在 LabVIEW 中运行 YOLO26：基于 OpenVINO 的实时目标检测实践

‍‍博客主页 virobotics(仪酷智能)LabVIEW深度学习、人工智能博主所属专栏『AI Agent for LabVIEW』推荐文章『LabVIEW人工智能深度学习指南』本文由virobotics(仪酷智能)原创仪酷智能官网https://www.virobotics.net/邮箱infovirobotics.net欢迎大家关注✌点赞收藏⭐留言订阅专栏文章目录为什么选择 YOLO26 OpenVINO在 LabVIEW 中运行 YOLO26快速跑通 USB 摄像头实时检测图片文件夹检测更适合模型调试工业相机场景使用 NI Vision 版本关键参数说明从 Demo 到工程应用总结大家好这里是仪酷智能 VIRobotics致力于 AI for LabVIEW。随着 AI 视觉模型在工业检测、自动化测试和边缘推理中的应用越来越多很多 LabVIEW 工程师都会遇到一个问题模型训练和算法更新越来越快但真正落地到工程现场时仍然需要和相机采集、PLC 通信、运动控制、测试流程、数据记录和界面交互结合。对于长期使用 LabVIEW 的工程师来说最理想的方式并不是重新搭建一套 Python 工程而是在熟悉的 LabVIEW 环境中直接完成模型加载、图像采集、AI 推理和结果显示。本文以YOLO26 OpenVINO LabVIEW为例介绍如何通过仪酷智能AI Vision Toolkit for OpenVINOAIVT-OV在 LabVIEW 中快速实现目标检测应用。为什么选择 YOLO26 OpenVINOYOLO 是实时目标检测中应用非常广泛的一类模型。它通过一次神经网络推理直接完成目标定位和分类因此非常适合视频流检测、工业缺陷识别、机器人视觉和边缘端部署等场景。YOLO26 是 Ultralytics YOLO 系列中的新一代模型家族面向实时视觉任务支持目标检测、分割、分类、姿态估计等多类视觉任务。对于工业视觉应用来说它的优势在于模型体系统一部署路径清晰适合从实验验证逐步走向工程应用。OpenVINO 则主要负责推理加速。它可以充分利用 Intel CPU、集成显卡、独立显卡等硬件资源在工控机、工业电脑和边缘设备上实现高效推理。而 AIVT-OV 的作用是把 OpenVINO 推理能力封装到 LabVIEW 中。这样 LabVIEW 用户就可以通过图形化方式调用 YOLO26 模型不需要额外搭建 Python 环境也不需要从零编写复杂的推理代码。简单来说这套方案的目标是让 LabVIEW 工程师能够直接在现有工程体系中使用 YOLO26 目标检测能力。在 LabVIEW 中运行 YOLO26在仪酷智能官网下载中心获取 AI Vision Toolkit for OpenVINO https://www.virobotics.net/download安装 AIVT-OV 后可以通过 LabVIEW 范例查找器打开 YOLO26 示例Help Find Examples Directory Structure VIRobotics AI Vision Object DetectionYOLO26 示例文件夹路径通常为LabVIEW install path /examples/VIRobotics/AI Vision/Object Detection/YOLO26/该文件夹下提供了 4 个典型范例 VIVI 名称图像来源适用场景YOLO26_OpenVINO.viUSB 摄像头普通摄像头实时检测YOLO26_OpenVINO_imgs.vi图片文件夹批量图片离线检测YOLO26_OpenVINO_NIVision.vi工业相机工业相机实时检测YOLO26_OpenVINO_NIVision_img.vi单张图片NI Vision 图片检测这 4 个范例基本覆盖了从模型调试到工程部署的常见需求。快速跑通 USB 摄像头实时检测如果只是想快速验证 YOLO26 是否可以在 LabVIEW 中运行可以先打开YOLO26_OpenVINO.vi这个范例会调用 USB 摄像头实时采集图像然后使用 YOLO26 模型进行目标检测并在前面板显示检测结果和每帧耗时。基本步骤如下确认 USB 摄像头已经连接打开YOLO26_OpenVINO.vi检查model_file是否指向正确的 YOLO26 模型检查class_names_file是否指向正确的类别文件设置推理设备device_name可使用 CPU 或 GPU点击运行按钮查看实时检测结果点击 stop 停止程序。对于初次测试建议先使用默认模型和默认类别文件。确认范例可以正常运行后再替换为自己训练的模型。