Barcode Scanning в приложенията — какво е това, видове кодове и ML Kit

Какво е Barcode Scanning: принципи и формати

Barcode Scanning — процес на оптично разпознаване на баркодове с помощта на камера. Алгоритъмът заснема изображението, намира в него кода (локализация), декодира го (извличане на данни) и връща стойност от тип низ. Съвременните SDK сканират кодове във всяка ориентация, размер и при всякакво осветление — достатъчно е потребителят да насочи камерата.

Формати на баркодовете се делят на две групи: 1D (линейни) — EAN-13, UPC-A, Code 128, Code 39, ITF, Codabar — съдържат до 20–30 знака, използват се за стоки, логистика; 2D (матрични) — QR Code, Data Matrix, PDF417, Aztec — съдържат до 3000+ знака, използват се за връзки, билети, документи. ML Kit поддържа 14 формата — всички разпространени 1D и 2D.

Data Matrix — двумерен код, подобен на QR, но по-компактен. Използва се в промишлеността (маркиране на детайли), електронни билети (IATA BCBP), медицински проби. Data Matrix може да съдържа до 2335 знака и се нанася върху много малки повърхности — до 2x2 мм. За разлика от QR, Data Matrix няма finder patterns (квадрати в ъглите) и изисква по-точна калибровка на камерата.

QR Code — най-популярният двумерен формат в мобилните приложения. Съдържа URL, текст, vCard, WiFi конфигурация, платежна информация (UPI, SBP). QR Code има 40 версии (от 21x21 до 177x177 модула) и 4 нива на корекция на грешки (L: 7%, M: 15%, Q: 25%, H: 30%). За мобилни приложения използвайте версия 2–10 (25x25 – 57x57 модула) — оптимален баланс между размер и данни.

ML Kit Barcode Scanning: интеграция и настройка

ML Kit Barcode Scanning — основен SDK за Android приложения. ML Kit самостоятелно намира всички кодове в изображението (за разлика от ZXing, който изисква кодът да е в центъра). API връща Barcode обект с rawValue (текстово съдържание), format (тип на кода), boundingBox и cornerPoints (4 точки на ъглите на кода). ML Kit поддържа single-scan (един кадър) и continuous-scan (видео поток).

Multi-barcode mode — ML Kit може да открива няколко кода в едно изображение. Включете чрез BarcodeScannerOptions.Builder(). В мулти режим се връща списък от Barcode. Използвайте за инвентаризация (сканиране на пакет стоки), разпознаване на няколко QR кода на маса. По подразбиране multi-barcode е изключен — включете само ако е нужно, защото забавя сканирането с 20–30%.

// ML Kit Barcode Scanning мулти-код режим
val options = BarcodeScannerOptions.Builder()
    .setBarcodeFormats(
        Barcode.FORMAT_QR_CODE,
        Barcode.FORMAT_EAN_13,
        Barcode.FORMAT_DATA_MATRIX
    )
    .enableAllPotentialBarcodes()
    .build()
val scanner = BarcodeScanning.getClient(options)

scanner.process(inputImage)
    .addOnSuccessListener { barcodes ->
        barcodes.forEach { barcode ->
            val type = barcode.valueType // URL, TEXT, PHONE...
            val rawValue = barcode.rawValue
            val displayValue = barcode.displayValue
        }
    }

Филтриране на формати — задължителна оптимизация. setBarcodeFormats() ограничава форматите, които ML Kit ще търси. Ако приложението сканира само QR кодове — посочете FORMAT_QR_CODE. Това ускорява сканирането 2–3 пъти чрез изключване на алгоритмите за декодиране на други формати. За търговски скенер — FORMAT_EAN_13 | FORMAT_UPC_A. За логистика — FORMAT_CODE_128 | FORMAT_CODE_39 | FORMAT_PDF417.

