using IronBarCode;
using System.Drawing;
// Creating a barcode is as simple as:
var myBarcode = BarcodeWriter.CreateBarcode("12345", BarcodeWriterEncoding.EAN8);
// And save our barcode as in image:
myBarcode.SaveAsImage("EAN8.jpeg");
Image myBarcodeImage = myBarcode.Image; // Can be used as Image
Bitmap myBarcodeBitmap = myBarcode.ToBitmap(); // Can be used as Bitmap
// Reading a barcode is easy with IronBarcode:
var resultFromFile = BarcodeReader.Read(@"file/barcode.png"); // From a file
var resultFromBitMap = BarcodeReader.Read(new Bitmap("barcode.bmp")); // From a bitmap
var resultFromImage = BarcodeReader.Read(Image.FromFile("barcode.jpg")); // From an image
var resultFromPdf = BarcodeReader.ReadPdf(@"file/mydocument.pdf"); // From PDF use ReadPdf
// After creating a barcode, we may choose to resize and save which is easily done with:
var myNewBarcode = BarcodeWriter.CreateBarcode("12345", BarcodeWriterEncoding.EAN8);
myNewBarcode.ResizeTo(400, 100);
myNewBarcode.SaveAsImage("myBarcodeResized.jpeg");
// To set more options and optimization with your Barcode Reading,
// Please utilize the BarcodeReaderOptions paramter of read:
var myOptionsExample = new BarcodeReaderOptions
{
// Choose a speed from: Faster, Balanced, Detailed, ExtremeDetail
// There is a tradeoff in performance as more Detail is set
Speed = ReadingSpeed.Balanced,
// Reader will stop scanning once a barcode is found, unless set to true
ExpectMultipleBarcodes = true,
// By default, all barcode formats are scanned for.
// Specifying one or more, performance will increase.
ExpectBarcodeTypes = BarcodeEncoding.AllOneDimensional,
// Utilizes multiple threads to reads barcodes from multiple images in parallel.
Multithreaded = true,
// Maximum threads for parallel. Default is 4
MaxParallelThreads = 2,
// The area of each image frame in which to scan for barcodes.
// Will improve performance significantly and avoid unwanted results and avoid noisy parts of the image.
CropArea = new Rectangle(),
// Special Setting for Code39 Barcodes.
// If a Code39 barcode is detected. Try to use extended mode for the full ASCII Character Set
UseCode39ExtendedMode = true
};
// And, apply:
var results = BarcodeReader.Read("barcode.png", myOptionsExample);
Install-Package BarCode
Réponse rapide(QR) sont devenus partie intégrante de notre vie numérique, facilitant le partage de données et la recherche d'informations en toute transparence. La reconnaissance des codes QR dans les images est une application précieuse de l'apprentissage profond, un sous-ensemble de l'intelligence artificielle. Dans cet article, nous vous guiderons à travers le processus de construction d'un système de reconnaissance de code QR utilisant l'apprentissage profond en .NET/C#.
L'apprentissage profond, une branche de l'apprentissage automatique, consiste à former des réseaux neuronaux pour apprendre des modèles complexes à partir de données. Dans le contexte de la reconnaissance des codes QR, les modèles d'apprentissage profond peuvent être formés pour identifier et décoder les codes QR à partir d'images de tailles, d'orientations et de conditions variées. Réseaux neuronaux convolutifs(CNNs) sont un choix populaire pour les tâches basées sur l'image telles que la reconnaissance des codes QR en raison de leur capacité à capturer des caractéristiques visuelles complexes.
Dans cet article, nous utiliseronsML.NET Model Builder (Constructeur de modèles) pour l'entraînement de notre modèle.
Constructeur de modèles est un outil puissant fourni par Microsoft dans le cadre du programmeML.NET pour construire des modèles d'apprentissage automatique en .NET/C#. Il simplifie et accélère le processus de création de modèles d'apprentissage automatique personnalisés sans nécessiter de connaissances approfondies des algorithmes d'apprentissage automatique ni de compétences étendues en matière de codage. Model Builder est conçu pour être convivial et accessible, ce qui en fait un outil idéal pour les développeurs qui souhaitent exploiter les capacités de l'apprentissage automatique dans leurs applications. Model Builder prend en charge AutoML, qui explore automatiquement différents algorithmes et paramètres d'apprentissage automatique pour vous aider à trouver celui qui convient le mieux à votre scénario.
