第第頁LabVIEW+OpenVINO在CPU上部署新冠肺炎檢測模型實戰(zhàn)（含源碼）

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，訓練好模型，解析成openvino專用的.xml和.bin，隨后傳入InferenceEngine中進行推理。本實戰(zhàn)中的模型來自：/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(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，（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（網(wǎng)絡(luò)）是標準的encoder-decoder網(wǎng)絡(luò)，特點是參數(shù)少，計算快，應(yīng)用性強，對于一般場景適應(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（編碼器），右側(cè)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maxpool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-（ti）le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(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featuremap進行特征融合，幫助解碼器更好地恢復目標的細節(jié)。

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(wù)必安裝新版工具包及OpenVINOtoolkit，否則會報錯無法運行

1、實現(xiàn)過程

**dnn模塊調(diào)用IR模型（模型優(yōu)化器）**

**設(shè)置計算后臺與計算目標設(shè)備（推理引擎加速）**

讀取待檢測的影像圖片

**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和標題，并將其保存為MP4

**后處理中**

**先將matreshape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(zhuǎn)換。

2、程序源碼

大家可關(guān)注微信公眾號:VIRobotics，回復關(guān)鍵字：新冠肺炎檢測實戰(zhàn)獲取本次分享內(nèi)容的完整項目源碼及模型。

如您想要探討更多關(guān)于LabVIEW與人工智能技術(shù)，歡迎加入我們進行（技術(shù)交流）：705637299，進群請備注暗號：LabVIEW（機器學習）

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

附加說明（操作系統(tǒng)）：Windows10（python）：3.6及以上LabVIEW：2023及以上64位版本視覺工具包：（te）chforce_lib_opencv_cpu-3.vipOpenVINO：2023.4.2總結(jié)以上就是今天要給大家分享的內(nèi)容。

如果文章對你有幫助，