How to Understand QR Code Recognition with Deep Learning
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...
将出现以下窗口。
给模型命名并单击添加按钮。 以下窗口将出现：
向下滚动，在计算机视觉下找到"对象检测"。
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：
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。
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。
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。
现在，单击下一步骤按钮并转到训练选项卡。
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。
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。
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())以下是输出：
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。
免费开始
免费开始
预定免费现场演示
无需信用卡或创建账户
