using IronBarCode; using System.Drawing; // 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 // To configure and fine-tune barcode reading, utilize the BarcodeReaderOptions class var myOptionsExample = new BarcodeReaderOptions { // Choose a reading 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 single barcode is found (if set to false) ExpectMultipleBarcodes = true, // By default, all barcode formats are scanned for // Specifying a subset of barcode types to search for would improve performance ExpectBarcodeTypes = BarcodeEncoding.AllOneDimensional, // Utilize multiple threads to read barcodes from multiple images in parallel Multithreaded = true, // Maximum threads for parallelized barcode reading // Default is 4 MaxParallelThreads = 2, // The area of each image frame in which to scan for barcodes // Specifying a crop area will significantly improve performance and avoid noisy parts of the image CropArea = new Rectangle(), // Special setting for Code39 barcodes // If a Code39 barcode is detected, try to read with both the base and extended ASCII character sets UseCode39ExtendedMode = true }; // Read with the options applied var results = BarcodeReader.Read("barcode.png", myOptionsExample); // Create a barcode with one line of code var myBarcode = BarcodeWriter.CreateBarcode("12345", BarcodeWriterEncoding.EAN8); // After creating a barcode, we may choose to resize myBarcode.ResizeTo(400, 100); // Save our newly-created barcode as an image myBarcode.SaveAsImage("EAN8.jpeg"); Image myBarcodeImage = myBarcode.Image; // Can be used as Image Bitmap myBarcodeBitmap = myBarcode.ToBitmap(); // Can be used as Bitmap

條碼工具

如何用深度學習理解QR碼識別

Name: IronBarcode
Brand: Iron Software
Availability: InStock
Rating: 4.67 (175 reviews)

Jordi Bardia

更新:2025年6月22日

快速回應（QR）碼已成為我們數位生活的重要組成部分，促進了無縫的數據分享和信息檢索。識別圖像中的QR碼是深度學習的寶貴應用，它是人工智慧的子集。在本文中，我們將引導您完成使用深度學習在.NET/C#中構建QR碼識別系統的過程。

了解使用深度學習的QR碼識別

深度學習是機器學習的一個分支，涉及訓練神經網路從數據中學習複雜模式。在QR碼識別的背景下，深度學習模型可以被訓練來識別和解碼來自具有不同尺寸、方向和條件的圖像中的QR碼。由於能夠捕捉複雜的視覺特徵，卷積神經網絡（CNN）是用於基於圖像的任務（如QR碼識別）的熱門選擇。

在本文中，我們將使用ML.NET模型生成器來訓練我們的模型。

ML.NET模型生成器

模型生成器是微軟提供的一個強大工具，它是ML.NET框架的一部分，用於在.NET/C#中構建機器學習模型。它簡化並加速了創建自定義機器學習模型的過程，無需深入了解機器學習算法或廣泛的編碼技術。模型生成器被設計為用戶友好且易於訪問，這使得它成為開發者想在其應用中利用機器學習能力的極佳工具。模型生成器支持AutoML，它可以自動探索不同的機器學習算法和設置，幫助您找到最符合您場景的方案。

訓練QR碼識別模型

使用模型生成器訓練QR碼識別模型涉及一系列步驟，引導您完成創建和訓練模型的過程。在這份逐步指南中，我們將逐步帶您完成使用模型生成器在.NET/C#中訓練QR碼模型的每一階段。

步驟1：設定您的環境

在我們深入實施之前，請確保您具備以下前提條件：

Visual Studio：下載並安裝Visual Studio，這是一個多功能的整合開發環境（IDE）用於.NET開發。
模型生成器：您可以通過點擊這裡下載ML.NET模型生成器。

步驟2：資料準備

我們需要QR碼圖像來訓練我們的模型。您可以從Kaggle或Roboflow獲取QR碼圖像。在這個範例中，我已從Roboflow下載QR碼圖像。

步驟3：打開模型生成器

打開Visual Studio Project。

右鍵點擊專案 > 添加 > 機器學習模型...

如何理解使用深度學習的QR碼識別：圖1

出現了以下窗口。

如何理解使用深度學習的QR碼識別：圖2

給模型命名並點擊添加按鈕。出現了以下窗口：

如何理解使用深度學習的QR碼識別：圖3

向下滾動，找到計算機視覺下的"物件檢測"。

如何理解使用深度學習的QR碼識別：圖4

步驟4：選擇訓練環境

選擇物件檢測，因為我們必須從給定數據集中檢測QR碼。根據您的喜好選擇Local或Azure。在這個範例中，我們選擇Local。

點擊Local後，出現了以下窗口：

如何理解使用深度學習的QR碼識別：圖5

根據您的選擇，選擇本地CPU或GPU。您還可以選擇Azure。為此，您應該有一個活躍的Azure訂閱。選擇測試環境後，點擊下一步按鈕。出現了以下窗口。

如何理解使用深度學習的QR碼識別：圖6

步驟5：選擇資料

選擇資料是訓練過程中最重要的部分。如前所述，我將從Robo Flow獲取數據。打開RoboFlow，搜尋QR碼。數據可能有白色QR碼或有許多本地特徵。我使用QR檢測計算機視覺數據集來進行本教程。選擇格式下載數據。我選擇了COCO格式來下載此數據，因為這種格式將進一步用於數據預處理和圖像識別。