La formation d'un modèle de reconnaissance de code QR à l'aide de Model Builder comporte une série d'étapes qui vous guident tout au long du processus de création et de formation du modèle. Dans ce guide étape par étape, nous vous présenterons chaque étape de la formation d'un modèle de code QR à l'aide de Model Builder en .NET/C#.
Avant de nous plonger dans la mise en œuvre, assurez-vous que vous disposez des conditions préalables suivantes :
Nous avons besoin d'images de codes QR pour entraîner notre modèle. Vous pouvez obtenir des images de codes QR à partir deKaggle ouRoboflow. Pour cet exemple, j'ai téléchargé des images de codes QR à partir de Roboflow.
Ouvrir le projet Visual Studio.
Clic droit sur Projet > Ajouter > Modèle d'apprentissage automatique...
La fenêtre suivante s'affiche.
Donnez le nom du modèle et cliquez sur le bouton Ajouter. La fenêtre suivante apparaît :
Faites défiler vers le bas et trouvez "Object Detection" sous Computer Vision.
Sélectionnez Détection d'objets car nous devons détecter des codes QR à partir de l'ensemble de données donné. Sélectionnez Local ou Azure selon votre préférence. Dans cet exemple, nous choisissons l'option "Local".
Après avoir cliqué sur Local, la fenêtre suivante apparaît :
Sélectionnez un CPU ou un GPU local selon votre choix. Vous pouvez également sélectionner Azure. Pour cela, vous devez disposer d'un abonnement Active Azure. Après avoir sélectionné votre environnement de test, cliquez sur le bouton Suivant. La fenêtre suivante apparaît.
La sélection des données est la partie la plus importante du processus de formation. Comme indiqué précédemment, j'obtiendrai les données à partir deRobo Flow. Ouvrez RoboFlow, recherchez le code QR. Les données peuvent comporter des codes QR blancs ou de nombreuses caractéristiques locales. J'utilise la détection de QR Vision par ordinateurEnsemble de données pour ce tutoriel. Télécharger les données en sélectionnant le format. J'ai choisi le format COCO pour télécharger ces données. Ce format sera utilisé ultérieurement pour le prétraitement des données et la reconnaissance des images.
Maintenant que vous avez des données, revenons à Visual Studio. Sélectionnez le chemin d'entrée du fichier Coco téléchargé ci-dessus. Vous pouvez également choisir Vott, mais pour cela, vous devez créer un fichier Vott pour vos données. La fenêtre suivante apparaît.
Cliquez sur le bouton Étape suivante et passez à l'onglet Train.
Cliquez ensuite sur Démarrer le modèle de formation pour commencer la formation. Le Model Builder convertira automatiquement les images binaires et utilisera les réseaux neuronaux préférés en conséquence. Nous n'avons pas besoin de préciser quoi que ce soit. L'avantage de Model Builder est qu'un développeur disposant d'un minimum de connaissances en deep learning peut entraîner, tester et consommer un modèle.
Model Builder entraîne le modèle sur l'ensemble de données spécifié et affiche la progression de l'entraînement. La formation ci-dessus prendra du temps en fonction du système. Le modèle prendra tous les codes QR un par un et apprendra leurs caractéristiques. Vous pouvez tester votre modèle en lui transmettant l'image d'un code QR de test une fois l'apprentissage terminé.
Après la formation, Model Builder évalue les performances du modèle sur les données de validation.
Vous verrez des mesures d'évaluation telles que l'exactitude, la précision, le rappel et le score F1. Ces mesures permettent d'évaluer les performances du modèle.
Maintenant que notre modèle est entraîné et que le détecteur de code QR est prêt, nous devons utiliser ce modèle pour détecter le code, puis décoder le code QR détecté. Ce modèle détecte uniquement si une entrée donnée contient un code de réponse rapide ou non. Cela ne décodera pas le code QR. Pour le décodage du code QR, nous avons besoin d'une bibliothèque tierce. Iron Barcode est la meilleure bibliothèque pour lire l'image du code QR. Explorons un peu le code-barres Iron avant d'aller plus loin.
