如何用深度學習理解QR碼識別
快速反應 (QR) 碼已成為我們數位生活的重要組成部分，促進了無縫的資料分享和資訊檢索。 在影像中識別QR碼是深度學習的一個有價值的應用，深度學習是人工智慧的一個子集。 在這篇文章中，我們將引導您如何在.NET/C#中使用深度學習來建立一個QR碼識別系統。
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，它涉及訓練神經網路來從資料中學習複雜的模式。 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具有不同大小、方向和情況的影像中的QR碼。 卷積神經網路 (CNNs) 因其捕獲複雜視覺特徵的能力，是像QR碼識別這類基於影像任務的熱門選擇。
在這篇文章中，我們將使用ML.NET Model Builder來訓練我們的模型。
ML.NET Model Builder
Model Builder是微軟作為ML.NET框架的一部分所提供的一個強大工具，用於在.NET/C#中建立機器學習模型。 它簡化並加速了建立自定義機器學習模型的過程，而無需深入了解機器學習算法或廣泛的編碼專業知識。Model Builder被設計為使用者友好的和可存取的，使得想要在應用程式中利用機器學習能力的開發者能夠使用。 Model Builder支持AutoML，它會自動探索不同的機器學習算法和設置，幫助您找到最適合您的場景。
訓練QR碼識別模型
使用Model Builder訓練一個QR碼識別模型涉及一系列步驟，這些步驟將引導您建立和訓練模型的過程。 在這個逐步指導中，我們將帶您了解在.NET/C#中使用Model Builder訓練QR碼模型的每一個階段。
步驟1：設置您的環境
在我們深入實施之前，請確保您具備以下先決條件：
- Visual Studio：下載並安裝Visual Studio，這是一個用于.NET開發的多功能整合開發環境 (IDE)。
- Model Builder：您可以點擊這裡下載ML.NET Model Builder。
步驟2：資料準備
我們需要QR碼影像來訓練我們的模型。 您可以從Kaggle或Roboflow獲取QR碼影像。 在這個範例中，我已從Roboflow下載了QR碼影像。
步驟3：開啟Model Builder
開啟Visual Studio專案。
右鍵單擊專案 > 新增 > 機器學習模型...
以下視窗將出現。
命名模型並點擊新增按鈕。 以下視窗將出現：
向下滾動，並在計算機視覺下找到"物體檢測"。
步驟4：選擇訓練環境
選擇物體檢測，因為我們必須從給定的資料集中檢測QR碼。 根據您的偏好選擇本地或Azure。 在這個範例中，我們選擇了本地。
在點擊本地後，將出現以下視窗：
根據您的選擇，選擇本地CPU或GPU。您也可以選擇Azure。 為此，您應該有一個有效的Azure訂閱。 選擇好您的測試環境後，點擊下一步按鈕。 以下視窗將出現。
步驟5：選擇資料
選擇資料是訓練過程中最重要的一部分。 如前所述，我將從Robo Flow獲取資料。 打開RoboFlow，搜尋QR碼。 資料可能包含白色QR碼或具有許多本地特徵。 在本教程中，我使用QR檢測計算機視覺資料集。 通過選擇格式下載資料。 我選擇了COCO格式來下載此資料，因為此格式將進一步用於資料預處理和影像識別。
現在您已有資料，讓我們回到Visual Studio。 選擇下載的COCO文件的輸入路徑。 您也可以選擇Vott，但對於那樣，您需要為您的資料建立一個Vott文件。 以下視窗將出現。
現在，點擊下一步按鈕，並移動到訓練標籤。
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。 Model Builder將自動轉換為二元影像，並據此使用首選神經網路。 我們不需要指定任何內容。 Model Builder的最佳之處在於，具備最低限度深度學習背景的開發者也可以訓練、測試並使用模型。
Model Builder將在指定的資料集上訓練模型，並顯示訓練進度。 上述訓練將根據系統的不同而耗時。 模型將逐一學習所有QR碼並學習其特徵。 您可以在訓練完成後通過將任何測試QR碼影像傳遞給模型來測試您的模型。
步驟7：評估模型
訓練後，Model Builder將評估模型性能在驗證資料上的表現。
您將看到評估指標，例如準確性、精度、召回率和F1分數。 這些指標評估模型的性能。
步驟8：使用
現在我們的模型已訓練完成，QR碼檢測器已準備就緒，我們需要使用該模型來檢測程式碼，然後解碼檢測到的QR碼。 此模型僅檢測給定輸入是否包含快速反應碼。 這不會解碼QR碼。 要解碼QR碼，我們需要第三方庫。 IronBarcode是讀取QR碼影像的最佳庫。 在進一步進行之前，讓我們了解一下IronBarcode。
IronBarcode - QR碼解碼庫
IronBarcode是一個專為處理QR碼而優化的.NET庫，QR碼是一種廣泛用於編碼資訊的2D條碼，如URL、文字、聯繫資訊等。 該庫通過提供直觀的工具來生成具有可自訂功能（如大小、顏色和錯誤修正）的QR碼，使開發者能夠更輕鬆地建立QR碼。
此外，IronBarcode能夠從內嵌於影像中的QR碼中提取資訊，使其成為在.NET應用程式中無縫整合QR碼生成和解碼能力的不可或缺的資源。
在本教程中，如果從我們的模型中檢測到QR碼，我們將使用它來解碼QR碼。
安裝IronBarcode NuGet套件
在NuGet套件管理器控制台中輸入以下命令，以下載IronBarcode NuGet套件。
Install-Package BarCode
上述命令將安裝IronBarcode套件，並將參考新增到我們的專案中。
解碼QR碼
寫下以下程式碼以讀取檢測到的單一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());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())以下是輸出：
結論
總之，Model Builder和IronBarcode程式庫是想要處理QR碼的.NET開發人員的寶貴組合。 Model Builder讓建立和訓練QR碼識別模型的複雜任務變得相當簡單。 當您加入IronBarcode程式庫時，事情變得更加簡單——它幫助輕鬆讀取圖片中的QR碼。 這種合作不僅改善了庫存和行銷任務，還讓您的應用程式更加有趣。 當Model Builder和IronBarcode結合在一起時，就像將超智能科技融合到您的.NET應用程式中，為QR碼應用開創了多種有趣的可能性。 IronBarcode商業授權可以以非常低的成本獲得，並附有免費試用授權。
免費開始
免費開始
預訂免費直播演示
