多神经网络模型调用方法和装置、工业相机及存储介质与流程

本技术涉及神经网络模型调用，具体而言，涉及一种多神经网络模型调用方法和装置、工业相机及存储介质。

背景技术：

1、工业相机在实际业务场景中检验物品，需要通过运行对应的算法应用，应用中包括代码实现对应数据前处理、模型加载、模型推理、数据后处理，最终得到结果并在web界面展示的方式，以此达到直观的查看效果。目前工业场景中涉及定位、分割、正样本、目标检测、ocr识别、分类等6种独立场景，但针对某些案例场景，需要对模型进行组合，比如，检测芯片某部分缺陷，需要先通过定位模型得到指定区域图像数据，再通过分割模型识别出该区域的缺陷并进行标注，最终获得定位+分割后的结果图展示。

2、但是，在现有技术中，针对不同的模型，需要对其模型加载、模型推理进行单独的应用配置，并重新进行编译、打包、部署才能使用，并不能达到模型自由组合的效果。也就是说，在现有技术中，存在着多神经网络模型调用的实现逻辑的复杂度较高的问题。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种多神经网络模型调用方法和装置、工业相机及存储介质，以改善现有技术中存在的多神经网络模型调用的实现逻辑的复杂度较高的问题。

2、为实现上述目的，本技术采用如下技术方案：

3、一种多神经网络模型调用方法，应用于工业相机，所述多神经网络模型调用方法包括：

4、响应于目标用户进行的多神经网络模型配置操作，对需要调用的多个神经网络模型进行调用配置处理，形成对应的目标调用配置文件，其中，所述目标调用配置文件中至少具有需要调用的多个神经网络模型的调用先后顺序和每一个神经网络模型的调用路径；

5、响应于目标用户进行的神经网络模型调用操作，加载所述目标调用配置文件，以完成多个神经网络模型的加载，并触发目标工业相机启动以进行图像采集操作，得到对应的待处理图像数据；

6、将所述待处理图像数据加载到所述多个神经网络模型中，使得所述多个神经网络模型对所述待处理图像数据依次进行处理，并返回对应的图像数据处理结果，其中，所述多个神经网络模型中的第一个神经网络模型加载到的数据为所述待处理图像数据，所述多个神经网络模型中第一个神经网络模型以外的每一个神经网络模型加载到的数据为前一个神经网络模型返回的图像数据处理结果。

7、在本技术较佳的选择中，在上述多神经网络模型调用方法中，所述响应于目标用户进行的多神经网络模型配置操作，对需要调用的多个神经网络模型进行调用配置处理，形成对应的目标调用配置文件的步骤，包括：

8、响应于目标用户进行的第一多神经网络模型配置操作，对需要调用的多个神经网络模型进行算法参数配置处理，形成对应的算法参数配置文件，其中，所述算法参数配置文件中至少包括阈值参数，所述阈值参数用于反映在目标时长内输入到所述多个神经网络模型中的待处理图像数据的数量；

9、响应于所述目标用户进行的第二多神经网络模型配置操作，对需要调用的多个神经网络模型进行模型配置处理，形成对应的模型配置文件，其中，所述模型配置文件中至少具有需要调用的多个神经网络模型的调用先后顺序和每一个神经网络模型的调用路径；

10、响应于所述目标用户进行的第三多神经网络模型配置操作，对需要调用的多个神经网络模型对应的工业相机的启动参数进行配置处理，形成对应的相机参数配置文件，其中，所述目标调用配置文件包括所述算法参数配置文件、所述模型配置文件和所述相机参数配置文件。

11、在本技术较佳的选择中，在上述多神经网络模型调用方法中，所述将所述待处理图像数据加载到所述多个神经网络模型中，使得所述多个神经网络模型对所述待处理图像数据依次进行处理，并返回对应的图像数据处理结果的步骤，包括：

12、基于所述目标调用配置文件中的第一调用参数，确定出第一个调用的神经网络模型，其中，所述第一调用参数用于反映所述多个神经网络模型中各神经网络模型的调用先后顺序；

13、基于所述目标调用配置文件中的第二调用参数，确定第一个调用的神经网络模型的调用路径；

14、基于第一个调用的神经网络模型的调用路径，对该神经网络模型进行调用，使得该神经网络模型加载到所述待处理图像数据，以对所述待处理图像数据进行处理，并返回对应的图像数据处理结果；

15、基于所述目标调用配置文件中的第一调用参数，确定出第二个调用的神经网络模型，并基于所述目标调用配置文件中的第二调用参数，确定第二个调用的神经网络模型的调用路径；

16、基于第二个调用的神经网络模型的调用路径，对该神经网络模型进行调用，使得该神经网络模型加载到第一个调用的神经网络模型返回的图像数据处理结果，以对该图像数据处理结果进行处理，并返回对应的图像数据处理结果。

17、在本技术较佳的选择中，在上述多神经网络模型调用方法中，所述基于所述目标调用配置文件中的第一调用参数，确定出第二个调用的神经网络模型，并基于所述目标调用配置文件中的第二调用参数，确定第二个调用的神经网络模型的调用路径的步骤，包括：

18、基于所述目标调用配置文件中的第三调用参数，确定第一个调用的神经网络模型是否属于最后一个调用的神经网络模型；

19、在第一个调用的神经网络模型不属于最后一个调用的神经网络模型时，基于所述目标调用配置文件中的第一调用参数，确定出第二个调用的神经网络模型，并基于所述目标调用配置文件中的第二调用参数，确定第二个调用的神经网络模型的调用路径。

