功能模块详解

AIVT-OV 工具包在 LabVIEW 的功能面板路径如下：Block Diagram>>Functions>>Addons>>VIRobotics>>AI Vision Toolkit for OpenVINO

您将看到以下三个主要模块：

以下是这三个模块的简介：

🔷 模块 1：opencv_yiku

提供 OpenCV 图像处理函数、相机采集、视频输入输出、传统视觉分析、深度学习预处理等功能

子模块	功能说明
`Mat`	矩阵数据类型定义及基本运算
`Camera`	USB、网络、工业相机采集，视频读取
`core`	图像的一些基本出处理
`imgproc`	图像色彩空间、直方图、阈值化、轮廓、边缘检测、滤波、映射、霍夫检测、角点检测等
`imshow`	图像显示控件（OpenCV窗口）
`Draw`	绘制矩形、线条、文字等图像注释操作
`imgcodes`	图像文件的读写与编解码
`geometry`	图形几何处理，点集、矩形、轮廓处理
`cuda`	用于管理 GPU（CUDA）环境的信息与切换
`features2d`	2D 特征描述，图像特征点的提取与匹配，用于图像配准、物体识别、图像拼接等任务
`dnn`	调用 OpenCV-DNN 模块进行 AI 推理
`ml`	支持基本机器学习模型（SVM等）
`VideoWriter`	图像帧写入视频文件
`calib3d`	相机标定、手眼标定、三维重建
`face`	人脸检测与识别
`RT`	RT系统路径

✅ 适用于前处理、传统视觉、视觉标定、辅助AI输入的所有场景。

提供 ONNX、IR、Paddle 等模型的加载与加速推理函数，支持多设备推理（CPU/iGPU/dGPU）

子模块	功能说明
`getAvailableDevices`	获取本机支持的 OpenVINO 推理设备列表
`getVersion`	显示 OpenVINO runtime 当前版本
`OV`	调用 OpenVINO 的深度学习模型，支持加载 IR、ONNX模型，并执行推理、获取结果、设置输入输出等.

⚠️ 使用建议：

模型路径建议使用英文路径，无空格或中文；

广泛的模型支持：集成了OpenVINO™的深度学习推理引擎函数，支持推理PyTorch、TensorFlow、ONNX、PaddlePaddle等主流框架生成的IR、onnx、paddle模型；
多种硬件加速：充分利用英特尔CPU、集成显卡和独立显卡的AI高性能推理为工业和商业应用提供高性能、低延迟的视觉反馈；

内置常见任务模型推理封装，包括 YOLO、DeeplabV3/V3+、SAM、PaddleOCR 等，适合快速搭建完整流程。

子模块	功能说明
`Object_Detection`	YOLOv5~YOLOv13、RT-DETR 等模型快速推理、自动追踪
`Segmentation`	语义分割模型调用（如 DeepLabV3/3+、Unet、SAM）快速实现
`PaddleOCR`	文本检测 + 文字识别一体化流程

🧩 优势：

封装度高：每个任务只需调用 1~2 个 VI 即可完成；

可拓展性强：支持模型替换、自定义类别、运行参数设置；

支持视频流、图像集、实时相机多种输入方式，提供Mat以及nivision两种数据类型输入。

如需详细查看各模块函数的输入输出参数、类型说明、使用方式，请参考工具包内置函数Help文档：