‍‍🏡博客主页： virobotics(仪酷智能)：LabVIEW深度学习、人工智能博主
🎄所属专栏：『LabVIEW深度学习实战』
📑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
📫️联系我们：info@virobotics.net

🥳欢迎大家关注✌点赞👍收藏⭐留言📝订阅专栏

前言

Hello，大家好，这里是仪酷智能 VIRobotics。

YOLO 系列一直是实时目标检测的代名词：上手快、速度快、部署路径成熟。YOLO26 作为 Ultralytics 最新一代模型，主打端到端、无 NMS 的推理链路，更偏向边缘与低功耗设备的落地体验（导出更顺、集成更省事）。

此前我们已分享过多款 YOLO 模型在 LabVIEW 中的部署实践，感兴趣的读者可查看专栏【深度学习：物体识别（目标检测）】。本文将基于YOLO26，结合最新的 AI Vision Toolkit for GPU for LabVIEW 2.0 版本，带大家从零搭建环境，完成 YOLO26 在 LabVIEW 中的图片静态推理与摄像头实时推理，全程步骤贴合工业部署需求，代码可直接复用。

---

一、YOLOv26 简介

YOLO26 是 Ultralytics 专为边缘计算与低功耗设备打造的新一代 SOTA 目标检测模型，以 “简洁、高效、易部署” 为核心设计原则，在继承 YOLO 系列优势的基础上，实现了架构与性能的双重突破。主要有以下特性：

• 端到端无 NMS 推理：预测直接输出结果，少一段后处理，集成更轻量，部署流程大幅简化，更适配实时工业场景。
• 移除 DFL 模块：删除复杂的分布焦点损失（DFL）模块，简化模型结构，解决了前代模型导出时的硬件兼容性问题，边缘设备支持范围显著拓宽；
• 小目标更友好：针对小目标检测精度不足的痛点优化，在 IoT、机器人视觉、航拍图像等场景中，小目标识别准确率提升明显；
• 收敛速度更快：融合 SGD 与 Muon 优化策略，训练稳定性提升，收敛速度加快 25%
• CPU 推理速度暴涨 43%：专为边缘设备优化，在无 GPU 的嵌入式环境中仍能实现实时推理，适配工控机、边缘计算节点等资源受限设备；

YOLO26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：Windows10/11
• python：3.9及以上
• LabVIEW：2018及以上 64位版本
• LabVIEW工具包：virobotics_lib_ai_vision_toolkit_for_gpu-2.0.0.20.vip【2.0.0.20及以上版本】
• 推理：CPU 可跑；有 NVIDIA 显卡建议装 CUDA
• 摄像头：普通 USB 摄像头即可

2.2 LabVIEW工具包下载及安装

AI Vision Toolkit for GPU for LabVIEW 2.0下载配置：https://blog.csdn.net/virobotics/article/details/156462063

tips:如电脑只有cpu，则可不装cuda以及cudnn也可

---

三、获取yolo26.onnx模型

可在本项目文末直接下载整个项目，项目中包含yolo26的onnx模型。

YOLOv26 的输入是一个形状为 1×3×640×640 的张量，表示 1 张经过 resize/归一化后的 RGB 图像；与 YOLOv8 在 3 个检测头上对 80×80、40×40、20×20 共 8400 个网格位置分别输出预测不同，YOLOv26 在网络内部完成了置信度筛选、类别选择和类似 NMS 的抑制过程，不再导出全部网格结果，而是只保留最多 300 个最优检测结果，因此其 ONNX 输出为 1×300×6，其中每一行表示一个最终目标，6 个值依次为目标框的中心坐标 (x, y)、宽高 (w, h)、目标置信度 score 以及类别编号 class_id。

---

四、快速跑通（10秒见效果）

实现效果：LabVIEW中部署YOLO26实现图片推理和视频推理

整个项目工程如下，本次项目以YOLO26n为例

4.1 YOLO26在LabVIREW中实现图片推理

1、初始化：获取模型文件及类别标签文件路径，对模型以及后续用到的Mat做初始化处理；

2、加载图片做前后处理以及模型推理，得到检测结果

3、释放所有资源

4、完整源代码

5、运行结果
运行yolov26_onnx_imgs.vi，点击image Folder选择图片文件夹，点击待识别图片，获取结果，点击Stop结束程序。

6、运行自己的模型并启用GPU模型

• type配置为CUDA
• 点击model_file更换为自己的模型
• 点击class_names_file为自己的标签文件
• 运行程序，点击image Folder更换为自己的待检测图片文件夹
• 点击图片获取检测结果
  

4.2 YOLO26在LabVIREW中实现实施目标检测

1、初始化：获取模型文件及类别标签文件路径，对模型以及后续用到的Mat做初始化处理，同时初始化相机；

2、加载相机视频流并完成推理实时目标检测，得到结果

3、释放所有资源

4、完整源代码

5、运行结果
运行yolov26_onnx_camera.vi，开始实时目标检测，点击Stop结束程序。

6、运行自己的模型并启用GPU模型

• type配置为CUDA
• 点击model_file更换为自己的模型
• 点击class_names_file为自己的标签文件
• 运行程序，获取检测结果
  

五、项目源码及模型

如需源码，请在订阅本专栏后评论区留下邮箱
或关注微信公众号：仪酷智能科技，回复关键字：yolo26_onnx

六、常见问题（避坑）

1. 摄像头打不开：

   • Windows：被其他软件占用（微信/钉钉/OBS），先关掉

2. GPU 没用上：

   • 需要安装正确的 CUDA12.x

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。我们将持续更新，与开发者一同探索LabVIEW AI Vision 的无限可能！
我是VIRobotics（仪酷智能），我们下篇文章见~

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：CSDN

---

更多内容可查看：

• 仪酷智能官网：https://www.virobotics.net/
• 微信公众号：仪酷智能科技
• B站：仪酷智能
• 邮箱：info@virobotics.net

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

【YOLOv5】LabVIEW+TensorRT的yolov5部署实战（含源码））
【YOLOv5】手把手教你使用LabVIEW ONNX Runtime部署 TensorRT加速，实现YOLOv5实时物体识别（含源码）
【YOLOv8】实战一：手把手教你使用YOLOv8实现实时目标检测
【YOLOv8】实战二：YOLOv8 OpenVINO2022版 windows部署实战
【YOLOv8】实战三：基于LabVIEW TensorRT部署YOLOv8
【YOLOv9】实战一：在 Windows 上使用LabVIEW OpenVINO工具包部署YOLOv9实现实时目标检测（含源码）
【YOLOv9】实战二：手把手教你使用TensorRT实现YOLOv9实时目标检测（含源码）
👇技术交流 · 一起学习 · 咨询分享，请联系👇