图片文件夹检测更适合模型调试如果当前电脑没有摄像头或者想测试一批图片可以使用YOLO26_OpenVINO_imgs.vi这个范例支持选择一个图片文件夹并在列表框中点击不同图片进行检测。它非常适合模型训练后的效果验证。使用步骤如下打开YOLO26_OpenVINO_imgs.vi设置模型路径和类别文件路径在image Folder中选择图片文件夹程序会自动列出文件夹中的图片点击任意图片名称查看检测结果继续点击其他图片进行测试。对于训练好的缺陷检测模型建议先用这个范例快速查看测试集效果再接入摄像头实时检测。工业相机场景使用 NI Vision 版本如果项目中使用的是工业相机例如 Basler、FLIR 等并且通过 NI-IMAQdx 驱动进行采集可以使用YOLO26_OpenVINO_NIVision.vi这个范例使用 NI Vision Image 作为图像数据类型更适合接入已有的 NI Vision 工程。使用前需要确认已安装 NI-IMAQdx 驱动工业相机可以在 NI MAX 中正常识别已知道相机名称例如cam0已正确配置 YOLO26 模型路径和类别文件路径。如果只是想测试一张 NI Vision 图片可以使用YOLO26_OpenVINO_NIVision_img.vi它适合将 AI 检测能力接入已有 NI Vision 图像处理流程。关键参数说明YOLO26 范例中有几个常用参数需要关注。device_name用于选择推理设备。一般可以设置为CPU或GPU。如果电脑有 Intel GPU可以尝试使用 GPU 获得更好的推理速度。confThreshold置信度阈值。阈值越高误检通常越少但也可能漏检阈值越低召回率通常更高但可能带来更多误检。范例默认值一般为0.3。nms_threshold非极大值抑制阈值用于合并重叠检测框。范例默认值一般为0.5。class_names_file类别名称文件。如果使用自己训练的模型需要保证类别文件中的类别顺序与模型输出一致。onnx_path模型路径建议使用英文路径例如C:/ProgramData/VIRobotics/ModelZoo/Object_Detection/yolo26/yolo26n.onnx。不要将模型放在包含中文、空格或特殊字符的路径中。从 Demo 到工程应用YOLO26 范例的意义不只是跑通一个目标检测 Demo更重要的是提供了一个 LabVIEW AI 视觉应用的基本骨架。在实际项目中可以在检测结果后继续扩展这也是 LabVIEW 在工业现场的优势。AI 推理只是系统中的一个环节真正的项目还需要设备控制、流程逻辑、人机界面和数据管理。通过 AIVT-OVYOLO26 可以直接成为 LabVIEW 工程中的一个功能模块而不是孤立运行的外部脚本。总结通过 YOLO26 AIVT-OVLabVIEW 用户可以在图形化开发环境中快速完成目标检测应用开发。如果是第一次使用建议先从YOLO26_OpenVINO_imgs.vi或YOLO26_OpenVINO.vi开始确认模型和环境正常后再接入工业相机和实际工程流程。对于已经使用 LabVIEW 开发机器视觉、自动化测试或工业检测系统的用户来说这种方式可以在保持原有工程体系的同时引入最新的 AI 目标检测能力让传统测控系统更容易升级为智能视觉系统。以上就是今天要给大家分享的内容希望对大家有用。如有笔误还请各位及时指正。我们将持续更新与开发者一同探索 LabVIEW AI Vision 的无限可能如您想要探讨更多关于 LabVIEW 与人工智能技术欢迎加入我们的技术交流群705637299。进群请备注AI Vision更多内容可查看CSDNhttps://blog.csdn.net/virobotics官网https://www.virobotics.netB站仪酷智能邮箱infovirobotics.netQQ群705637299如果文章对你有帮助欢迎✌关注、点赞、✌收藏、订阅专栏推荐阅读AI Agent for LabVIEW赋能LabVIEW测控工程师无缝调用大模型能力使用LabVIEW第一时间体验DeepSeek-V3.1-Terminus版本【Agent教程】1.手把手教你使用仪酷智能 Agent制作并调用 VI 工具大模型生成LabVIEW代码工具-VI Generator使用VIRobotics VI Generator让大模型轻松在LabVIEW中生成数学曲线重磅更新AI Agent for LabVIEW 32位版本正式发布硬核揭秘 VI Generator 2.0第二次内测实况AI重构LabVIEW开发【YOLOv11】实战一在LabVIEW 中使用OpenVINO实现YOLOv11技术交流 · 一起学习 · 咨询分享请联系