در این مطلب، ویدئو پایتون OpenCV | اسکن بارکد با استفاده از پایتون | یادگیری ماشین پایتون | کد QR پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:14:47
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,300 –> 00:00:04,430
این کنفرانس اکنون ضبط خواهد شد
2
00:00:04,430 –> 00:00:07,620
سلام دوستان به راه حل های VSP خوش آمدید
3
00:00:07,620 –> 00:00:08,400
آرام
4
00:00:08,400 –> 00:00:11,340
نام من ارسال شده است و در اینجا با
5
00:00:11,340 –> 00:00:13,830
ویدیوی جدید من در یادگیری ماشین پایتون آمده است
6
00:00:13,830 –> 00:00:18,419
و موضوع این ویدیو نحوه
7
00:00:18,419 –> 00:00:22,980
ایجاد یک اسکنر کد QR با استفاده از CV باز
8
00:00:22,980 –> 00:00:26,909
در پایتون است بنابراین CV را باز کنید یک کتابخانه منبع باز است
9
00:00:26,909 –> 00:00:29,429
یا می توانید آن را به عنوان بسته ای
10
00:00:29,429 –> 00:00:32,579
که با پایتون در دسترس است نام ببرید و
11
00:00:32,579 –> 00:00:35,160
عمدتاً برای انجام عملیاتی
12
00:00:35,160 –> 00:00:38,699
مانند انجام تشخیص فاز یا
13
00:00:38,699 –> 00:00:41,699
شناسایی تصاویر از یک تصویر یا
14
00:00:41,699 –> 00:00:44,250
شناسایی تصاویر وسایل نقلیه متحرک
15
00:00:44,250 –> 00:00:46,980
بر اساس آنها استفاده می شود. شماره مجوز
16
00:00:46,980 –> 00:00:50,179
پلاک ها یا از یک دوربین وب،
17
00:00:50,179 –> 00:00:54,199
بنابراین جدا از آن، ما همچنین می توانیم
18
00:00:54,199 –> 00:00:56,399
برنامه هایی ایجاد کنیم که از طریق آنها می توانیم
19
00:00:56,399 –> 00:00:59,609
کدهای QR یا بارکدهایی را
20
00:00:59,609 –> 00:01:02,699
که در
21
00:01:02,699 –> 00:01:06,030
بسته بندی محصولات مختلف یا پشت کتاب ها موجود است یا
22
00:01:06,030 –> 00:01:07,950
تعداد زیادی وجود دارد، بخوانیم. از مکانهای امروزی
23
00:01:07,950 –> 00:01:09,630
، کدهای QR یا
24
00:01:09,630 –> 00:01:12,240
بارکدهایی را که تقریباً در
25
00:01:12,240 –> 00:01:13,980
تمام بستههای محصولات موجود است، پیدا خواهید کرد،
26
00:01:13,980 –> 00:01:17,630
بنابراین اساساً کدهای QR یک
27
00:01:17,630 –> 00:01:20,430
دوره آموزشی است که شامل اطلاعات دقیق
28
00:01:20,430 –> 00:01:22,380
در مورد آن محصول خاص،
29
00:01:22,380 –> 00:01:26,340
بنابراین تصمیم گرفتیم این
30
00:01:26,340 –> 00:01:29,280
ویدیو را آماده کنیم تا شما ایده ای پیدا کنید که چگونه
31
00:01:29,280 –> 00:01:31,920
می توانیم یک کد QR ایجاد کنیم یا چگونه می توان
32
00:01:31,920 –> 00:01:34,920
با استفاده از Python
33
00:01:34,920 –> 00:01:37,430
با کمک کتابخانه منبع باز OpenCV یک بارکد اسکنر ایجاد کرد
34
00:01:37,430 –> 00:01:42,900
تا از آن استفاده کنید. برای کار روی
35
00:01:42,900 –> 00:01:44,970
این، من چند
36
00:01:44,970 –> 00:01:48,050
نمونه بارکد دارم، همانطور که می بینید اینها
37
00:01:48,050 –> 00:01:52,440
بارکدهای بارکد من هستند یا کدهای QR
38
00:01:52,440 –> 00:01:54,960
که اکنون دریافت کرده ام، به عنوان مثال اگر این کد QR را باز
39
00:01:54,960 –> 00:01:58,170
کنم، فقط می توانم این کد QR را ببینم، اما
40
00:01:58,170 –> 00:01:59,790
این دقیقاً چیست؟ نوع
41
00:01:59,790 –> 00:02:02,430
اطلاعاتی که این کد QR در خود نگه می دارد یا
42
00:02:02,430 –> 00:02:06,150
اگر این نمونه بارکد را باز کنم، بنابراین در
43
00:02:06,150 –> 00:02:08,460
اینجا یک بارکد و چند کد QR داریم
44
00:02:08,460 –> 00:02:10,050
همچنین
45
00:02:10,050 –> 00:02:12,960
این کدهای QR حاوی چه نوع اطلاعاتی هستند، می خواهم بخوانم
46
00:02:12,960 –> 00:02:14,160
47
00:02:14,160 –> 00:02:16,890
آنها را با کمک برنامه پایتون نمایش دهیم.
