Распознавание штрих-кода с помощью OCR

Хотя CNN можно использовать для чтения содержимого штрих-кода, особенно в ситуации, когда для обучения доступны массивные наборы данных изображений, сложно сопоставить производительность классического алгоритма чтения штрих-кода со стандартными подходами ИИ.

Разница между чтением текста и чтением штрих-кода носит структурный характер. Текст принципиально неструктурирован, в то время как штрих-коды структурированы для удобства чтения с использованием специально разработанных алгоритмов декодирования.

Все эти алгоритмы чтения имеют правила, которые во многих случаях не так уж сложно реализовать. С другой стороны, CNN пришлось бы нелегко, и им потребуются огромные объемы данных, чтобы изучить эти правила.

Кроме того, многие символы штрих-кода (включая EAN) используют алгоритмы обнаружения или исправления ошибок (например, контрольные цифры), которые можно интегрировать в цикл исправления ошибок для дальнейшего повышения производительности сканирования.

Итак, в теории OCR и сканирование штрих-кода — похожие проблемы, а на практике есть существенные различия.

Примечание. Я работаю в компании Microblink, где мы занимаемся исследованиями и разработками в области сканирования штрих-кодов и распознавания текста. Когда дело доходит до сканирования штрих-кода, мы перепробовали практически все в репертуаре ИИ, чтобы получить от него максимальную отдачу, и в итоге использовали как CNN, так и классические алгоритмы, работающие вместе.