El avance del Internet de las Cosas (IoT) ha mejorado el extenso uso de imágenes de códigos QR en diversas aplicaciones de visión por computadora. Sin embargo, esto también ha planteado varios desafíos técnicos. En particular, el sistema de clasificación logística a menudo enfrenta problemas como una baja tasa de reconocimiento y una velocidad de procesamiento lenta al tratar con imágenes de códigos QR bajo condiciones de iluminación complejas como la iluminación desigual. Para abordar estas dificultades, se propuso un método que se enfoca en lograr una binarización adaptativa rápida de imágenes de códigos QR a través de la ecualización dinámica de la iluminación. Primero, se aplicó un algoritmo basado en realce de bordes para obtener los patrones de detección de posición dentro de las imágenes de códigos QR, lo que permitió la adquisición de características estructurales en condiciones de iluminación desigual. Posteriormente, las imágenes de códigos QR con condiciones de iluminación complejas pueden lograr una binarización adaptativa rápida a través de la ecualización dinámica de la iluminación. En cuanto a la validación del método, se realizaron experimentos en dos conjuntos de datos que incluyen imágenes de códigos QR influenciadas por luz fuerte, luz débil y diferentes grados de sombra. Los resultados revelaron los beneficios del método propuesto en comparación con los enfoques anteriores; produjo tasas de reconocimiento superiores del 78.26-98.75% en varios casos a través de decodificadores comúnmente utilizados (Wechat y Zxing), con una velocidad de procesamiento más rápida de 0.0164 s/imagen, lo que lo convierte en un método adecuado para satisfacer los requisitos de tiempo real en aplicaciones prácticas, como un sistema de clasificación logística.