【技术实现步骤摘要】
本申请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。
技术介绍
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，本申请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，本申请采用如下技术方案：
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
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、在本申请较佳的选择中，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、在本申请较佳的选择中，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、在本申请较佳的选择中，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、在本申请较佳的选择中，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、在本申请较佳的选择中，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，生成最终输本文档来自技高网...
【技术保护点】
1.一种多神经网络模型调用方法，其特征在于，应用于工业相机，所述多神经网络模型调用方法包括：
2.根据权利要求1所述的多神经网络模型调用方法，其特征在于，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：
3.根据权利要求1或2所述的多神经网络模型调用方法，其特征在于，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：
4.根据权利要求3所述的多神经网络模型调用方法，其特征在于，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：
5.根据权利要求3所述的多神经网络模型调用方法，其特征在于，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
6.根据权利要求5所述的多神经网络模型调用方法，其特征在于，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：
7.一种多神经网络模型调用装置，其特征在于，应用于工业相机，所述多神经网络模型调用装置包括：
8.根据权利要求7所述的多神经网络模型调用装置，其特征在于，所述模型配置模块具体用于：
9.一种工业相机，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，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权利要求1-6任意一项所述的多神经网络模型调用方法。
...【技术特征摘要】
1.一种多神经网络模型调用方法，其特征在于，应用于工业相机，所述多神经网络模型调用方法包括：
2.根据权利要求1所述的多神经网络模型调用方法，其特征在于，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：
3.根据权利要求1或2所述的多神经网络模型调用方法，其特征在于，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：
4.根据权利要求3所述的多神经网络模型调用方法，其特征在于，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：
5.根据权利要求3所述的多神经网络模型调用...
【专利技术属性】
技术研发人员：孙晓刚，邹巍麟，
申请(专利权)人：成都阿加犀智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。