YOLOv6在LabVIEW中的推理部署（含源码）

约定不等于承诺〃 2024-03-22 20:03 13阅读 0赞

## 前言 ##

YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。如何使用python进行该模型的部署，官网已经介绍的很清楚了，但是对于如何在LabVIEW中实现该模型的部署，笔者目前还没有看到相关介绍文章，所以笔者在实现YOLOv6 ONNX 在LabVIEW中的部署推理后，决定和各位读者分享一下如何使用LabVIEW实现YOLOv6的目标检测。

--------------------

## 一、什么是YOLOv6 ##

*  YOLOV6官方代码：[https://github.com/meituan/YOLOv6][https_github.com_meituan_YOLOv6]

YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平台的部署，极大地简化工程部署时的适配工作。  
![在这里插入图片描述][d1f184304767419f82fef10c6e7f9d4d.png]

从模型性能对比图来看，YOLOv6的性能也是再创新高。YOLOv6-s在COCO上精度达到了43.1%AP，在T4上推理速度也高达520FPS！  
YOLOv6提供了支持 ONNX、TensorRT、NCNN 和 Openvino 的部署版本。今天我们一起来看一下如何在LabVIEW中部署YOLOv6 ONNX。

--------------------

## 二、环境搭建 ##

### 1、部署本项目时所用环境 ###

*  操作系统：Windows10
 *  python：3.6及以上
 *  LabVIEW：2018及以上 64位版本
 *  AI视觉工具包：techforce\_lib\_opencv\_cpu-1.0.0.73.vip
 *  onnx工具包：virobotics\_lib\_onnx\_cuda\_tensorrt-1.0.0.16.vip【1.0.0.16及以上版本】

### 2、LabVIEW工具包下载及安装 ###

*  AI视觉工具包下载与安装参考：  
    [LabVIEW AI视觉工具包（非NI Vision）下载与安装教程\_labview视觉工具包安装教程\_virobotics的博客-CSDN博客][LabVIEW AI_NI Vision_labview_virobotics_-CSDN]
 *  onnx工具包下载与安装参考：  
    [LabVIEW开放神经网络交互工具包（ONNX)下载与超详细安装教程\_labview神经网络\_virobotics的博客-CSDN博客][LabVIEW_ONNX_labview_virobotics_-CSDN]

--------------------

## 三、模型的获取与转化 ##

***注意：本教程已经为大家提供了YOLOV6的模型，可跳过本步骤，直接进行步骤四-推理。若是想要了解YOLOV6的onnx模型如何获取，则可继续阅读本部分内容。***

下面我们来介绍两种模型获取的方式(以yolov6s为例，想要获取其他模型的方式也一样，只需要修改名字即可)

### 1、方式一：直接在官网下载yolov6s的onnx模型 ###

具体地址如下:[https://github.com/meituan/YOLOv6/tree/main/deploy/ONNX][https_github.com_meituan_YOLOv6_tree_main_deploy_ONNX]  
![在这里插入图片描述][6248781c8736466a820acdcff7002b17.png]  
单击YOLOv6-s，可直接下载yolov6s.onnx

### 2、方式二：将标准模型pt转化为onnx（较为复杂） ###

1、下载并安装YOLOv6所依赖的库  
在[https://github.com/meituan/YOLOv6][https_github.com_meituan_YOLOv6]中下载YOLOv6源码并解压  
![在这里插入图片描述][cd2aa60dd01e44f7b6b17a83f1a08ef6.png]  
在YOLOv6-main文件夹中打开cmd，输入以下指令安装需要的库：

pip3 install -U pip && pip3 install -r requirements.txt

> `注意：YOLOv6比V5多了一个addict库，如果之前已经安装过了YOLOv5的相关库，也可以只下载一个addict`

2、安装pycocotools

pip install pycocotools

！！！注：若安装pycocotools时遇到ERROR: Could not build wheels for pycocotools ……，则使用以下指令来安装：

pip install pycocotools-windows

3、从基准表下载标准预训练模型  
[https://github.com/meituan/YOLOv6][https_github.com_meituan_YOLOv6]  
![在这里插入图片描述][9bd206a0e6ca447a826c14e7d5a17712.png]  
将模型放置到如下路径”\\YOLOv6-main\\”  
![在这里插入图片描述][2c144fb00081440796da39fb6b1852d5.png]  
4、将标准模型pt转化为onnx  
切换到YOLOv6-main文件夹路径下，运行以下指令实现模型的转换

python ./deploy/ONNX/export_onnx.py --weights yolov6s.pt --img 640 --batch 1

输出如下，得到yolov6s.onnx  
![在这里插入图片描述][a1e7113e5d6540e194c461551b93d7e4.png]