20、在本技术较佳的选择中，在上述多神经网络模型调用方法中，所述将所述待处理图像数据加载到所述多个神经网络模型中，使得所述多个神经网络模型对所述待处理图像数据依次进行处理，并返回对应的图像数据处理结果的步骤，还包括：

21、基于所述目标调用配置文件中的第三调用参数，确定第二个调用的神经网络模型是否属于最后一个调用的神经网络模型；

22、在第二个调用的神经网络模型不属于最后一个调用的神经网络模型时，基于所述目标调用配置文件中的第一调用参数，确定出第三个调用的神经网络模型，并基于所述目标调用配置文件中的第二调用参数，确定第三个调用的神经网络模型的调用路径；

23、基于第三个调用的神经网络模型的调用路径，对该神经网络模型进行调用，使得该神经网络模型加载到第二个调用的神经网络模型返回的图像数据处理结果，以对该图像数据处理结果进行处理，并返回对应的图像数据处理结果；

24、基于所述目标调用配置文件中的第三调用参数，确定第三个调用的神经网络模型是否属于最后一个调用的神经网络模型；

25、在第三个调用的神经网络模型属于最后一个调用的神经网络模型时，基于第三个调用的神经网络模型返回的图像数据处理结果，生成最终输出的图像数据处理结果。

26、在本技术较佳的选择中，在上述多神经网络模型调用方法中，所述在第三个调用的神经网络模型属于最后一个调用的神经网络模型时，基于第三个调用的神经网络模型返回的图像数据处理结果，生成最终输出的图像数据处理结果的步骤，包括：

27、在第三个调用的神经网络模型属于最后一个调用的神经网络模型时，基于第一个调用的神经网络模型返回的图像数据处理结果、第二个调用的神经网络模型返回的图像数据处理结果和第三个调用的神经网络模型返回的图像数据处理结果，对所述待处理图像数据进行标注处理，形成对应的目标标注图像数据，其中，所述目标标注图像数据中具有各调用的神经网络模型返回的图像数据处理结果的信息；

28、将所述目标标注图像数据作为最终输出的图像数据处理结果。

29、本技术还提供了一种多神经网络模型调用装置，应用于工业相机，所述多神经网络模型调用装置包括：

30、模型配置模块，用于响应于目标用户进行的多神经网络模型配置操作，对需要调用的多个神经网络模型进行调用配置处理，形成对应的目标调用配置文件，其中，所述目标调用配置文件中至少具有需要调用的多个神经网络模型的调用先后顺序和每一个神经网络模型的调用路径；

31、模型调用模块，用于响应于目标用户进行的神经网络模型调用操作，加载所述目标调用配置文件，以完成多个神经网络模型的加载，并触发目标工业相机启动以进行图像采集操作，得到对应的待处理图像数据；

32、图像数据处理模块，用于将所述待处理图像数据加载到所述多个神经网络模型中，使得所述多个神经网络模型对所述待处理图像数据依次进行处理，并返回对应的图像数据处理结果，其中，所述多个神经网络模型中的第一个神经网络模型加载到的数据为所述待处理图像数据，所述多个神经网络模型中第一个神经网络模型以外的每一个神经网络模型加载到的数据为前一个神经网络模型返回的图像数据处理结果。

33、在本技术较佳的选择中，在上述多神经网络模型调用装置中，所述模型配置模块具体用于：

34、响应于目标用户进行的第一多神经网络模型配置操作，对需要调用的多个神经网络模型进行算法参数配置处理，形成对应的算法参数配置文件，其中，所述算法参数配置文件中至少包括阈值参数，所述阈值参数用于反映在目标时长内输入到所述多个神经网络模型中的待处理图像数据的数量；

35、响应于所述目标用户进行的第二多神经网络模型配置操作，对需要调用的多个神经网络模型进行模型配置处理，形成对应的模型配置文件，其中，所述模型配置文件中至少具有需要调用的多个神经网络模型的调用先后顺序和每一个神经网络模型的调用路径；

36、响应于所述目标用户进行的第三多神经网络模型配置操作，对需要调用的多个神经网络模型对应的工业相机的启动参数进行配置处理，形成对应的相机参数配置文件，其中，所述目标调用配置文件包括所述算法参数配置文件、所述模型配置文件和所述相机参数配置文件。

37、在上述基础上，本技术还提供了一种工业相机，包括：

38、存储器，用于存储计算机程序；

39、与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述的多神经网络模型调用方法。

40、在上述基础上，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行上述的多神经网络模型调用方法的各个步骤。

41、本技术提供的多神经网络模型调用方法和装置、工业相机及存储介质，首先，响应于进行的多神经网络模型配置操作，对需要调用的多个神经网络模型进行调用配置处理，形成目标调用配置文件；其次，响应于进行的神经网络模型调用操作，加载目标调用配置文件，以完成多个神经网络模型的加载，并触发目标工业相机启动以进行图像采集操作，得到待处理图像数据；然后，将待处理图像数据加载到多个神经网络模型中，使得多个神经网络模型对待处理图像数据依次进行处理，并返回图像数据处理结果。基于上述内容，由于预先进行的多神经网络模型配置操作形成的目标调用配置文件中至少具有需要调用的多个神经网络模型的调用先后顺序和每一个神经网络模型的调用路径，使得在后续的应用中可以基于目标调用配置文件直接进行相应的多模型加载，因此，可以直接在一个应用中实现，而不用通过多个应用进行组合，从而可以改善现有技术中存在的多神经网络模型调用的实现逻辑的复杂度较高的问题。另外，在需要增加或减少神经网络模型时，仅需要对目标调用配置文件进行适应性的调整即可，而不用再单独形成对应的应用（软件），有效降低多模型调用的实现逻辑的复杂度，如此，可以充分降低应用的开发成本和部署成本。