二维码机器学习 (开发者教程)

快速反应 (QR) 条形码已成为现代社会不可或缺的一部分，彻底改变了信息共享和访问的方式。这些二维条形码由黑白方块矩阵组成，使用智能手机摄像头扫描即可快速检索存储的信息，如 URL、联系方式、网站 URL、产品详细信息等。不过，随着技术的发展，二维码的功能也在不断提升。机器学习 (ML) 已成为增强二维码生成、识别和解码过程的有力工具，从而改善用户体验，提高功能性。

二维码和条形码的广泛使用改变了信息和数据交换的世界。这些二维码可以快速访问数字内容，在各行各业发挥着不同的作用。然而，区分 QR 码和条形码是一项挑战，尤其是在处理各种不同的代码时。利用机器学习的强大功能 (ML) 通过 IronBarcode 和 .NET/C# 框架，开发人员可以创建一个智能系统，对 QR 码和条形码进行准确分类，从而简化数据处理并增强用户体验。集成 IronBarcode 的解码功能可进一步增强解决方案，从识别的代码中准确提取内容。

在本文中，我们将对模型进行训练，使其能将给定的输入内容分类为条形码或 QR 码，然后使用 IronBarcode 对输入代码进行解码。

使用 ML.NET Model Builder 进行 QR 代码分类

模型建造者模型生成器是 Visual Studio 中的一个集成工具，通过提供直观的界面简化了构建机器学习模型的过程。我们将使用模型生成器创建一个分类模型，以区分 QR 码和条形码。分类完成后，我们将集成 IronBarcode 来解码识别出的代码。

步骤 1：数据收集

训练任何一种模型的第一步都是收集数据。我们需要数据来训练模型。我已经从 Kaggle.您可以根据自己的喜好从任何来源下载。下载数据集后，创建一个主目录，将两个数据集都放在主目录中。数据分为两个子目录：

1.条形码

2.QR 码

下一步是打开 Visual Studio，创建一个新的机器学习模型。

第 2 步：在 Visual Studio 中创建项目并添加新的机器学习模型

在 Visual Studio 中创建项目。项目可以是任何类型，如 ASP.NET Web API、ASP.NET MVC、WEB 窗体或控制台应用程序。在本例中，我使用的是控制台应用程序。右键单击解决方案资源管理器中的项目。如下图所示，选择添加 > 机器学习模型。

为机器学习模型命名，然后点击添加按钮。

第三步：选择方案

添加机器学习模型文件后，会出现一个新窗口。向下滚动并选择 图像分类。图像分类是本教程中要使用的计算机视觉技术之一。我们选择 "图像分类 "而不是 "图像识别"，因为我们只需要区分快速反应代码和图像。 (二维码) 和条形码，我们不需要从给定的图像中识别它们。

步骤 #4：选择环境

选择场景后的下一步就是选择环境。我们可以选择本地系统或 Azure 云来训练模型。要使用 Azure 作为环境，我们必须拥有 Azure 的有效订阅。

步骤 #5: 选择数据

在这一步中，我们需要传递之前在步骤 #1 中收集的数据。在步骤 #1 中，我们已经按照模型生成器的要求将数据组织成子类别。

在 "选择文件夹 "选项中提供数据集主目录的路径。如下图所示，我们可以预览数据。

我们还可以通过点击数据预览中的 QR 码选项卡来查看 QR 码文件夹。

选择数据后，点击 "下一步 "按钮，就会进入培训界面。

步骤 #6: 训练模型

单击 "Start Training Model（开始训练模型）"，如下图所示开始训练。请确保 Visual Studio 不是以管理员模式打开，否则会出错。

它将开始培训，需要时间。培训时间视系统能力而定。模型生成器使用 AutoML.它会自动使用合适的机器学习技术、纠错级别、识别模式、降噪、对比度调整、学习过程和其他相应的设置。

第 7 步：模型评估

训练完成后，通过测试数据来评估模型的性能，以确保分类的准确性。

第 8 步：消费模式

一旦模型经过训练和评估，我们就可以导出并使用它。在我们的用例中，我们必须从条形码中对 QR 码进行分类，然后读取其编码数据。我们需要一个第三方库来解码数据，因为机器学习模型无法解码 QR 码或条形码，它只会对其进行分类。

IronBarcode 是解码 QR 码和条形码的理想库。我们只需使用一个库就能直接解码这两种代码。在继续之前，让我们先来了解一下 IronBarcode。