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(shí)時(shí)物體識(shí)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(shí)戰(zhàn)模型主要是來自大佬：翼達(dá)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OpenVINO版工具包： https://download.csdn.net/download/virobotics/18434228

2、OpenVINO toolkit下載安裝

下載地址： 英特爾? Distribution of OpenVINO? 工具套件

1）點(diǎn)擊Dev Tools

2）選擇版本，選擇如下版本，并DownLoad：

3）下載后，運(yùn)行安裝即可?。ńㄗh安裝到默認(rèn)路徑）

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(qǐng)記得配置環(huán)境變量 ，即在電腦的環(huán)境變量-->系統(tǒng)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(xùn)練好模型，解析成openvino專用的.xml和.bin，隨后傳入Inference Engine中進(jìn)行推理。本實(shí)戰(zhàn)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Unet

1、語義分割在醫(yī)療影像上的應(yīng)用

**隨著人工智能的崛起，將神經(jīng)網(wǎng)絡(luò)與醫(yī)療診斷結(jié)合也成為研究熱點(diǎn)，智能醫(yī)療研究逐漸成熟。在智能醫(yī)療領(lǐng)域，語義分割主要應(yīng)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(hù)理診斷輔助和肺癌診斷輔助) **

2、Unet簡介

U-Net 起源于醫(yī)療圖像分割，整個(gè)網(wǎng)絡(luò)是標(biāo)準(zhǔn)的encoder-decoder網(wǎng)絡(luò)，特點(diǎn)是參數(shù)少，計(jì)算快，應(yīng)用性強(qiáng)，對(duì)于一般場(chǎng)景適應(yīng)度很高。原始U-Net的結(jié)構(gòu)如右圖所示，由于網(wǎng)絡(luò)整體結(jié)構(gòu)類似于大寫的英文字母U，故得名U-net。左側(cè)可視為一個(gè)編碼器，右側(cè)可視為一個(gè)解碼器。編碼器有四個(gè)子模塊，每個(gè)子模塊包含兩個(gè)卷積層，每個(gè)子模塊之后通過max pool進(jìn)行下采樣。由于卷積使用的是valid模式，故實(shí)際輸出比輸入圖像小一些。具體來說，后一個(gè)子模塊的分辨率=(前一個(gè)子模塊的分辨率-4)/2。U-Net使用了Overlap-tile 策略用于補(bǔ)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(gè)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(wǎng)絡(luò)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(jìn)行特征融合，幫助解碼器更好地恢復(fù)目標(biāo)的細(xì)節(jié)。

四、LabVIEW+OpenVINO在CPU上部署新冠肺炎檢測(cè)模型（covid_main.vi ）

運(yùn)行本項(xiàng)目，請(qǐng)務(wù)必安裝新版工具包及OpenVINO toolkit，否則會(huì)報(bào)錯(cuò)無法運(yùn)行

1、實(shí)現(xiàn)過程

• **dnn模塊調(diào)用IR模型（模型優(yōu)化器） **

• **設(shè)置計(jì)算后臺(tái)與計(jì)算目標(biāo)設(shè)備（推理引擎加速） **

• 讀取待檢測(cè)的影像圖片

• **圖像預(yù)處理（blobFromImage） **

• **推理 **

• **后處理 **

• **繪制分割出的感染區(qū)域 **

• 添加logo和標(biāo)題，并將其保存為MP4

  

• **后處理中 **

• **先將mat reshape 成512*512 **

• **進(jìn)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(jìn)行顏色空間轉(zhuǎn)換。

  

2、程序源碼

大家可關(guān)注微信公眾號(hào): VIRobotics ，回復(fù)關(guān)鍵字： 新冠肺炎檢測(cè)實(shí)戰(zhàn) 獲取本次分享內(nèi)容的完整項(xiàng)目源碼及模型。

如您想要探討更多關(guān)于LabVIEW與人工智能技術(shù)，歡迎加入我們進(jìn)行技術(shù)交流：705637299，進(jìn)群請(qǐng)備注暗號(hào)：LabVIEW機(jī)器學(xué)習(xí)

3、推理運(yùn)行

請(qǐng)將下載的項(xiàng)目放在不包含中文的路徑下，打開covid_main.vi，修改檢測(cè)影像路徑為實(shí)際路徑，運(yùn)行檢測(cè)

有如下四個(gè)文件夾可選

注意：readNetFromModelOptimizer.vi中IR模型****路徑不可以包含中文

4、運(yùn)行效果

附加說明

• 操作系統(tǒng)：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

總結(jié)

以上就是今天要給大家分享的內(nèi)容。

如果文章對(duì)你有幫助，歡迎?關(guān)注、

審核編輯 黃宇