前言

YOLOv6 是美團視覺智能部研發的一款目標檢測框架，致力于工業應用。如何使用python進行該模型的部署，官網已經介紹的很清楚了，但是對于如何在LabVIEW中實現該模型的部署，筆者目前還沒有看到相關介紹文章，所以筆者在實現YOLOv6 ONNX 在LabVIEW中的部署推理后，決定和各位讀者分享一下如何使用LabVIEW實現YOLOv6的目標檢測。

一、什么是YOLOv6

• YOLOV6官方代碼：https://github.com/meituan/YOLOv6

YOLOv6 是美團視覺智能部研發的一款目標檢測框架，致力于工業應用。本框架同時專注于檢測的精度和推理效率，在工業界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可達 35.0% AP，在 T4 上推理速度可達 1242 FPS；YOLOv6-s 在 COCO 上精度可達 43.1% AP，在 T4 上推理速度可達 520 FPS。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平臺的部署，極大地簡化工程部署時的適配工作。

從模型性能對比圖來看，YOLOv6的性能也是再創新高。YOLOv6-s在COCO上精度達到了43.1%AP，在T4上推理速度也高達520FPS！
YOLOv6提供了支持 ONNX、TensorRT、NCNN 和 Openvino 的部署版本。今天我們一起來看一下如何在LabVIEW中部署YOLOv6 ONNX。

二、環境搭建

1、部署本項目時所用環境

• 操作系統：Windows10
• python：3.6及以上
• LabVIEW：2018及以上 64位版本
• AI視覺工具包：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工具包下載及安裝

• AI視覺工具包下載與安裝參考：
  https://blog.csdn.net/virobotics/article/details/123656523
• onnx工具包下載與安裝參考：
  https://blog.csdn.net/virobotics/article/details/124998746

三、模型的獲取與轉化

注意：本教程已經為大家提供了YOLOV6的模型，可跳過本步驟，直接進行步驟四-推理。若是想要了解YOLOV6的onnx模型如何獲取，則可繼續閱讀本部分內容。

下面我們來介紹兩種模型獲取的方式(以yolov6s為例，想要獲取其他模型的方式也一樣，只需要修改名字即可)

1、方式一：直接在官網下載yolov6s的onnx模型

具體地址如下:https://github.com/meituan/YOLOv6/tree/main/deploy/ONNX

單擊YOLOv6-s，可直接下載yolov6s.onnx

2、方式二：將標準模型pt轉化為onnx（較為復雜）

1、下載并安裝YOLOv6所依賴的庫
在https://github.com/meituan/YOLOv6中下載YOLOv6源碼并解壓

在YOLOv6-main文件夾中打開cmd，輸入以下指令安裝需要的庫：

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

注意：YOLOv6比V5多了一個addict庫，如果之前已經安裝過了YOLOv5的相關庫，也可以只下載一個addict

2、安裝pycocotools

pip install pycocotools

！！！注：若安裝pycocotools時遇到ERROR: Could not build wheels for pycocotools ……，則使用以下指令來安裝：

pip install pycocotools-windows

3、從基準表下載標準預訓練模型
https://github.com/meituan/YOLOv6

將模型放置到如下路徑”\YOLOv6-main\”

4、將標準模型pt轉化為onnx
切換到YOLOv6-main文件夾路徑下，運行以下指令實現模型的轉換

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

輸出如下，得到yolov6s.onnx

四、在LabVIEW實現YOLOV6的部署推理

本項目整體的文件結構如下圖所示，各位讀者可在文章末尾鏈接處下載整個項目源碼。

本例中使用LabVIEW ONNX工具包中的Create_Session.vi載入onnx模型，可選擇使用cpu,cuda進行推理加速。

1、查看模型

我們可以使用netron 查看ppyoloe_crn_s_300e_coco.onnx的網絡結構，瀏覽器中輸入鏈接：https://netron.app/，點擊Open Model，打開相應的網絡模型文件即可。

查看模型屬性，可看到模型的輸入輸出如下圖所示:

我們發現，該模型輸出和YOLOx輸出一直，均為1x8400x85

2、項目運行

將我們已經轉化好的onnx模型放置到model文件夾中，打開yolov6_onnx_camera.vi,在前面板中修改程序中加載的模型路徑為實際模型路徑，本項目中已經將YOLOV6 onnx模型【yolov6s.onnx】放置到了model文件夾中，如需其他模型，讀者也可自行放置到model文件及下，實現模型的加載。運行程序，可得到目標檢測的結果。

• 主程序源碼如下（可以選擇使用CUDA或者TensorRT進行推理加速）：
  

• 運行結果如下：
  

五、完整項目下載鏈接

鏈接：https://blog.csdn.net/virobotics/article/details/126356929?spm=1001.2014.3001.5501

總結

以上就是今天要給大家分享的內容。大家可根據鏈接下載相關源碼與模型。

如果有問題可以在評論區里討論，提問前請先點贊支持一下博主哦，如您想要探討更多關于LabVIEW與人工智能技術，歡迎加入我們的技術交流群：705637299。進群請備注：LabVIEW機器學習

**如果文章對你有幫助，歡迎?關注、??點贊、?收藏