【花雕动手做】AI视觉传感器二哈识图2之识别二维码数据
2025-11-181528
AI 快速预览详细
本文介绍了如何使用HUSKYLENS 2和行空板K10实现二维码识别。HUSKYLENS 2是一款搭载6TOPS算力的AI视觉传感器，支持多种预置AI模型。行空板K10则是一款专为中小学信息科技教学设计的AIoT开发板。通过Mind+图形化编程工具，用户可以轻松完成二维码识别项目。此外，HUSKYLENS 2还内置MCP服务，能够将本地视觉与大模型能力结合，提供更丰富的应用场景。
|
一、相关知识点 1、HUSKYLENS 2（二哈识图2）是DFRobot推出的新一代AI视觉传感器，搭载6TOPS算力的Kendryte K230双核RISC-V芯片，集成1GB LPDDR4内存与8GB存储，支持人脸识别、物体检测、姿态估计等20余种预置AI模型，同时允许用户通过自训练模型部署实现定制化识别 。其硬件配置包括200万像素摄像头、2.4英寸触摸屏、可更换镜头模组（支持显微/夜视）及RGB补光灯，搭配UART/I2C接口可无缝连接Arduino、树莓派等开发板，实现实时图传与多模态交互。内置MCP服务打通本地视觉与大模型能力，例如识别午餐图片后可生成膳食建议，而模型广场提供车牌识别、跌倒检测等垂直领域即用型方案。作为教育利器，它已融入《中小学人工智能通识教育指南》课程体系，通过Mind+图形化编程工具降低AI开发门槛，助力创客教育与STEAM实践。  2、行空板 K10 是一款专为中小学信息科技教学和创客项目设计的国产 AIoT 开发板，以 ESP32-S3 为核心，高度集成 2.8 英寸全彩 LCD 屏、摄像头、双麦扬声器、WiFi 蓝牙模块及温湿度、光线、加速度等多种传感器，无需额外配件即可实现离线语音识别（支持 200 词库）、人脸识别、二维码读取、物联网联动等功能，支持 Mind + 图形化编程与 MicroPython 代码编程，兼顾入门便捷性与功能扩展性，丰富的扩展接口还能连接外部传感器、执行器，轻松落地 AI、物联网类创意项目，是编程学习与科创实践的高性价比选择。  3、Mind + 是 DFRobot 旗下蘑菇云科创教育团队研发的、拥有自主知识产权的国产青少年编程软件，它兼容 Scratch3.0，既支持零基础学习者拖拽图形化积木编程，也能切换至 Python/C/C++ 代码编程，且积木可自动转换为对应代码助力进阶学习，同时适配行空板M10\ K10、Arduino、micro:bit 等众多主流开源硬件与上百种电子模块，集成图像识别、语音识别等 AI 功能及物联网开发能力，还搭配实时交互、程序烧录脱机运行等模式与丰富教学案例，适配校内外编程教学、创客项目及竞赛等场景，是兼顾低入门门槛与高拓展性的科创教育工具。 二、硬件连接 准备材料 行空板K10 x 1 HUSKYLENS 2 x 1 USB数据线 x 2 4pin连接线（或杜邦线）x 1 准备一根USB数据线和一根4Pin白色硅胶线。使用USB数据线连接电脑与行空板K10，使用4Pin黑胶先连接行空板K10与HuskyLens 2，再使用额外的USB数据线n连接示意图如下连接HUSKYLENS 2的Type-C接口与电源，为HUSKYLENS 2进行额外供电。接线图可参考下图。    |
5、实验场景图
系统架构与硬件平台
1. 硬件组成架构
1、实际测试的几个范本
2、测试实验代码
[code]/*【花雕动手做】HUSKYLENS 2 AI视觉传感器之识别二维码输出相关数据
* MindPlus
* esp32s3bit
*/
#include "unihiker_k10.h" // 引入UniHiker开发板库，提供屏幕显示和用户交互功能
#include "DFRobot_HuskylensV2.h" // 引入HUSKYLENS AI视觉传感器库，封装二维码识别算法
// 创建全局对象
HuskylensV2 huskylens; // 实例化HUSKYLENS视觉传感器对象，用于图像采集和识别
UNIHIKER_K10 k10; // 实例化UniHiker开发板对象，控制显示屏和外围设备
uint8_t screen_dir=2; // 屏幕方向参数（2通常表示横向显示模式）
// 系统初始化函数
void setup() {
k10.begin(); // 初始化UniHiker开发板基础硬件（GPIO、时钟等）
Wire.begin(); // 初始化I2C通信协议，默认引脚SDA=8, SCL=9
// HUSKYLENS传感器初始化重试循环
// 确保传感器连接稳定后再继续执行
while (!huskylens.begin(Wire)) {
delay(100); // 等待100ms后重试，避免I2C总线冲突
}
k10.initScreen(screen_dir); // 按照指定方向初始化LCD显示屏
k10.creatCanvas(); // 创建画布缓冲区，实现双缓冲显示机制
// 设置HUSKYLENS算法模式为二维码识别
// QR Code是一种矩阵式二维条码，具有高密度编码和大容量数据存储特性
