זיהוי ברקוד ו-QR היברידי: ZXing + YOLOv8

תארו לעצמכם מצלמה שבקושי קולטת קוד QR, וברקוד על אריזה מקומטת שלא נקרא כלל. זה קורה לעתים קרובות בקמעונאות, לוגיסטיקה ומחסנים. במשך יותר מ-10 שנים, יישמנו עשרות מערכות זיהוי ופיתחנו גישה היברידית המשלבת את המהירות של ספריות קלות משקל (ZXing, ZBar) עם העוצמה של זיהוי ML על YOLOv8. שילוב זה מספק דיוק של 99% אפילו על קודים פגומים ופועל בזמן אמת (בדיקות פנימיות על 10,000 פריימים). הגישה ההיברידית שלנו מדויקת פי 2-3 מספריות סטנדרטיות על ברקודים פגומים, ומפחיתה כשלי זיהוי עד פי 5. הניסיון שלנו כולל יותר מ-20 התקנות עבור קמעונאים גדולים ומפעילי לוגיסטיקה, עם תוצאות המובטחות בחוזה. בממוצע, לקוחות חוסכים עד $4.5k–6.5k בשנה על ידי הפחתת סריקה ידנית. כל קוד שלא זוהה עולה $1–2 בהפסדים — המערכת מחזירה את עצמה תוך חודשיים.

מדדי החברה

עם ניסיון של יותר מ-10 שנים, יותר מ-20 פרויקטים ו-5+ שנים בשוק, הצוות שלנו מבטיח פתרונות אמינים ויעילים.

למה ספריות מסורתיות לא תמיד מספיקות

ZXing ו-ZBar מפענחות קודים היטב על תמונות שטוחות ובעלות ניגודיות גבוהה. אבל בפועל, פריימים יכולים להיות מטושטשים, חשופים יתר על המידה, או עם עיוותי פרספקטיבה — ושיעור הכשלים מזנק ל-30–40%. ספריות לא מסתגלות לתנאי הצילום: הן מחפשות דפוסים ברורים, וכשהם חסרים, הן פשוט מחזירות כלום. עבור סריקת מסועים או אפליקציות ניידות, זה קריטי — כל קוד שהוחמץ משמעותו אובדן נתונים או זמן.

הבעיה נפתרת בשתי דרכים: עיבוד מקדים אגרסיבי (וריאציות בינאריזציה מרובות, CLAHE, שינוי קנה מידה) והוספת גלאי ML שמאתר תחילה את אזור הקוד ואז מעביר אותו למפענח. אנחנו משתמשים בשתיהן.

איך זיהוי ML משפר את דיוק הזיהוי

זיהוי ML המבוסס על YOLOv8 (מותאם על מערך נתונים של 50,000 קודים מסומנים) מאתר את הקוד בתמונה ללא קשר למצבו. הגלאי עמיד לרעש, סנוור והסתרות חלקיות. לאחר חילוץ האזור, אנו מיישמים תיקון פרספקטיבה ורק אז מפעילים את המפענח. המדידות שלנו מראות שזה משפר את הדיוק על פריימים פגומים פי 2-3 בהשוואה לקריאה ישירה של ZBar — הגישה ההיברידית מדויקת פי 2-3 על פריימים קשים. בעוד ש-ZBar מאבד עד 40% מהקודים על פריימים מעוותים, ההיברידית שומרת על 95%.

from ultralytics import YOLO
barcode_detector = YOLO('barcode_detector.pt')

def detect_and_decode(image: np.ndarray) -> list[dict]:
    detections = barcode_detector(image, conf=0.4)
    results = []
    for box in detections[0].boxes.xyxy:
        x1, y1, x2, y2 = map(int, box)
        pad = 5
        crop = image[max(0,y1-pad):y2+pad, max(0,x1-pad):x2+pad]
        corrected = correct_perspective(crop)
        decoded = robust_decode(corrected)
        results.extend(decoded)
    return results

