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

条形码工具

How to Understand QR Code Recognition with Deep Learning

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

Jordi Bardia

已更新:六月 22, 2025

快速响应（QR）码已成为我们数字生活的重要组成部分，方便了无缝的数据共享和信息检索。识别图像中的QR码是深度学习的一个有价值的应用，深度学习是人工智能的一个子集。在本文中，我们将在.NET/C#中指导您构建深度学习二维码识别系统的过程。

理解基于深度学习的QR码识别

深度学习是机器学习的一个分支，涉及训练神经网络从数据中学习复杂模式。在QR码识别的背景下，可以训练深度学习模型来识别和解码不同大小、不同方向和不同条件下的图像中的QR码。卷积神经网络（CNNs）是图像类任务（如QR码识别）的流行选择，因为它们能够捕捉复杂的视觉特征。

在本文中，我们将使用ML.NET Model Builder来训练我们的模型。

ML.NET Model Builder

Model Builder是微软提供的一个强大工具，是ML.NET框架的一部分，用于在.NET/C#中构建机器学习模型。它简化和加速了创建自定义机器学习模型的过程，而无需深入了解机器学习算法或广泛的编码专业知识。Model Builder设计为用户友好和易访问，非常适合希望在其应用程序中利用机器学习能力的开发者。 Model Builder支持AutoML，它会自动探索不同的机器学习算法和设置，以帮助您找到最适合您场景的算法。

训练QR码识别模型

使用Model Builder训练QR码识别模型涉及一系列步骤，这些步骤将引导您完成创建和训练模型的过程。在本分步骤指南中，我们将逐步引导如何在.NET/C#中使用Model Builder训练QR码模型的每个阶段。

步骤1：设置您的环境

在开始实施之前，确保您具备以下前提条件：

Visual Studio：下载并安装Visual Studio，一个用于.NET开发的多功能集成开发环境（IDE）。
Model Builder：您可以通过单击此处下载ML.NET Model Builder。

步骤2：数据准备

我们需要QR码图像来训练我们的模型。您可以从Kaggle或Roboflow获取QR码图像。在本示例中，我已从Roboflow下载了QR码图像。

步骤3：打开Model Builder

打开Visual Studio项目。

右键单击项目>添加>机器学习模型...

如何理解基于深度学习的QR码识别：图1

将出现以下窗口。

如何理解基于深度学习的QR码识别：图2

给模型命名并单击添加按钮。以下窗口将出现：

如何理解基于深度学习的QR码识别：图3

向下滚动，在计算机视觉下找到"对象检测"。

如何理解基于深度学习的QR码识别：图4

步骤4：选择训练环境

选择对象检测，因为我们必须从给定的数据集中检测QR码。根据您的偏好选择本地或Azure。在本示例中，我们选择本地。

单击本地后，将出现以下窗口：

如何理解基于深度学习的QR码识别：图5

根据您的选择选择本地CPU或GPU。您也可以选择Azure。为此，您应拥有一个有效的Azure订阅。选择您的测试环境后，单击下一步按钮。将出现以下窗口。

如何理解基于深度学习的QR码识别：图6

步骤5：选择数据

选择数据是训练过程的最重要部分。如前所述，我将在RoboFlow中获取数据。打开RoboFlow，搜索QR码。数据可能有白色QR码或有很多本地特征。我正在使用QR检测计算机视觉数据集进行本教程。选择格式后下载数据。我选择了COCO格式下载此数据，因为此格式将进一步用于数据预处理和图像识别。

如何理解基于深度学习的QR码识别：图7

既然您有了数据，让我们回到Visual Studio。选择上面下载的COCO文件的输入路径。您也可以选择Vott，但为此，您需要为您的数据创建一个Vott文件。将出现以下窗口。

如何理解基于深度学习的QR码识别：图8

现在，单击下一步骤按钮并转到训练选项卡。

如何理解基于深度学习的QR码识别：图9

步骤6：训练QR码检测模型

现在，单击开始训练模型以开始训练。 Model Builder将自动转换为二进制图像并相应地使用首选神经网络。我们不需要指定任何东西。 Model Builder最棒的地方在于，即使是深度学习背景较少的开发人员也可以训练、测试和使用模型。

如何理解基于深度学习的QR码识别：图10

Model Builder将在指定的数据集上训练模型并显示训练进度。上面的训练将根据系统的情况花费时间。该模型将逐一处理所有 QR 码并学习其特征。您可以通过将任何测试QR码图像传递给模型来测试您的模型，一旦训练完成。

步骤7：评估模型

经过训练后，Model Builder将评估模型在验证数据上的性能。

您将看到评估指标，例如准确性、精确度、召回率和F1得分。这些指标评估模型的表现如何。

步骤8：使用

现在我们的模型已经训练完毕，QR码检测器已经准备就绪，我们需要使用该模型来检测代码，然后解码检测到的QR码。此模型只检测给定输入中是否包含任意快速响应代码。这并不会解码QR码。对于QR码解码，我们需要一个第三方库。 Iron Barcode是读取QR码图像的最佳库。在进一步进行之前，让我们先稍微了解一下Iron Barcode。

Iron Barcode - QR码解码库

IronBarcode是一个专门用于处理QR码的.NET库，这是一种广泛用于编码信息如URL、文本、联系人信息等的2D条形码。该库通过提供直观的工具来生成具有自定义功能（如大小、颜色和错误修正）的QR码，简化了QR码的创建过程。

此外，IronBarcode可以从嵌入在图像中的QR码中提取信息，使其成为将QR码生成和解码功能无缝集成到.NET应用程序的重要资源。

在本教程中，如果我们的模型检测到QR码，我们将使用它来解码QR码。

安装Iron Barcode NuGet Package

在NuGet包管理器控制台中编写以下命令以下载IronBarcode NuGet包。

Install-Package BarCode

上述命令将安装Iron Barcode包，并将其引用添加到我们的项目中。

如何理解基于深度学习的QR码识别：图11

解码QR码

编写以下代码以读取单个检测到的QR码。

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

以下是输出：

如何理解基于深度学习的QR码识别：图12

结论

总而言之，Model Builder和IronBarcode库对于想要处理QR码的.NET开发人员来说是一个有价值的组合。 Model Builder使创建和训练用于QR码识别的模型的棘手工作变得非常简单。而当您加上IronBarcode库时，事情变得更加简单 - 它可以轻松从图片中读取QR码。这种合作不仅使库存和营销任务变得更好，而且也使您的应用程序更加有趣。当Model Builder和IronBarcode结合在一起时，就像是将超级智能技术融入到您的.NET应用程序中，为QR码相关的事情开辟了各种酷的可能性。 IronBarcode商业许可证的价格非常低，并提供试用许可证。

Jordi Bardia

立即与工程团队聊天

软件工程师

Jordi 最擅长 Python、C# 和 C++，当他不在 Iron Software 利用这些技能时，他就在游戏编程。分享产品测试、产品开发和研究的责任，Jordi 在持续的产品改进中增加了巨大的价值。多样的经验使他面临挑战并保持投入，他表示这是在 Iron Software 工作的最喜欢的方面之一。Jordi 在佛罗里达州迈阿密长大，并在佛罗里达大学学习计算机科学和统计学。