ZXing vs ML Kit: сравнение на библиотеките

ZXing (Zebra Crossing) — open-source библиотека на Java (Android) с портове за Swift, React Native, Flutter. ZXing — де факто стандарт за сканиране преди появата на ML Kit. Поддържа всички популярни формати, работи на всяко устройство (включително Huawei без Google Play), не изисква Google Play Services. Недостатъци: 2–3 пъти по-бавен от ML Kit, не намира кодове в периферията на кадъра, няма multi-barcode.

ML Kit vs ZXing — ML Kit печели по скорост, точност и UX. ML Kit открива кода дори ако заема 10% от кадъра и е в ъгъла. ZXing изисква кодът да заема 50–80% от кадъра и да е в центъра. ML Kit използва невронна мрежа (MobileNetV2-SSD) за локализация на кода, ZXing — класическа бинаризация и търсене на finder patterns. Според данните на Google (2025), ML Kit дава 98.5% точност срещу 92% при ZXing.

Кога да изберем ZXing: ако приложението трябва да работи на устройства Huawei (без Google Play Services), на Android Go (ограничена памет), или ако е нужна напълно офлайн работа без Play Services. Във всички останали случаи ML Kit е по-бърз, по-точен, по-лесен за интеграция и дава по-добър UX благодарение на мулти-кода и откриването в периферията.

// ZXing Core: прост скенер
val reader = MultiFormatReader()
val bitmap = BitmapFactory.decodeResource(resources, R.drawable.test)
val source = RGBLuminanceSource(bitmap)
val binarizer = HybridBinarizer(source)
val binaryBitmap = BinaryBitmap(binarizer)

try {
    val result = reader.decode(binaryBitmap)
    Log.d("ZXing", result.text)
} catch (e: NotFoundException) {
    // Кодът не е намерен
}

Scandit като алтернатива — търговски SDK с точност 99.5% и скорост 10–20 мс. Използва собствени невронни мрежи и не изисква Google Play Services. Цена — от $400/месец (2019). Scandit доминира в ритейла и логистиката (Walmart, FedEx). За повечето мобилни приложения ML Kit е достатъчен — Scandit е оправдан само за enterprise задачи с high-volume сканиране.

Apple AVFoundation: нативен скенер на iOS

Apple AVFoundation предоставя нативен Barcode Scanning чрез AVCaptureMetadataOutput. От iOS 7 AVFoundation поддържа сканиране на QR кодове, а от iOS 8 — всички формати EAN, UPC, Code 128, PDF417. AVFoundation не изисква инсталиране на допълнителни SDK — част е от Foundation. Сканирането работи чрез Apple Neural Engine на A12+ — скорост 10–20 мс с минимална консумация на енергия.

Предимства на AVFoundation: нулева зависимост, автоматична обработка на ориентацията на камерата, вградена поддръжка на light/dark mode, работа във фонов режим (с background modes). AVFoundation автоматично настройва автофокуса и експозицията за сканиране — разработчикът трябва само да се абонира за делегата captureOutput. Недостатък: по-малко настройки от ML Kit — не може да се включи multi-barcode или филтър за формати.

import AVFoundation

class BarcodeScannerController: UIViewController, AVCaptureMetadataOutputObjectsDelegate {
    private var captureSession: AVCaptureSession!

    override func viewDidLoad() {
        let metadataOutput = AVCaptureMetadataOutput()
        captureSession.addOutput(metadataOutput)
        metadataOutput.setMetadataObjectsDelegate(self, queue: .main)
        metadataOutput.metadataObjectTypes = [.qr, .ean13, .code128]
    }

    func metadataOutput(_ output: AVCaptureMetadataOutput,
                         didOutput objects: [AVMetadataObject],
                         from connection: AVCaptureConnection) {
        guard let code = objects.first as? AVMetadataMachineReadableCodeObject else { return }
        print(code.stringValue ?? "")
    }
}

ML Kit vs AVFoundation на iOS: ML Kit дава повече контрол — може да настроите формати, да включите multi-barcode, да филтрирате кодове по confidence. AVFoundation — по-бърз на стари устройства (по-малко overhead), но не поддържа Data Matrix, Aztec, PDF417 на iOS < 15. За iOS 15+ е за предпочитане ML Kit. За iOS 12–14 използвайте AVFoundation + fallback към ML Kit за неподдържани формати.

