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 true) 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

更新日期:6月 22, 2025

快速響應 (QR) 代碼已成為我們數位生活中不可或缺的一部分，有助於無縫的數據共享和信息檢索。識別圖像中的 QR 代碼是深度學習（人工智能的一個子集）的一個有價值的應用。在本文中，我們將指導您使用 .NET/C# 中的深度學習構建 QR 代碼識別系統的過程。

理解使用深度學習的 QR 代碼識別

深度學習是機器學習的一個分支，涉及訓練神經網絡從數據中學習複雜模式。在 QR 代碼識別的背景下，深度學習模型可以訓練來識別和解碼不同大小、方向和條件的圖像中的 QR 代碼。卷積神經網絡 (CNN) 是圖像任務（如 QR 代碼識別）的流行選擇，因為它們能夠捕獲複雜的視覺特徵。

在本文中，我們將使用ML.NET 模型生成器訓練我們的模型。

ML.NET 模型生成器

Model Builder is a powerful tool provided by Microsoft as part of the ML.NET框架的一部分，用於在 .NET/C# 中構建機器學習模型的強大工具。它簡化並加快了創建自定義機器學習模型的過程，無需對機器學習算法或廣泛的編程專長有深入了解。模型生成器的設計友好易用，是開發者在應用中利用機器學習能力的絕佳工具。模型生成器支持 AutoML，這會自動探索不同的機器學習算法和設置，以幫助您找到最適合您場景的算法。

訓練 QR 代碼識別模型

使用模型生成器訓練 QR 代碼識別模型需經過一系列步驟，這些步驟會指導您創建和訓練模型的過程。在此詳細指南中，我們將指導您每一步使用 .NET/C# 中模型生成器訓練 QR 代碼模型的過程。

步驟 1：設置您的環境

在我們深入實施之前，請確保您滿足以下先決條件：

Visual Studio：下載並安裝 Visual Studio，這是一個用於 .NET 開發的多功能集成開發環境 (IDE)。
模型生成器：您可以通過點擊此處下載 ML.NET 模型生成器。

步驟 2：數據準備

我們需要 QR 代碼圖像來訓練模型。 You can get QR Code Images from Kaggle or Roboflow. 在此示例中，我已從 Roboflow 下載 QR 代碼圖像。

步驟 3：打開模型生成器

打開 Visual Studio項目。

右鍵點擊項目 > 添加 > 機器學習模型...

理解使用深度學習的 QR 代碼識別：圖 1

接著的窗口將出現。

理解使用深度學習的 QR 代碼識別：圖 2

給模型命名並點擊“添加”按鈕。以下窗口將出現：

理解使用深度學習的 QR 代碼識別：圖 3

向下滾動，在計算機視覺下找到“物體檢測”。

理解使用深度學習的 QR 代碼識別：圖 4

步驟 4：選擇訓練環境

選擇物體檢測，因為我們必須從給定數據集中檢測 QR 代碼。根據您的喜好選擇本地或 Azure。在此示例中，我們選擇本地。

單擊本地後，將出現以下窗口：

理解使用深度學習的 QR 代碼識別：圖 5

根據需要選擇本地 CPU 或 GPU。您也可以選擇 Azure。為此，您應具有有效的 Azure 訂閱。選擇測試環境後，單擊下一步按鈕。以下窗口將出現。

理解使用深度學習的 QR 代碼識別：圖 6

步驟 5：選擇數據

選擇數據是訓練過程中最重要的一部分。如前所述，我將從Robo Flow獲取數據。打開 RoboFlow，搜索 QR 代碼。數據可能有白色 QR 代碼或具有許多本地特徵。在本教程中，我正在使用 QR 檢測計算機視覺數據集。選擇格式後，下載數據。我選擇了 COCO 格式來下載這些數據，因為該格式將在數據預處理和圖像識別中使用。

理解使用深度學習的 QR 代碼識別：圖 7

現在您已經有了數據，讓我們回到 Visual Studio。選擇上述 COCO 文件的輸入路徑。您也可以選擇 Vott，但對此，您需要為您的數據創建 Vott 文件。以下窗口將出現。

理解使用深度學習的 QR 代碼識別：圖 8

現在，單擊下一步按鈕並轉到訓練選項卡。

理解使用深度學習的 QR 代碼識別：圖 9

步驟 6：訓練 QR 代碼檢測模型

現在，單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內容。模型生成器最好的地方是，具有最少深度學習背景的開發人員也可以訓練、測試和使用模型。

理解使用深度學習的 QR 代碼識別：圖 10

模型生成器將根據指定的數據集訓練模型，並顯示訓練進度。上述訓練將根據系統的不同而有所耗時。模型將逐個採集所有 QR 代碼並學習它們的特徵。完成訓練後，您可以將任何測試 QR 代碼圖像傳遞給模型測試您的模型。

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表現。

您將看到評估指標，如準確性、精度、召回率和 F1-得分。這些指標評估模型的性能。

步驟 8：使用

現在我們的模型已經訓練完成，QR 代碼檢測器已經準備就緒，我們需要使用該模型來檢測代碼，然後解碼檢測到的 QR 代碼。此模型只會檢測給定輸入中是否包含任何快速響應代碼。這不會解碼 QR 代碼。對於 QR 代碼解碼，我們需要一個第三方庫。 Iron Barcode 是讀取 QR 代碼圖像的最佳庫。在進一步了解之前，讓我們先了解一下 Iron Barcode。

Iron Barcode - QR 代碼解碼庫

IronBarcode 是一個專門針對 QR 代碼工作的 .NET 庫，QR 代碼是一種廣泛用於編碼信息（如 URLs、文本、聯繫方式等）的二維條碼。該庫通過提供直觀的工具來生成具有可自定義特徵（如大小、顏色和錯誤校正）的 QR 代碼，簡化了 QR 代碼的創建。

此外，IronBarcode 能夠從嵌入圖像中的 QR 代碼提取信息，這使得在 .NET 應用中無縫集成 QR 代碼生成和解碼能力成為不可或缺的資源。

在本教程中，如果模型檢測到 QR 代碼，我們將使用它進行解碼。

安裝 Iron Barcode NuGet 包

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

Install-Package BarCode

以上命令將安裝 Iron Barcode 包並將其添加到我們項目的引用中。

理解使用深度學習的 QR 代碼識別：圖 11

解碼 QR 代碼

寫下以下代碼以讀取所檢測的單個 QR 代碼。

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());

Imports IronBarCode

Private qrCodeImagePath As String = "myQrCode.png"

' Quickly reads a single QR Code from the provided image path
Private data = BarcodeReader.QuicklyReadOneBarcode(qrCodeImagePath)

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

$vbLabelText $csharpLabel

以下是輸出：

理解使用深度學習的 QR 代碼識別：圖 12

結論

總結一下，模型生成器和 IronBarcode 庫對於想在 .NET 專案中操作 QR 代碼的開發人員是個寶貴的搭配。模型生成器使得創建和訓練 QR 代碼識別模型的困難工作變得簡單。當您添加 IronBarcode 庫後，事情會變得更加簡單——它可以方便地從圖像中讀取 QR 代碼。這種組合不僅可以改善庫存和營銷任務，還可以讓您的應用更加有趣。當模型生成器和 IronBarcode 合作，這就像是將非常先進的技術融入您的 .NET 應用，開啟各種有趣的 QR 代碼功能可能性。 Iron Barcode commercial license is available at a very low cost with a 免費試用許可證。

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。在分担产品测测试，产品开发和研究的责任时，Jordi 为持续的产品改进增值。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。