前言

Hello，大家好，这里是virobotics。上一篇博客，我们给大家介绍了YOLOv8-Seg在LabVIEW中使用ONNXRuntime实现部署，今天我们一起来看一下LabVIEW使用OpenVINO工具包调用YOLOv8-Seg实现实例分割。

一、YOLOv8简介

前面我们在给各位读者介绍YOLOv8目标检测的时候介绍过YOLOv8， YOLOv8是由Ultralytics 发布的。与之前的YOLO相比，YOLOv8 模型更快、更准确，同时为训练模型提供统一框架，以执行以下基本任务，包括：目标检测、实例分割、图像分类、人体姿态。

YOLOv8-seg 有 5 个不同模型大小的预训练模型：n、s、m、l 和 x。其中 YOLOv8 Nano Seg（YOLOv8n-seg）是最小的模型，但速度最快；而 YOLOv8 Extra Large Seg (YOLOv8x-seg) 是最准确的模型，但速度最慢。

每个模型的准确率及速度如下：

• YOLOv8官方开源地址：https://github.com/ultralytics/ultralytics

二、环境搭建

2.1 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-1.0.0.98.vip
• onnx工具包：virobotics_lib_onnx_cuda_tensorrt-1.0.0.16.vip【1.0.0.16及以上版本】或virobotics_lib_onnx_cpu-1.13.1.2.vip

2.2 LabVIEW工具包下载及安装

• AI视觉工具包下载与安装参考：
  https://blog.csdn.net/virobotics/article/details/123656523
• onnx工具包下载与安装参考：
  https://blog.csdn.net/virobotics/article/details/124998746

三、导出YOLOv8-seg 实例分割onnx模型

注意：本教程已经为大家提供了YOLOv8-seg的onnx模型，可跳过本步骤，直接进行步骤四-项目实战。若是想要了解YOLOv8-seg的onnx模型如何导出，则可继续阅读本部分内容。

下面我们来介绍onnx模型的导出(以YOLOv8s-seg为例，想要导出其他模型的方式也一样，只需要修改名字即可)

3.1 安装YOLOv8

YOLOv8的安装有两种方式，pip安装和GitHub安装。

• pip安装

pip install ultralytics -i https://pypi.douban.com/simple/

• GitHub安装

git clone https://github.com/ultralytics/ultralytics

cd ultralytics

pip install -e '.[dev]'

安装完成后就可以通过yolo命令在命令行进行使用了。

3.2 导出模型为onnx

首先使用命令:

yolo export model=yolov8s-seg.pt format=onnx

完成yolov8s-seg.onnx模型导出，如下图所示。

YOLOv8-seg模型一共有两个输出:

第一个输出：“output0”；type：float32[1,116,8400]。其中116的前84个列与 YOLOv8目标检测模型输出定义一样，即cx,cy,w,h这4项再加80个类别的分数；后32列用于计算掩膜数据。

第二个输出：“output1”；type：float32[1,32,160,160]。output0后32个字段与output1的数据做矩阵乘法后得到的结果，即为对应目标的掩膜数据。

如果觉得上面方式不方便，那我们也可以写一个python脚本，快速导出yolov8的onnx模型，程序如下：

from ultralytics import YOLO

# Load a model
model = YOLO("\models\yolov8s-seg.pt")  # load an official model

# Export the model
model.export(format="onnx")

注：有朋友因为网络问题，会显示下载pt失败，可直接使用本项目中已经下载好的yolov8s-seg.pt，如需其他大小的模型，可在该链接中下载：https://download.csdn.net/download/virobotics/87704235

四、项目实践

实现效果：LabVIEW+OpenVINO加速YOLOv8-seg实例分割

• 框架源码；
  

• 运行效果
  

五、项目源码

如需源码，请在一键三联并订阅本专栏后评论区留下邮箱

更多内容，可关注微信公众号：VIRobotics

总结

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。下一篇文章会给大家更新使用在LabVIEW中使用TensorRT来部署加速YOLOv8实现实例分割，欢迎大家关注博主。我是virobotics,我们下篇文章见~

如果有问题可以在评论区里讨论，提问前请先点赞支持一下博主哦，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：LabVIEW机器视觉

**如果文章对你有帮助，欢迎✌关注、👍点赞、✌收藏