huskylens.switchAlgorithm(ALGORITHM_QRCODE_RECOGNITION);
// 在屏幕第一行显示固定的标题文本
k10.canvas->canvasText("识别二维码数据", 1, 0x0000FF); // 蓝色标题，第1行
}
// 主循环函数 - 持续执行二维码识别和数据显示
void loop() {
// 触发HUSKYLENS执行二维码识别算法并获取结果
huskylens.getResult(ALGORITHM_QRCODE_RECOGNITION);
// 检查是否有新的二维码识别结果可用
if ((huskylens.available(ALGORITHM_QRCODE_RECOGNITION))) {
// === 显示靠近画面中心的二维码ID ===
// 使用getCachedCenterResult优先获取视觉焦点区域的二维码
k10.canvas->canvasText((String("靠中心的二维码ID: ") +
String((RET_ITEM_NUM(huskylens.getCachedCenterResult(ALGORITHM_QRCODE_RECOGNITION), Result, ID)))),
2, 0xFF0000); // 第2行，红色文字，突出显示中心目标
// === 显示检测到的二维码总数 ===
// getCachedResultNum返回当前帧中识别到的所有二维码数量
k10.canvas->canvasText((String("二维码总数: ") +
String((huskylens.getCachedResultNum(ALGORITHM_QRCODE_RECOGNITION)))),
3, 0x0000FF); // 第3行，蓝色文字，显示环境统计
// === 显示第一个检测到的二维码ID ===
// getCachedResultByIndex按检测顺序获取，索引从0开始（1-1=0）
k10.canvas->canvasText((String("第一个二维码ID: ") +
String((RET_ITEM_NUM(huskylens.getCachedResultByIndex(ALGORITHM_QRCODE_RECOGNITION, 1-1), Result, ID)))),
4, 0xFF0000); // 第4行，红色文字
// === 显示第一个二维码的名称标签 ===
k10.canvas->canvasText("第一个二维码名称: ", 5, 0x00FFFF); // 第5行，青色标签文字
// === 显示第一个二维码的具体名称 ===
// RET_ITEM_STR宏从结果结构中提取字符串类型的name字段
k10.canvas->canvasText((RET_ITEM_STR(huskylens.getCachedResultByIndex(ALGORITHM_QRCODE_RECOGNITION, 1-1), Result, name)),
6, 0x00FFFF); // 第6行，青色显示实际名称
// === 显示第一个二维码的内容标签 ===
// 注意：这里文本描述有歧义，应为"第一个二维码内容"
k10.canvas->canvasText("第一个标签二维码内容: ", 7, 0x0000FF); // 第7行，蓝色标签文字
// === 显示第一个二维码的编码内容 ===
// 提取二维码中存储的实际数据内容（URL、文本等信息）
k10.canvas->canvasText((RET_ITEM_STR(huskylens.getCachedResultByIndex(ALGORIUM_QRCODE_RECOGNITION, 1-1), Result, content)),
8, 0x0000FF); // 第8行，蓝色显示具体内容
}
// 更新画布显示：将内存缓冲区中的图形数据刷新到物理屏幕
k10.canvas->updateCanvas();
// 控制循环频率：50ms延迟对应20Hz刷新率
// 平衡识别实时性和系统功耗
delay(50);
}[/code]
（1）什么是二维码识别？
二维码识别是指设备（如摄像头、扫描器或图像处理系统）对二维码图像进行分析、定位、解码，从而获取其中存储的信息，如网址、文本、产品编号、身份信息等。
（2）识别流程简述
图像采集：通过摄像头或扫描器获取二维码图像。
图像预处理：去除噪声、增强对比度、校正角度。
定位二维码区域：识别二维码的位置与边界。
解码分析：根据二维码标准（如 QR Code、Data Matrix）解析模块排列，提取编码数据。
输出信息：将解码结果转换为可读内容，如字符串、链接、指令等。
（3）技术实现方式
硬件识别：使用专用扫码枪或嵌入式模块进行快速识别。
软件识别：利用图像处理库（如 OpenCV、Zxing、ZBar）在计算机或移动设备上识别二维码。
AI增强识别：结合深度学习模型提升识别准确率，尤其在模糊、遮挡或复杂背景下。
（4）应用场景
移动支付与扫码登录
工业自动化与产品追踪
医疗标签与药品识别
零售商品管理与促销活动
门票验证与身份识别