## 四、在LabVIEW实现YOLOV6的部署推理 ##

本项目整体的文件结构如下图所示，各位读者可在文章末尾链接处下载整个项目源码。  
![在这里插入图片描述][1e7ed6e6f7414eb3a66d9daeaba46c39.png]

本例中使用LabVIEW ONNX工具包中的Create\_Session.vi载入onnx模型，可选择使用cpu,cuda进行推理加速。

### 1、查看模型 ###

我们可以使用netron 查看ppyoloe\_crn\_s\_300e\_coco.onnx的网络结构，浏览器中输入链接：[Netron][]，点击Open Model，打开相应的网络模型文件即可。  
![在这里插入图片描述][13e39895352d4aaca9ba9409b941969a.png]  
查看模型属性，可看到模型的输入输出如下图所示:  
![在这里插入图片描述][5868902038aa4d75ba9680fbeeaa03a9.png]

我们发现，该模型输出和YOLOx输出一直，均为1x8400x85

### 2、项目运行 ###

将我们已经转化好的onnx模型放置到model文件夹中，打开yolov6\_onnx\_camera.vi,在前面板中修改程序中加载的模型路径为实际模型路径，本项目中已经将YOLOV6 onnx模型【yolov6s.onnx】放置到了model文件夹中，如需其他模型，读者也可自行放置到model文件及下，实现模型的加载。运行程序，可得到目标检测的结果。

*  主程序源码如下（可以选择使用CUDA或者TensorRT进行推理加速）：  
    ![在这里插入图片描述][adb8c7e5806c45ea8e42572a1c0ce220.png]
 *  运行结果如下：  
    ![在这里插入图片描述][97b081ed0401495bbe7ba14780d54c4d.png]

--------------------

## 五、完整项目下载链接 ##

链接：[YOLOv6在LabVIEW中的推理部署（含源码）\_labview yolo\_virobotics的博客-CSDN博客][YOLOv6_LabVIEW_labview yolo_virobotics_-CSDN]

## 总结 ##

以上就是今天要给大家分享的内容。大家可根据链接下载相关源码与模型。

[https_github.com_meituan_YOLOv6]: https://github.com/meituan/YOLOv6
[d1f184304767419f82fef10c6e7f9d4d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/1681348cb2174d6fa34ac59fc76c69d4.png
[LabVIEW AI_NI Vision_labview_virobotics_-CSDN]: https://blog.csdn.net/virobotics/article/details/123656523
[LabVIEW_ONNX_labview_virobotics_-CSDN]: https://blog.csdn.net/virobotics/article/details/124998746
[https_github.com_meituan_YOLOv6_tree_main_deploy_ONNX]: https://github.com/meituan/YOLOv6/tree/main/deploy/ONNX
[6248781c8736466a820acdcff7002b17.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/deb039984cf14dfa85760de5a7dbacdb.png
[cd2aa60dd01e44f7b6b17a83f1a08ef6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/179e6d0cba5e4bfba6414a2c6fbf3547.png
[9bd206a0e6ca447a826c14e7d5a17712.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/29180a4c91db4b679ec6127825af9531.png
[2c144fb00081440796da39fb6b1852d5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/744e94a9b1e7494e9c2952afd200770c.png
[a1e7113e5d6540e194c461551b93d7e4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/6a83554fa1314b5d8540dbae15d512b8.png
[1e7ed6e6f7414eb3a66d9daeaba46c39.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/fad334b2f36145d1b0cb0e84f7659d85.png
[Netron]: https://netron.app/
[13e39895352d4aaca9ba9409b941969a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/cbe9b40fc3de4f9cb302a0c65e910dd9.png
[5868902038aa4d75ba9680fbeeaa03a9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/333779ce37ba490098c23c6a1caa13cc.png
[adb8c7e5806c45ea8e42572a1c0ce220.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f503f52350b847b0a93621bb097148fc.png
[97b081ed0401495bbe7ba14780d54c4d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/d6858ab63a3641e4b43238677c6a25f5.png
[YOLOv6_LabVIEW_labview yolo_virobotics_-CSDN]: https://blog.csdn.net/virobotics/article/details/126356929?spm=1001.2014.3001.5501