如何理解使用深度學習的QR碼識別：圖7

現在您已經有數據了，讓我們回到Visual Studio。選擇上述下載的COCO文件的輸入路徑。您也可以選擇Vott，但為此，您需要為您的數據創建Vott文件。出現了以下窗口。

如何理解使用深度學習的QR碼識別：圖8

現在，點擊下一步按鈕並轉到訓練選項卡。

如何理解使用深度學習的QR碼識別：圖9

步驟6：訓練QR碼檢測模型

現在，點擊開始訓練模型以開始訓練。模型生成器將自動轉換為二進制圖像並相應地使用首選的神經網絡。我們不需要指定任何東西。模型生成器的最佳的一點是，開發者即使對深度學習了解不多，也可以訓練、測試和使用模型。

如何理解使用深度學習的QR碼識別：圖10

模型生成器將在指定的數據集上訓練模型並顯示訓練進度。上面的訓練將根據系統而花費時間。模型將一個一個地取所有QR碼並學習其特徵。一旦訓練完成，您可以通過將任何測試QR碼圖像傳遞給模型來測試您的模型。

步驟7：評估模型

訓練後，模型生成器將評估模型在驗證數據上的性能。

您將看到評估指標，例如準確率、精度、召回率和F1分數。這些指標評估模型的表現。

步驟8：使用

現在我們的模型已經訓練好並準備好QR碼檢測，我們需要使用該模型來檢測代碼，然後解碼檢測到的QR碼。此模型只會檢測給定輸入是否包含任何快速響應碼。這不會解碼QR碼。對於QR碼解碼，我們需要第三方程式庫。 IronBarcode是讀取QR碼圖像的最佳程式庫。讓我們在進一步探索IronBarcode之前，先了解一點它。

IronBarcode - QR碼解碼程式庫

IronBarcode是一個專門為處理QR碼設計的.NET程式庫，是一種類型的2D條碼，廣泛用於編碼信息如URL、文本、聯繫方式等。這個程式庫通過提供開發者直觀的工具來生成具有可定制功能（如尺寸、顏色和錯誤校正）的QR碼，簡化了QR碼的創建。

此外，IronBarcode使得從圖像嵌入的QR碼中提取信息變得簡單，使其成為無縫整合QR碼生成和解碼能力到.NET應用中的不可或缺的資源。

在本教程中，如果從我們的模型檢測到QR碼，我們將使用它來解碼QR碼。

安裝Iron Barcode NuGet套件

在NuGet包管理器控制台中寫下以下命令來下載IronBarcode NuGet包。

Install-Package BarCode

上述命令將安裝Iron Barcode包並將其添加到我們專案的引用中。

如何理解使用深度學習的QR碼識別：圖11

解碼QR碼

寫下以下代碼來讀取單個檢測到的QR碼。

using IronBarCode;

string qrCodeImagePath = "myQrCode.png";

// Quickly reads a single QR Code from the provided image path
var data = BarcodeReader.QuicklyReadOneBarcode(qrCodeImagePath);

// Outputs the decoded value from the QR Code
Console.WriteLine(data.Value.ToString());

using IronBarCode;

string qrCodeImagePath = "myQrCode.png";

// Quickly reads a single QR Code from the provided image path
var data = BarcodeReader.QuicklyReadOneBarcode(qrCodeImagePath);

// Outputs the decoded value from the QR Code
Console.WriteLine(data.Value.ToString());

$vbLabelText $csharpLabel

以下是輸出結果：

如何理解使用深度學習的QR碼識別：圖12

總結

總之，模型生成器和IronBarcode程式庫對於想要處理QR碼的.NET開發者來說是寶貴的組合。模型生成器使創建和訓練QR碼識別模型的困難工作變得相當容易。當您添加IronBarcode程式庫時，事情變得更加簡單——它可以輕鬆地從圖片中讀取QR碼。這種團隊合作不僅使庫存和營銷任務變得更好，也使您的應用變得更有趣。當模型生成器和IronBarcode結合在一起時，就像是在您的.NET應用中融入超級智能技術，為QR碼的東西開啟了各種酷炫的可能性。 Iron Barcode商業授權的價格非常低，並且提供免費試用授權。

Jordi Bardia

立即與工程團隊聊天

軟體工程師

Jordi 在 Python、C# 和 C++ 上最得心應手，當他不在 Iron Software 展現技術時，便在做遊戲編程。在分担產品测测试，產品開發和研究的责任時，Jordi 為持续的產品改進增值。他说这种多样化的经验使他受到挑战并保持参与, 而这也是他与 Iron Software 中工作一大乐趣。Jordi 在佛罗里达州迈阿密长大，曾在佛罗里达大学学习计算机科学和统计学。