项目背景

百度飞桨团队开发了一款全流程深度学习模型开发工具：PaddleX，分为API版本和GUI版本。使用PaddleX可以低代码甚至零代码实现图像分类、目标检测、语义分割、实例分割等任务，非常适合于非计算机背景（如工业领域）的从业者完成深度学习开发。

为了更便捷地与多类传感器和上位系统通信、工业领域内上位机软件常常用C#来开发，但深度学习本身以C++和Python为主。因此，本Demo的目标就是基于PaddleX，打通深度学习C#部署的最后一步。

项目简介

本项目基于C#开发，可以驱动海康威视黑白相机、basler黑白/彩色相机，获取图像后使用PaddleX深度学习库，实现图像分类、目标检测和语义分割功能。

从功能层面，共分为三部分：

• 本地单模型模式
  • 部署于本地服务器
  • 每次可调用一个相机
  • 加载一个深度学习模型，实现一种任务
• 本地多模型模式
  • 部署于本地服务器
  • 每次可调用多个相机（目前支持2个）
  • 每个相机可独立加载一个深度学习模型，同步实现多种任务
• 远程起服务模式
  • 部署于远程服务器
  • 通过gRPC方式，调用远程服务器

项目目录

• PaddleXCsharp文件内容使用C#开发，实现本项目的基本功能
• PaddleXDll为PaddleX提供的C++程序，用于编译DLL
• gRPC_demo为远程起服务模式，使用python开发

使用方法

1. 将项目克隆（下载）至本地
2. 使用PaddleXDll文件下内容，编译可供C#下调用的DLL（这里为大家提供一份编译好的DLL，百度网盘链接，提取码：2luj）
3. 将DLL文件添加至C#bin文件下
4. 安装PaddleX，根据文档，训练出深度学习模型（注意，本demo仅支持PaddleX训练出的模型，不支持PaddlePaddle训练的模型）
5. 连接相机，加载模型，启动测试

工作环境

• CUDA 10.0
• cudnn 7.5.0
• Visual Studio 2019
• OpenCvSharp3-AnyCPU
• .NET Framework 4.7.2

经过测试，CUDA和CUDNN为其他版本时，可能会有问题，报错为：外部组件出现异常

演示示例

下图以目标检测为例，演示如何调用相机、加载模板检测模型，实现压力表的检测。

本地单模型模式

相机操作及推理

本地多模型模式

相机操作及推理