“ 老罗：这应该是东半球最好用的识别二维(条形)码的浏览器插件！(ALMOST 梅开二度) ”
一、它是什么！
只需要轻轻的点一下，它就会识别你当前Tab里的所有二维(条形)码，识别结束后还会贴心的自动回显到对应的位置上 ！(以下gif图经过压缩，颜色不对劲，忽略它哈)
除了以上自动识别外，也补齐了同行 ”可能“ 有的 “右键一键识别” 的功能，来覆盖识别不成功的场景：
二、怎么获取呢？
-
1、使用谷歌插件商店来获取，后期更新更方便！❤️ 推荐！
image.png 2、如果你没有科学上网，可以点击下面链接下载zip安装包，按网上的教程安装即可！
下载地址：https://bj-mutou-1301404888.cos.ap-beijing.myqcloud.com/awsome-qr-code/awsome-code-sanner.zip
安装教程：https://www.cnplugins.com/zhuanti/newinstall.html
三、听听实现它的心路历程吧(有点坎坷)
下面简单记录了一周多的时间，心情上的大悲大喜，也涉及一些优化方案思路，是如何一步一步优化到最终效果的，大家可以酌情食用~
1、第一行想法
自己装过很多识别二维码的插件，发现都不如想象中的好用(有的甚至傻乎乎的)😶，工作之余想象了一下我想要的功能究竟是什么样的？怎么设计才是更好用的？
带着以上问题，在一个周三的晚上，我默默地打开了小笔记，记录下了第一行想法：
“自动”？嗯... 想象起来挺简单，好像是：先这样，再这样，就好了...
不过浏览器可不是一个聪明人，它没有意识，又怎么知道当前页面中的二维码在哪里呢？不对... 它又怎么知道什么是二维码呢？
2、知识是有价的
我们小学二年级就学过，四周有三个大方块儿、中间都是像素点的一个方形的码就是二维码，不过计算机可不知道，它所看到的就是一个一个像素点，所以，如何让它知道什么是二维码，是摆在眼前的第一个问题。
让计算机掌握这门认识二维码的能力，就需要让它不断去学习，这就是高大上且酷酷的 “ 机器学习 ”。
可是... 大学本科毕业后我就从事了前端岗位，对机器学习相关概念了解的少之又少，em... 应该是完全不了解，只听过一两个名词：神经、训练...
不懂怕什么，不懂就去学好了😀，打开梦工厂网站，惊奇的发现真的有相关课程，有点小贵不过也还好，买它！
3、不懂就问
经过一晚上的学习，有了简单的知识基础后，带着相关问题，请教了正在读研的同学，得到了一个大致准确的方向：“目标检测”。
4、成功识别，人生里程碑！
有了大致的方向，就有了不少动力！
周六日两天，放弃了睡懒觉、午休、发呆、看电视🙂，经历了无数次的调参、崩溃、转化、买会员后，终于成功识别出了人生第一张图片：
这是一个好的开始！
5、略显枯燥的准备阶段
接着我尝试去各种寻找已有的分好类的二维码的训练集，可惜没有找到比较合适的...
em... 没有合适的怎么办？只能自己造了！一张一张图进行截图保存，并进行标注、分类、归集，眼都花了...
最终成功得到标注后的资源集标签，密密麻麻...
这时我才意识到训练模型不是一件容易的事(后知后觉)，有一个门槛就是... 你需要有一台有比较不错GPU的电脑，看着我的笔记本我又陷入了沉思...
6、柳暗花明第一村
运气真好，找了不久就发现了谷歌提供一个平台：Colaboratory ，该平台提供python环境，并且...提供免费的GPU，你可以在这里愉快的训练你的模型啦！
经过不断的失败...报错...修复后，终于开始训练了！
老父亲流下了一行热泪... 看着正确率的不断提升，心里还是非常高兴的，仿佛自己的好大儿开始慢慢懂事了...
训练结束后，经过转化、优化、更换模型、导出等操作后，最终得到了满意的权重文件，终于可以在浏览器里识别二维码了！
先写个demo测试一下！
7、晴天大霹雳
兴冲冲的搞好浏览器插件，加载权重文件后，发现了一个晴天大霹雳!
tfModel.executeAsync(input)是一个异步方法，在加载权重预热的时候，会使UI页面卡死！
google了一番后，发现无解，由于webgl的问题(没有深究，看其他人的解释是这样)，所以一定会阻塞当前线程。
最终的现象就是打开插件，页面会卡死5-6s，然后在1-2s内可以渲染出来结果，总耗时在8s左右，体验非常不好。
这结果让我很失望，差点放弃...
8、柳暗花明第二村
吃个午饭冷静下来后想了一下优化方案，发现可以尝试使用web worker嘛，既然一定会阻塞主线程，那么我就在其他的线程里去做这个加载权重的操作，不就不会卡死页面了嘛！
大刀阔斧重构了代码，因为web worker和主线程之间的通讯不可以传递不可序列化对象，只能传递可被序列化的数据，就导致需要在两边进行图片数据的转换，适配代码写了一大堆...
最终优化后，效果如下，可以发现，在loading过程中按钮也可以点击，证明主线程没有被卡死：
不过聪明的你也发现了，加载权重花费的时间有些长，不，简直是太长了，而且这个插件的定位是一个一次性的工具，几乎不会存在只打开(加载)一次，识别多次的情况，所以怎么减少这个首次加载(预热)时间，是比较头疼的问题...
9、柳暗花明第三村
后来在周四的午休时间，正在梦中，忽然惊醒发现可以在background.js中做加载啊！而且有两点好处：
- 1、天然的其他线程，不影响主线程
- 2、background.js在安装插件的一瞬间就会执行，这个时候就去预热模型，后面都使用该预热后的模型对象去识别图片的，时间就会大大减少！粗略计算了一下，每次打开插件到识别完毕，时间大部分都在1s内，极少数会在2-3s，完全符合预期！
优化之后的效果大致如下：
可以看到，速度是非常的快了，终于符合了心里预期（一个随用随取的插件场景）。
10、Happy Ending
至此，从构思插件到其落地实现，大致经过了一周多的时间，期间不止有以上记录的试错流程，经过其他同学的提醒，还添加了一键复制按钮、条形码支持、右键菜单一键识别，还尝试使用electron来实现了桌面端的开发，使其识别功能不局限在浏览器里，最终因为打包体积过于庞大(100MB+)，不符合自己的预期(10MB以内)，就忍痛放弃掉了。
😌 过程比最初开始计划做的时候预想的要痛苦得多，踩的坑实在是太多了，不堪回首，如果最初知道要踩那么多坑，可能当时就放弃了
不过好在最后的效果还是不错的，比较符合期望，也是蛮开心的！😎
四、结束才是真正的开始
因为只使用了250张图片来训练识别模型，可能部分场景识别不到，还请大家谅解，给它一个慢慢进步的空间~
OK！回到文章开头，这应该是东半球最好用的识别二维(条形)码的浏览器插件！😉 装上试试看！
