今天给大家分享一个运用执行命令来调用Labview自带字符训练器的方式，实现效果如下图：程序框架采用常见的生产消费者模式进行搭建，那么闲话不多说，如何调用？首先第一步，我们需要找到Labview自带OCR Training.exe应用程序的目录位置，通过帮助了解调用它的命令格式，如图：Labview安装在哪个盘就去哪个盘找，找到后可以将Utility文件夹整个复制到你常用用的函数文件中方便后续查找

上次课程作业编写：d=a+b+c前面板创建4个控件：数值型输入控件：a，b，c；数值型显示控件dctrl+e 切换到程序框图界面，添加2个“+”算法，然后连线，a，b，c，d输入a 1 b 2 c 3，点击设置程序框图为高亮，观察数据执行顺序：以下是高亮执行的动态图，可知：labview中数据是从输入控件（例如a，b，c）流向连线的另一端，“+”函数必须a和b的数据传进来才会执行。第1个“+”执行

最近有很多学员提到labview编写的程序如何实现中英文界面的切换，主要涉及的难点是：1.labview运行过程中不允许修改控件标题 2.界面太丰富时一个个名称翻译工作量比较大，3.如何实现不同的程序都能一键翻译成英文？接下来我们一步步实现以上功能：labview实现自动联网中英文翻译通过有道的翻译api实现一键翻译可方便的实现中英文互译2.labview通过导出字符串得到英文版这是需要中英文切换

上期讲到视觉助手一些自带例程，初步了解了视觉助手中的一些函数功能，那么我们如何利用视觉助手根据自己的项目编辑方案和生成程序。今天就给大家讲解其中的一个函数，模板匹配的运用以及如何自动生成Labview程序。模板匹配指的是在现有的图像中通过搜索创建的模板图片找到与之特征相似的图像区域并计算出匹配分数（分数越高相似度越高），匹配角度，中心坐标点等数据。利用模板匹配可以做一些有无检测，物料定位等视觉检测

今天给大家带来视觉助手对于实际有无检测案例的算法设置以及检测的整体思路分析，如何将软件算法调试到我们想要的检测效果。首先第一点，我们需要将检测的内容以及初步运用的算法进行分析，下面给大家举例：图1-1图1-2图1-3图1-4图1-5上面采集的图中，图1-1为合格样品，那么根据后续图像我们进行对比得出该样品缺陷存在以下几种：图1-2：特征区域缺失图1-3：特征区域角度偏移图1-4：特征区域面积较小存

OverviewThis example demonstrates the use of the Model Importer API in the Vision Development Module to perform Object detection feature for Defect Inspection application using Deep Learning.  ...

讲到Labview视觉部分，Vision视觉助手的运用是必修课程，它可以有效的帮助你在软件编程，或者方案阶段进行高效率的算法模拟，还能进行Labview程序的自动生成，学习它的主要方式是通过它本身的自带案例，以及帮助信息，因为视觉助手界面是全英文版本的原因，有大部分人在刚刚入手的时候就被吓到了，其实并没有想象中的那么困难，下面就来带大家简单的了解视觉助手的功能运用。视觉助手需要安装Labview视

安装labview2019 vision，自带深度学习推理工具，支持tensorflow模型。配置好python下tensorflow环境配置好object_detection API下载SSD模型文件调用labview深度学习推理函数完成识别以上是识别动物和人等物体的labview识别效果。龙哥手把手教您LabVIEW视觉设计课程火热上线！！详情可点击下方链接进行查看：http://t.elec

由于labview具备图形化编程易学易用的特点，在自动化行业内广受欢迎，而且其通过调用halcon模型推理库经过cpu优化编译，能满足工业缺陷检测实际需求。本课程针对众多开发人员对halcon ，C#等不太熟悉的问题，特推出一套不需要任何halcon，c#语言基础，并且能一键式训练halcon深度学习模型，cpu/gpu优化加速模型，labview调用halcon深度学习模型进行分类，目标检测..