אינטגרציה סטנדרטית דרך ZXing ו-ZBar

למקרים פשוטים, קריאה אחת ל-from ultralytics import YOLO barcode_detector = YOLO('barcode_detector.pt') def detect_and_decode(image: np.ndarray) -> list[dict]: detections = barcode_detector(image, conf=0.4) results = [] for box in detections[0].boxes.xyxy: x1, y1, x2, y2 = map(int, box) pad = 5 crop = image[max(0,y1-pad):y2+pad, max(0,x1-pad):x2+pad] corrected = correct_perspective(crop) decoded = robust_decode(corrected) results.extend(decoded) return results מספיקה. אנחנו עוטפים אותה במחלקה pyzbar שמחזירה סוג, נתונים וקואורדינטות. זה עובד על תמונות וזרמי וידאו ב-30 fps ללא ML.

import cv2
import numpy as np
from pyzbar.pyzbar import decode
from pyzbar.pyzbar import ZBarSymbol

class BarcodeScanner:
    def __init__(self):
        pass

    def decode_all(self, image: np.ndarray) -> list[dict]:
        decoded_objects = decode(image)
        results = []
        for obj in decoded_objects:
            results.append({
                'type': obj.type,
                'data': obj.data.decode('utf-8', errors='replace'),
                'polygon': [(p.x, p.y) for p in obj.polygon],
                'rect': {
                    'left': obj.rect.left,
                    'top': obj.rect.top,
                    'width': obj.rect.width,
                    'height': obj.rect.height
                }
            })
        return results

    def decode_qr_only(self, image: np.ndarray) -> list[dict]:
        return [r for r in self.decode_all(image) if r['type'] == 'QRCODE']

    def decode_barcodes_only(self, image: np.ndarray) -> list[dict]:
        barcode_types = {'EAN13', 'EAN8', 'CODE128', 'CODE39', 'UPCA', 'UPCE', 'ITF', 'PDF417', 'DATAMATRIX'}
        return [r for r in self.decode_all(image) if r['type'] in barcode_types]

פורמטים נתמכים

עיבוד מקדים לשיפור הזיהוי

כדי להגביר את סיכויי הפענוח, אנו מיישמים ברצף מספר וריאציות עיבוד על פריים בודד: מקורי, גווני אפור, CLAHE, בינאריזציה אדפטיבית, שינוי קנה מידה. ברגע שוריאציה אחת מניבה תוצאה, אנו מחזירים אותה.

def preprocess_for_barcode(image: np.ndarray) -> list[np.ndarray]:
    variants = []
    variants.append(image)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    variants.append(gray)
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    enhanced = clahe.apply(gray)
    variants.append(enhanced)
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 51, 2)
    variants.append(binary)
    if image.shape[0] < 300:
        scale_factor = 300 / image.shape[0]
        big = cv2.resize(image, None, fx=scale_factor, fy=scale_factor, interpolation=cv2.INTER_CUBIC)
        variants.append(big)
    return variants

def robust_decode(image: np.ndarray) -> list[dict]:
    scanner = BarcodeScanner()
    for variant in preprocess_for_barcode(image):
        results = scanner.decode_all(variant)
        if results:
            return results
    return []

סריקת זרמי וידאו

לקלט ממצלמה או מקובץ, אנו משתמשים ב-BarcodeScanner ומריצים את המפענח בלולאה. זה מאפשר עיבוד בזמן אמת (עד 30 FPS על CPU ברזולוציית HD).

def scan_video_stream(camera_id: int = 0, callback=None):
    cap = cv2.VideoCapture(camera_id)
    scanner = BarcodeScanner()
    last_results = set()
    while True:
        ret, frame = cap.read()
        if not ret:
            break
        results = scanner.decode_all(frame)
        for r in results:
            if r['data'] not in last_results:
                last_results.add(r['data'])
                if callback:
                    callback(r)

import cv2 
def scan_camera(): 
    cap = cv2.VideoCapture(0) 
    scanner = BarcodeScanner() 
    while True: 
        ret, frame = cap.read() 
        if not ret: 
            break 
        results = scanner.decode_all(frame) 
        for r in results: 
            if r['type'] == 'QRCODE': 
                cv2.putText(frame, r['data'], (r['rect']['left'], r['rect']['top']-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 2) 
        cv2.imshow('Scanner', frame) 
        if cv2.waitKey(1) & 0xFF == ord('q'): 
            break 
    cap.release()