四、LabVIEW+OpenVINO在CPU上部署新冠肺炎檢測模型（covid_main.vi ）運行本項目，請務必安裝新版工具包及OpenVINO toolkit，否則會報錯無法運行
1、實現過程

  • dnn模塊調用IR模型（模型優化器）
  • 設置計算后臺與計算目標設備（推理引擎加速）
  • 讀取待檢測的影像圖片
  • 圖像預處理（blobFromImage）
  • 推理
  • 后處理
  • 繪制分割出的感染區域
  • 添加logo和標題，并將其保存為MP4
  • 后處理中
  • 先將mat reshape 成512*512
  • 進行二值化閾值處理
  • 尋找輪廓
  • 繪制輪廓
  • 在指定地方繪制logo
  • 將其在前面板顯示并保存為MP4 ， 保存為MP4之前記得進行顏色空間轉換 。
2、程序源碼

3、推理運行請將下載的項目放在不包含中文的路徑下，打開covid_main.vi，修改檢測影像路徑為實際路徑，運行檢測  有如下四個文件夾可選
注意：readNetFromModelOptimizer.vi中IR模型路徑不可以包含中文
4、運行效果

五、項目源碼及模型下載大家可關注微信公眾號: VIRobotics，回復關鍵字：新冠肺炎檢測實戰  獲取本次分享內容的完整項目源碼及模型 。
附加說明
  • 操作系統：Windows10
  • python：3.6及以上
  • LabVIEW：2018及以上 64位版本
  • 視覺工具包：techforce_lib_opencv_cpu-1.0.0.73.vip
  • OpenVINO：2021.4.2

    推薦閱讀