48
00:02:16,890 –> 00:02:21,120
بنابراین بیایید شروع به شروع کنیم،
49
00:02:21,120 –> 00:02:24,540
بنابراین من فقط یک نمونه جدید ایجاد می کنم، فقط نمونه ایده آل خود را باز می کنم
50
00:02:24,540 –> 00:02:28,020
یک فایل جدید ایجاد می کنم و
51
00:02:28,020 –> 00:02:30,510
این فایل را در همان
52
00:02:30,510 –> 00:02:32,850
دایرکتوری ذخیره می کنم، بنابراین اجازه دهید این فایل را در
53
00:02:32,850 –> 00:02:38,040
همان خیابان در اینجا ذخیره کنم. من
54
00:02:38,040 –> 00:02:41,940
فقط تعویض می کنم به اسکنر بارکد F Drive
55
00:02:41,940 –> 00:02:46,290
من و من این نام را به عنوان
56
00:02:46,290 –> 00:02:50,220
مثال بارکد میگذارم، بنابراین
57
00:02:50,220 –> 00:02:55,340
تصویر بارکد چیزی شبیه به
58
00:02:55,340 –> 00:02:58,380
تصویر بارکد است و یک فایل پایتون است، بنابراین
59
00:02:58,380 –> 00:03:01,680
این فایل در اینجا ایجاد میشود تا با
60
00:03:01,680 –> 00:03:04,440
این بسته کار کند یا یک
61
00:03:04,440 –> 00:03:07,320
باز باشد. بسته منبع مورد نیاز است
62
00:03:07,320 –> 00:03:12,000
باید دانلود شود که به آن نوار PI Z گفته می شود،
63
00:03:12,000 –> 00:03:15,810
بنابراین من فقط آن بسته را وارد می کنم و
64
00:03:15,810 –> 00:03:26,459
آن بسته از نوار 5 z است import
65
00:03:26,459 –> 00:03:30,510
آن نوار را می خرد، بنابراین اگر از Python 3 استفاده
66
00:03:30,510 –> 00:03:33,270
می کنید، شخص نسخه بالاتر یا
67
00:03:33,270 –> 00:03:36,300
آخرین نسخه را انتخاب کنید. فرض کنید من
68
00:03:36,300 –> 00:03:39,600
در اینجا از پایتون نسخه 3 امتیاز 7 نقطه 1 استفاده می کنم، بنابراین
69
00:03:39,600 –> 00:03:42,570
ما فقط می توانیم از PI Z استفاده کنیم، اما کسانی
70
00:03:42,570 –> 00:03:45,120
که با نسخه قدیمی پایتون کار می کنند
71
00:03:45,120 –> 00:03:48,989
یا مانند نسخه 2.7 پایتون
72
00:03:48,989 –> 00:03:52,350
نسخه 2 هستند، می توانند از نوار python نیز
73
00:03:52,350 –> 00:03:55,500
استفاده کنند. در اینجا در مورد من چون پایتون من
74
00:03:55,500 –> 00:03:57,600
فقط سه نقطه هفت نقطه یک بود، به
75
00:03:57,600 –> 00:04:02,510
همین دلیل است که از نوار pi pi z استفاده می کنم و
76
00:04:02,510 –> 00:04:07,110
اکنون قطعات RG را وارد می کنم، بنابراین این arg
77
00:04:07,110 –> 00:04:09,390
پاس شد، این برخی از
78
00:04:09,390 –> 00:04:13,280
بسته های ضروری هستند.
