Dissenyen una metodologia per facilitar la lectura de codis QR en superfícies irregulars

De vegades, intentem capturar un codi QR amb un telèfon intel·ligent amb una bona càmera digital, però la lectura finalment falla. Això sol passar quan el mateix codi QR té una qualitat d'imatge deficient, o bé si s'ha imprès sobre superfícies no planes —deformades o amb irregularitats de patró desconegut—, com l'embolcall d'un paquet de missatgeria o una safata de menjar preparat. Ara un equip de la Universitat Oberta de Catalunya (UOC) i de la Universitat de Barcelona (UB) ha dissenyat una metodologia que facilita el reconeixement dels codis QR en aquests entorns físics amb una lectura més complicada.

La nova metodologia té caràcter generalista, no depèn de manera absoluta de la topografia subjacent, i és aplicable en codis QR que es poden trobar sobre superfícies tubulars —ampolles—, safates d'aliments, etc. Es tracta de la primera proposta tecnològica capaç de posar en comú una metodologia generalista i els codis de barres en dues dimensions per facilitar el reconeixement de la informació digital. 

El treball, publicat en obert a la revista Pattern Recognition Letters, té com a primer autor el professor i investigador Ismael Benito, dels Estudis d'Informàtica, Multimèdia i Telecomunicació de la UOC i de la Facultat de Física i del Departament d'Enginyeria Electrònica i Biomèdica de la UB. Són coautors d'aquesta recerca els investigadors Cristian Fàbrega, Joan Daniel Prades, Hanna Lizarzaburu-Aguilar i David Martínez-Carpena, també de la UB i de la seva empresa derivada ColorSensing, SL, especialitzada en l'etiquetatge intel·ligent.

Per què és difícil llegir alguns codis QR?

Els codis QR —de l'anglès quick response— són una variació del típic codi de barres i són capaços de recollir informació en llenguatge informàtic —en una matriu bidimensional de píxels en blanc i negre— quan s'escanegen amb un dispositiu de lectura. Faciliten l'accés a dades d'interès, estalvien temps i recursos —com ara l'ús de paper— i han revolucionat la manera en què l'usuari accedeix a la informació digital.

Tanmateix, de vegades és difícil escanejar correctament un codi de barres "perquè la qualitat de la imatge no és bona. Per tant, tot i que avui en dia molta gent té accés a bones càmeres de fotografia digital, no sempre poden captar bé la imatge del QR. En segon lloc, la qualitat de la impressió del codi QR i dels colors emprats —bon contrast— de vegades no és satisfactòria. Finalment, si la superfície d'impressió no és prou plana i no se situa paral·lela al pla de captura també serà difícil captar la informació del codi", detalla l'investigador, qui també és adscrit al grup Artificial Intelligence for Human Well-being (AIWELL) de l’eHealth Center.

"Per exemple —continua—, tots aquests factors entren en joc quan intentem capturar un QR del Bicing, el servei de bicicletes públiques de Barcelona, amb l'aplicació del mòbil: la superfície no és plana, és un cilindre, i, si intentem capturar el QR molt a prop, a uns 5-10 centímetres, la deformació de la superfície es fa evident i la lectura falla. Si ens n'allunyem massa, a 1 metre, el QR es fa massa petit i la captura no és bona. Si estem en un rang intermedi, a uns 30-50 centímetres, la distorsió aparent de la superfície es redueix i la qualitat és apta per fer la captura."

Un algoritme que aprofita propietats dels codis QR

El treball, que és part de la tesi doctoral d'Ismael Benito, presenta un nou algoritme que aprofita les mateixes característiques del QR —és a dir, els patrons interns del codi— per extreure la superfície subjacent en què es troba posicionat el codi QR.

La "textura" d'aquesta superfície es recupera mitjançant un ajust generalista basat en les funcions matemàtiques conegudes com a splines, que permeten ajustar la topografia de la superfície a escala local. "Són funcions que 's'adapten' localment als alts i baixos de la superfície, i constitueixen una tècnica àmpliament utilitzada originàriament en camps com la geologia o l'edició fotogràfica per ajustar o generar deformacions en superfícies", apunta l'investigador.

Encara hi ha molts reptes tecnològics pendents per millorar tot el procés de reconeixement dels codis QR. En el cas de les aplicacions comercials activades pel lector de codis de l'usuari, "el desafiament principal és poder aportar lectures correctes i fiables. També s'està treballant a fons perquè els codis no puguin ser atacats mitjançant tècniques de modificació, per exemple, amb una URL falsa que pugui capturar dades amb petites modificacions del codi. En el cas de la indústria, en què les captures s'assoleixen en entorns controlats, el repte principal és reduir la velocitat de captura", apunta l'expert.

Aquesta recerca de la UOC i la UB afavoreix l'objectiu de desenvolupament sostenible (ODS) 9 de l'ONU: construir infraestructures resilients, promoure la industrialització sostenible i fomentar la innovació.

Article de referència

Benito, Ismael; Martínez, David; Lizarzaburu, Hanna; Fàbrega, Cristian; Prades, J. Daniel. «Reading QR Codes on challenging surfaces using thin-plate splines». Pattern Recognition Letters, juny de 2024. DOI: 10.1016/j.patrec.2024.06.004

UOC R&I

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle XXI mitjançant l'estudi de la interacció de la tecnologia i les ciències humanes i socials, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital.

Els més de 500 investigadors i investigadores i més de 50 grups de recerca s'articulen entorn dels set estudis de la UOC, un programa de recerca en aprenentatge en línia (e-learning research) i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

A més, la Universitat impulsa la innovació en l'aprenentatge digital mitjançant l'eLearning Innovation Center (eLinC), i la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Els objectius de l'Agenda 2030 per al Desenvolupament Sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC. Més informació: research.uoc.edu.