Scandit: търговско решение за enterprise

Scandit — търговски SDK за Barcode Scanning с фокус върху ритейл, логистика и здравеопазване. Scandit използва собствени невронни мрежи, обучени върху 10+ милиона изображения на баркодове в различни условия: отблясъци, повреди, слабо осветление, наклон до 45°, отражения. Scandit сканира кодове на разстояние до 15 метра (за PDF417 в складове) и върху кръгли повърхности (консерви, бутилки).

Възможности на Scandit: SparkScan (single-scan за бързо последователно сканиране), MatrixScan (multi-barcode + AR подсветка на сканираните), PickList (търсене на артикул по баркод с потвърждение). Scandit поддържа 50+ формата, включително GS1 DataBar и Composite Codes. Скорост — 10–15 мс за код. Точност — 99.5% при стандартно осветление, 97% при лошо.

// Scandit MatrixScan (изисква се SDK лиценз)
val barcodeTracking = BarcodeTracking
    .forDataCaptureContext(context)
    .addListener(this)
    .build()
barcodeTracking.addSessionListener { session, _ ->
    session.trackedBarcodes.forEach { (trackingId, barcode) ->
        val data = barcode.data
        val symbolCount = barcode.symbolCount
    }
}

Scandit vs ML Kit: Scandit е платен ($400+/месец), но дава enterprise функции: SparkScan (хардуерен бутон на корпоративни устройства), MatrixScan (AR overlay за подсветка), PickList (гласово потвърждение). ML Kit е безплатен и е достатъчен за 90% от мобилните приложения: магазинни скенери, QR четеци, билетни приложения. Scandit е оправдан само за логистични терминали с устройства Zebra/Honeywell.

Оптимизация на сканирането: скорост и точност

Оптимизация на Barcode Scanning включва настройка на камерата, резолюцията и SDK. Основно правило: по-малко пиксели — по-бързо сканиране. За ML Kit оптималната резолюция е 480p (640x480) за видео и 720p (1280x720) за снимки. Увеличаването до 1080p забавя обработката 2–3 пъти без повишаване на точността. Използвайте CameraX с ImageAnalysis за автоматично управление на резолюцията.

Фокус и експозиция са критични за качеството на сканирането. ML Kit не настройва камерата автоматично — разработчикът трябва да включи continuous auto-focus и continuous auto-exposure чрез Camera2 или CameraX. Без автофокус размазаните кодове намаляват точността до 60–70%. За сканиране от близко разстояние (5–15 см) използвайте macro режима на камерата, ако е наличен.

Auto-zoom и finder overlay — потребителски UX подобрения. Auto-zoom приближава кода при откриването му (като в камерата на Google Lens). Реализира се чрез анализ на boundingBox на кода и мащабиране на preview. Finder overlay — графична рамка, показваща накъде да се насочи камерата. За по-добър UX показвайте boundingBox на намерения код и го оцветявайте в зелено при успешно декодиране.

// CameraX + ML Kit: оптимизиран скенер
class BarcodeAnalyzer(private val scanner: BarcodeScanner) :
    ImageAnalysis.Analyzer {

    override fun analyze(image: ImageProxy) {
        if (image.image == null) { image.close(); return }
        val mediaImage = InputImage.fromMediaImage(image.image, image.imageInfo.rotationDegrees)
        scanner.process(mediaImage)
            .addOnSuccessListener { barcodes ->
                barcodes.firstOrNull()?.let {
                    // Хаптика + звук + подсветка на кода
                }
            }
            .addOnCompleteListener { image.close() }
    }
}

Обратна връзка към потребителя: вибрация (HapticFeedback), звук (MediaActionSound), визуална подсветка (Canvas/Overlay). След успешно сканиране добавете забавяне 1000–1500 мс (throttling) преди следващото сканиране — това предотвратява дублиране на задействанията върху един код. За последователно сканиране (сканиране на пакет стоки) използвайте SparkScan подхода: всяко сканиране се записва и озвучава, забавяне 300–500 мс.