QR Code 機器學習：開發者教程

快速響應（QR）碼已成為現代社會中不可或缺的一部分，徹底改變了信息的共享和訪問方式。 這些二維條碼由黑白方塊矩陣組成，可以使用智能手機相機掃描以快速檢索存儲的信息，例如網址、聯繫資料、網站網址、產品詳細信息等。 然而，隨著技術的演變，QR 碼的功能也在不斷提升。 機器學習 (ML) 已成為增強 QR 碼生成、識別和解碼過程的強大工具，從而提升使用者體驗並增強功能。

資訊與數據交換的世界因為廣泛使用 QR 碼和條形碼而發生了變革。 這些二維碼提供快速進入數位內容的方式，並在各行業中發揮多種用途。 然而，區分 QR 碼和條碼可能具有挑戰性，特別是在處理多樣化的代碼範圍時。 通過利用機器學習 (ML) 和 .NET/C# 框架的強大功能，開發人員可以創建一個智能系統，準確地分類 QR 代碼和條碼，從而幫助簡化數據處理並提升用戶體驗。 集成IronBarcode的解碼功能進一步增強了解決方案，實現從識別的代碼中準確提取內容。

在本文中，我們將訓練模型，將給定的輸入分類為條碼或 QR 碼，然後使用 IronBarcode 解碼輸入代碼。

使用 ML.NET 模型生成器進行 QR 碼分類

Model Builder 是 Visual Studio 的一個整合工具，透過提供直觀的介面，簡化了建立機器學習模型的過程。 我們將使用模型生成器來創建一個能區分QR碼和條碼的分類模型。 一旦分類完成，我們將整合IronBarcode來解碼已識別的代碼。

步驟 1：資料收集

訓練任何類型的模型的首要步驟是數據收集。 我們需要數據來訓練模型。 我已從Kaggle下載數據。 您可以根據您的偏好從任何來源下載它。 在下載數據集後，創建一個主目錄，並將兩個數據集放入該主目錄中。 數據被組織到兩個子目錄中：

1. 條碼

2. QR碼

   

   下一步是開啟 Visual Studio 然後創建一個新的機器學習模型。

步驟#2：在 Visual Studio 中創建項目並新增一個機器學習模型

在 Visual Studio 中創建您的專案。 專案可以是任何類型，例如 ASP.NET Web API、ASP.NET MVC、WEB Forms 或主控台應用程式。 在此範例中，我正在使用主控台應用程式。 在方案資源管理器中右鍵點擊專案。 選擇新增 > 機器學習模型，如下所示。

為您的機器學習模型命名並點擊“新增”按鈕。

步驟 #3：選擇情境

添加機器學習模型檔案後，將會出現一個新窗口。向下滾動並選擇圖像分類。 圖像分類是我們在本教程中將使用的計算機視覺技術之一。 我們選擇圖像分類而不是圖像識別，因為我們只需要區分快速響應代碼（QR Code）和條形碼，而不需要從給定的圖像中識別它們。

步驟 #4：選擇環境

在選擇情境之後的下一步就是選擇環境。 我們可以選擇在本地系統或 Azure 雲端上訓練模型。 我們必須擁有 Azure 的有效訂閱才能將 Azure 作為我們的環境使用。

步驟#5：選擇資料

在此步驟中，我們需要傳遞之前在步驟#1中收集的數據。我們已經按照模型構建器的要求在步驟#1中將數據組織成子類別。

在「選擇資料夾」選項中提供您的資料集主目錄的路徑。 我們可以預覽如下所示的數據。

我們也可以透過點擊數據預覽中的 QR 碼標籤來查看 QR 碼資料夾。

選擇資料後，點擊下一步按鈕，系統將帶您進入訓練畫面。

步驟＃6：訓練模型

點擊「開始訓練模型」，然後它將按照下圖開始訓練。 請確保 Visual Studio 未以管理員模式開啟，否則將會引發錯誤。

它將開始訓練，並需要一些時間。訓練的持續時間將根據系統能力而有所不同。 模型生成器使用自動化機器學習 (AutoML)。 它將自動使用適合的機器學習技術、錯誤更正級別、識別模式、降噪、對比度調整、學習過程和其他設置。

步驟#7：模型評估

訓練後，透過測試數據評估模型的性能，以確保分類準確。

步驟#8：使用模型

一旦模型經過訓練和評估，我們就可以匯出並使用它。 在我們的使用案例中，我們必須將 QR Code 與條碼分類，然後讀取其編碼數據。 由於機器學習模型無法解碼 QR 碼或條碼，只能對其進行分類，我們需要一個第三方庫來解碼數據。

IronBarcode 是解碼 QR Code 和條碼的理想程式庫。 我們可以使用單一庫以簡單的方式解碼這兩種類型的代碼。 在進一步進行之前，讓我們先簡要介紹一下IronBarcode。