I codici a barre sono, ormai, estremamente diffusi dal momento che sono utilizzati da decenni in molti settori industriali, tra cui quello alimentare. Tuttavia, la maggior parte dei lettori tradizionali richiedono condizioni standard per una loro corretta decodifica, mentre faticano a riconoscere i codici sottoesposti, sfocati, rugosi o ruotati.
In uno studio recente, effettuato da in gruppo di ricercatori internazionali [Do et al., 2021], per risolvere questo problema viene proposto l’utilizzo delle reti neurali convoluzionali da applicare su un dispositivo portatile. Per la sperimentazione, sono, quindi, stati raccolti 250000 codici a barre da differenti prodotti commerciali per addestrare e testare il modello proposto.
In particolare, il modello si basa su un algoritmo in grado di minimizzare le interferenze di lettura, denominato Smart Interference (SI), che si è dimostrato in grado di aumentarne notevolmente la precisione. Infatti, i test di validazioni evidenziano che il sistema SI permette di ottenere un’accuratezza di lettura superiore al 95%, un valore decisamente superiore rispetto a quelli forniti da molti strumenti tradizionali.
Concludendo, gli autori sostengono che nonostante i risultati fin qui ottenuti siano decisamente soddisfacenti, ulteriori approfondimenti sono ancora necessari per migliorare alcune limitazioni dell’algoritmo come, ad esempio, le false letture, attraverso tecniche di riconoscimento dei prodotti.
Riferimenti bibliografici:Â Do et al., 2020 25th International Conference on Pattern Recognition (ICPR), Milan (Italy), 10-15 January 2021, pp. 3019-3026.