IronBarcode est une bibliothèque .NET spécialement conçue pour travailler avec les codes QR, un type de code-barres 2D largement utilisé pour encoder des informations telles que des URL, du texte, des coordonnées, etc. Cette bibliothèque simplifie la création de codes QR en fournissant aux développeurs des outils intuitifs pour générer des codes QR avec des caractéristiques personnalisables telles que la taille, la couleur et la correction des erreurs.
En outre, IronBarcode permet d'extraire des informations des codes QR intégrés dans des images, ce qui en fait une ressource indispensable pour intégrer de manière transparente des capacités de génération et de décodage de codes QR dans les applications .NET.
Dans ce tutoriel, nous l'utiliserons pour décoder le code QR si celui-ci est détecté à partir de notre modèle.
Ecrivez la commande suivante dans la console du gestionnaire de paquets NuGet pour télécharger le fichierIronBarcode paquet NuGet.
Install-Package BarCode
La commande ci-dessus installera le paquetage Iron Barcode et ajoutera une référence à notre projet.
Ecrivez le code suivant pour lire le code QR détecté.
using IronBarCode;
string qrCodeImagePath = "myQrCode.png";
var data = BarcodeReader.QuicklyReadOneBarcode(qrCodeImagePath);
Console.WriteLine(data.Value.ToString());using IronBarCode;
string qrCodeImagePath = "myQrCode.png";
var data = BarcodeReader.QuicklyReadOneBarcode(qrCodeImagePath);
Console.WriteLine(data.Value.ToString());Imports IronBarCode
Private qrCodeImagePath As String = "myQrCode.png"
Private data = BarcodeReader.QuicklyReadOneBarcode(qrCodeImagePath)
Console.WriteLine(data.Value.ToString())Le résultat est le suivant :
En conclusion, le Model Builder et la bibliothèque IronBarcode constituent une combinaison précieuse pour les développeurs .NET qui souhaitent travailler avec des codes QR. Model Builder facilite la création et l'apprentissage de modèles pour la reconnaissance des codes QR. Et lorsque vous ajoutez la bibliothèque IronBarcode, les choses deviennent encore plus simples - elle permet de lire les codes QR à partir d'images sans le moindre problème. Ce travail d'équipe n'améliore pas seulement les tâches d'inventaire et de marketing, il rend aussi vos applications plus agréables à utiliser. Lorsque Model Builder et IronBarcode s'associent, c'est comme si vous intégriez une technologie super intelligente à vos applications .NET, ce qui ouvre toutes sortes de possibilités intéressantes pour les codes QR. Code-barres Iron la licence commerciale est disponible à un prix très bas avec un abonnement d'un anlicence d'essai gratuite.
Install-Package BarCode
Vous voulez déployer IronBarcode dans un projet réel GRATUITEMENT ?
Votre clé d'essai devrait se trouver dans l'e-mail.
Le formulaire d'essai a été soumis
avec succès.
Si ce n'est pas le cas, veuillez contacter
support@ironsoftware.com
Commencez GRATUITEMENT
Aucune carte de crédit n'est requise
Test en production sans filigrane.
Fonctionne partout où vous en avez besoin.
Obtenez 30 jours de produit entièrement fonctionnel.
Il est opérationnel en quelques minutes.
Accès complet à notre équipe d'ingénieurs pendant la période d'essai du produit
Aucune carte de crédit ou création de compte n'est nécessaire
Votre clé d'essai devrait se trouver dans l'e-mail.
Si ce n'est pas le cas, veuillez contacter
support@ironsoftware.com
Commencez GRATUITEMENT
Aucune carte de crédit n'est requise
Test en production sans filigrane.
Fonctionne partout où vous en avez besoin.
Obtenez 30 jours de produit entièrement fonctionnel.
Il est opérationnel en quelques minutes.
Accès complet à notre équipe d'ingénieurs pendant la période d'essai du produit
9 produits de l'API .NET pour vos documents de bureau
