文章来源于英特尔物联网，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。
LabVIEW 详细介绍，请参考：
https://www.ni.com/zh-cn/shop/labview.html
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
安装 LabVIEW
请从下方地址下载 LabVIEW 安装文件：
https://www.ni.com/zh-cn/support/downloads/software-products/download.labview.html
*需要注意的是：请选择 LabVIEW 64 位版本，并勾选 Vision Development 模块和 NI-IMAQdx。
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：
https://www.intel.com/content/www/us/en/developer/tools/openvino-toolkit/overview.html
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)\Intel\openvino，如下图所示：
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》。
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
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
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
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<float>();memcpy(data0, inputData, 1 * 3 * 640 * 640 * sizeof(float));p->infer_request.infer();}
向右滑动查看完整代码
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
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：
https://www.virobotics.net
你也许想了解(点击蓝字查看)⬇️
➡️
以AI作画，祝她节日快乐；简单三步，OpenVINO™ 助你轻松体验AIGC
➡️
还不知道如何用OpenVINO™作画？点击了解教程。
➡️
如何给开源项目做贡献? | 开发者节日福利
➡️
几行代码轻松实现对于PaddleOCR的实时推理，快来get！
➡️
使用OpenVINO 在“端—边—云”快速实现高性能人工智能推理
➡️
图片提取文字很神奇？试试三步实现OCR！
➡️
【Notebook系列第六期】基于Pytorch预训练模型，实现语义分割任务
➡️
使用OpenVINO™ 预处理API进一步提升YOLOv5推理性能
扫描下方二维码立即体验
OpenVINO™ 工具套件 2023.0
本文分享自微信公众号 - OpenVINO 中文社区（openvinodev）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