79
00:04:13,280 –> 00:04:16,829
پس از آن یک بسته دیگر وجود دارد t زیرا
80
00:04:16,829 –> 00:04:19,980
نیاز ما این است که این
81
00:04:19,980 –> 00:04:22,770
عملیات را با استفاده از کتابخانه OpenCV انجام دهیم، بنابراین
82
00:04:22,770 –> 00:04:25,890
وارد کردن cv به زمان بسته اجباری است
83
00:04:25,890 –> 00:04:27,960
. من بسته ضعیف هستم
84
00:04:27,960 –> 00:04:29,940
، تجزیهکننده آرگومان را میسازیم و آرگومانها را
85
00:04:29,940 –> 00:04:32,039
پاس میکنیم، بنابراین
86
00:04:32,039 –> 00:04:35,490
یک تجزیهکننده آرگومان جدید و تجزیهکننده arg ایجاد میکنم.
87
00:04:35,490 –> 00:04:40,380
و این آرگومانها این
88
00:04:40,380 –> 00:04:42,990
تجزیهکننده آرگومان به ما کمک میکند تا آرگومان را بخوانیم که
89
00:04:42,990 –> 00:04:48,120
چگونه آرگومان را منتقل
90
00:04:48,120 –> 00:04:52,490
91
00:04:52,490 –> 00:04:55,710
92
00:04:55,710 –> 00:05:00,000
93
00:05:00,000 –> 00:05:03,389
کنیم. که کاربر باید
94
00:05:03,389 –> 00:05:11,990
از خط فرمان عبور دهد.
95
00:05:12,110 –> 00:05:25,610
96
00:05:25,940 –> 00:05:31,820
97
00:05:31,820 –> 00:05:42,370
98
00:05:42,370 –> 00:05:46,449
99
00:05:46,449 –> 00:05:53,260
این
100
00:05:53,260 –> 00:05:57,160
ERG ویزا است، بنابراین ما اکنون آن را پاس می کنیم، اکنون
101
00:05:57,160 –> 00:06:00,100
باید تصویر را با استفاده از C v2 بارگذاری کنیم، بنابراین
102
00:06:00,100 –> 00:06:06,120
تصویر برابر با C v2 dot است.
103
00:06:06,120 –> 00:06:10,030
104
00:06:10,030 –> 00:06:12,970
105
00:06:12,970 –> 00:06:17,889
فایل تصویری و آن فایل تصویری
106
00:06:17,889 –> 00:06:22,150
در دو سخنرانی ذخیره میشود و اکنون
107
00:06:22,150 –> 00:06:24,490
باید بارکدها را از تصویر پیدا کرده
108
00:06:24,490 –> 00:06:28,870
و هر کدام از بارکدها را رمزگشایی
109
00:06:28,870 –> 00:06:30,400
کنیم زیرا هدف ما خواندن همه
110
00:06:30,400 –> 00:06:33,940
بارکدها یا همه اینها
111
00:06:33,940 –> 00:06:35,979
با ایجاد یک نمونه جدید، تمام کدهای QR است.
112
00:06:35,979 –> 00:06:43,530
بارکد برابر است با تصویر رمزگشایی نقطه نواری PI Z،
113
00:06:43,530 –> 00:06:46,479
بنابراین به طور خودکار
114
00:06:46,479 –> 00:06:49,710
تمام بارکدهای موجود
115
00:06:49,710 –> 00:06:53,139
در تصویر شما را پیدا می کند و چون ما
116
00:06:53,139 –> 00:06:57,160
از تعداد کدهای موجود مطمئن نیستیم،
117
00:06:57,160 –> 00:07:02,919
بنابراین من فقط یک کار را در بارکدها انجام می دهم
118
00:07:02,919 –> 00:07:09,120
و ما
119
00:07:09,120 –> 00:07:12,039
مکان جعبه مرزی را به بارکدها استخراج می کنیم
120
00:07:12,039 –> 00:07:14,830
و کادری را در اطراف
121
00:07:14,830 –> 00:07:17,169
بارکدهای هر تصویر ترسیم می کنیم
122
00:07:17,169 –> 00:07:19,660
، بنابراین مطمئن نیستیم این ارتفاع و عرض،
123
00:07:19,660 –> 00:07:23,560
بنابراین x کاما و کاما v کاما سلام، بنابراین
124
00:07:23,560 –> 00:07:29,139
بارکدهای مکان را مشخص می کند. مستطیل نقطه ای
125
00:07:29,139 –> 00:07:31,479
به طور خودکار یک بارکد رسم می کند
1