Une méthodologie pour lire les codes QR sur des surfaces irrégulières

Parfois, nous essayons de capturer un code QR avec un bon appareil photo numérique sur un smartphone, mais la lecture échoue. Cela se produit généralement lorsque le code QR lui-même est de mauvaise qualité d'image ou s'il a été imprimé sur des surfaces qui ne sont pas plates (déformées ou présentant des irrégularités de motif inconnu), comme l'emballage d'un colis de messagerie ou un plateau de nourriture préparée. Aujourd'hui, une équipe de l'Université de Barcelone et de l'Université Oberta de Catalogne a conçu une méthodologie qui facilite la reconnaissance des codes QR dans ces environnements physiques où la lecture est plus compliquée.

Le nouveau système ne dépend absolument pas de la topographie sous-jacente et est applicable aux codes QR que l'on peut trouver sur des surfaces tubulaires (bouteilles), des plateaux alimentaires, etc. Il s'agit de la première proposition technologique capable de combiner une méthodologie généraliste et des codes-barres bidimensionnels pour faciliter la reconnaissance des informations numériques.

L'étude, publiée dans la revue Pattern Recognition Letters , a été rédigée par le professeur Ismael Benito, de la Faculté de Physique et du Département d'Ingénierie Électronique et Biomédicale de l'UB, et du Département d'Informatique, Multimédia et Télécommunications de l'UOC. Cristian Fàbrega et Joan Daniel Prades, professeurs de la Faculté de Physique et de l'Institut de Nanosciences et Nanotechnologies de l'UB (IN2UB), sont les coauteurs de la recherche, tout comme les experts Hanna Lizarzaburu-Aguilar et David Martínez Carpena, de la Faculté de Mathématiques et d'Informatique de l'UB. Tous les auteurs ont participé à différents postes à la création de ColorSensing, SL, une entreprise spin-off de l'UB dans le domaine de l'étiquetage intelligent.

Pourquoi certains codes QR sont-ils difficiles à lire ?

Les codes QR sont une variante du code-barres classique, capable de collecter des informations en langage informatique (dans une matrice bidimensionnelle de pixels noirs et blancs) lorsqu'ils sont scannés à l'aide d'un scanner. Ils facilitent l'accès aux données d'intérêt, permettent d'économiser du temps et des ressources telles que le papier, et ont révolutionné la façon dont les utilisateurs accèdent aux informations dans le domaine numérique.

Cependant, il est parfois difficile de scanner correctement un code-barres. Selon Benito, du département d'ingénierie électronique et biomédicale de l'UB et ancien directeur technologique de ColorSensing, cela est dû « tout d'abord à la qualité de l'image. Même si de nombreuses personnes disposent aujourd'hui de bons appareils photo numériques, ils ne peuvent pas toujours bien capturer l'image du QR code. Ensuite, la qualité d'impression du QR code et les couleurs utilisées, avec un bon contraste, ne sont parfois pas satisfaisantes ».

« Si la surface d'impression n'est pas suffisamment plane et n'est pas parallèle au plan de capture, il est également difficile de capturer les informations du code », explique Ismael Benito, premier auteur de l'étude.

« Par exemple, tous ces facteurs entrent en jeu lorsque nous essayons de capturer un QR Bicing avec l’application mobile : la surface n’est pas plane — c’est un cylindre — et si nous essayons de capturer le QR trop près, la déformation de la surface devient évidente et la lecture échoue — 5-10 centimètres ; si nous nous éloignons trop, le QR devient trop petit et la capture n’est pas bonne — 1 mètre ; si nous sommes dans une plage intermédiaire, la distorsion apparente de la surface est réduite et la qualité est adaptée à sa capture — 30-50 centimètres », explique Ismael Benito.

Un algorithme qui exploite les propriétés des codes QR

L'étude, qui fait partie de la thèse de doctorat d'Ismael Benito à l'UB, présente un nouvel algorithme qui tire parti des caractéristiques propres du QR - c'est-à-dire des modèles internes du code - pour extraire la surface sous-jacente sur laquelle le code est positionné.

La texture de cette surface est récupérée par un ajustement généraliste basé sur des fonctions mathématiques appelées splines, qui permettent d’ajuster localement la topographie de la surface. Isamel Benito souligne que « ce sont des fonctions qui s’adaptent localement aux hauts et aux bas de la surface, et constituent une technique qui était à l’origine largement utilisée dans des domaines tels que la géologie ou l’édition photographique pour ajuster ou générer des déformations dans les surfaces ».

Il reste encore de nombreux défis technologiques à relever pour améliorer l'ensemble du processus de reconnaissance des codes QR. Dans le cas des applications commerciales activées par le lecteur de code de l'utilisateur, l'expert explique que « le principal défi est de pouvoir fournir des lectures correctes et fiables. Nous travaillons également dur pour garantir que les codes ne puissent pas être attaqués par des techniques de modification, par exemple avec une fausse URL qui peut capturer des données avec de petites modifications du code. Dans le cas de l'industrie, où les captures sont effectuées dans des environnements contrôlés, le principal défi est de réduire la vitesse de capture », explique l'expert.

ColorSensing a été créée à l'UB en 2020 par le professeur Joan Daniel Prades, de la Faculté de physique et de l'INN, et María Eugenia Martín, aujourd'hui PDG de cette start-up, et a remporté le Metropolitan Business Innovation Award 2023 pour avoir développé un étiquetage intelligent pour réduire le gaspillage alimentaire.

De même, en 2022, elle a reçu le prix Senén Vilaró de l'UB à la meilleure entreprise innovante, se distinguant aux Sustainability Awards 2022 dans la catégorie emballage intelligent et actif. Une autre des réalisations scientifiques de l'entreprise est le brevet accordé aux États-Unis et en Europe, dont les promoteurs sont Ismael Benito (UB et UOC), Olga Casals (UB), Cristian Fàbrega (UB), Joan Daniel Prades (UB et Université technique de Brunswick, TUB) et Andreas Waag (TUB)

https://web.ub.edu/en/web/actualitat/w/lectura-codis-qr

https://www.sciencedirect.com/science/article/pii/S0167865524001673