Escaneo de códigos de barras en aplicaciones — tipos de códigos y ML Kit

Qué es Barcode Scanning: principios y formatos

Barcode Scanning es el proceso de reconocimiento óptico de códigos de barras mediante una cámara. El algoritmo captura una imagen, encuentra el código (localización), lo decodifica (extracción de datos) y devuelve un valor de cadena. Los SDK modernos escanean códigos de cualquier orientación, tamaño e iluminación — el usuario solo necesita apuntar la cámara.

Formatos de códigos de barras se dividen en dos grupos: 1D (lineales) — EAN-13, UPC-A, Code 128, Code 39, ITF, Codabar — contienen hasta 20–30 caracteres, se usan para productos y logística; 2D (matriciales) — QR Code, Data Matrix, PDF417, Aztec — contienen hasta más de 3000 caracteres, se usan para enlaces, boletos, documentos. ML Kit admite 14 formatos — todos los formatos 1D y 2D comunes.

Data Matrix es un código 2D similar a QR pero más compacto. Se utiliza en la industria (marcado de piezas), boletos electrónicos (IATA BCBP), muestras médicas. Data Matrix puede contener hasta 2335 caracteres y se imprime en superficies muy pequeñas — hasta 2x2 mm. A diferencia de QR, Data Matrix no tiene patrones de localización (cuadrados en las esquinas) y requiere una calibración de cámara más precisa.

QR Code es el formato 2D más popular en aplicaciones móviles. Contiene URL, texto, vCard, configuración WiFi, información de pago (UPI, SBP). QR Code tiene 40 versiones (de 21x21 a 177x177 módulos) y 4 niveles de corrección de errores (L: 7%, M: 15%, Q: 25%, H: 30%). Para aplicaciones móviles use la versión 2–10 (25x25 – 57x57 módulos) — el equilibrio óptimo entre tamaño y datos.

ML Kit Barcode Scanning: integración y configuración

ML Kit Barcode Scanning es el SDK principal para aplicaciones Android. ML Kit encuentra automáticamente todos los códigos en la imagen (a diferencia de ZXing que requiere que el código esté en el centro). La API devuelve un objeto Barcode con rawValue (contenido de texto), format (tipo de código), boundingBox y cornerPoints (4 puntos de las esquinas del código). ML Kit admite single-scan (un fotograma) y continuous-scan (flujo de video).

Modo multi-código — ML Kit puede detectar múltiples códigos en una sola imagen. Actívelo mediante BarcodeScannerOptions.Builder(). En modo múltiple se devuelve una lista de Barcodes. Úselo para inventario (escaneo de lotes de productos), reconocimiento de múltiples códigos QR en una mesa. El multi-código está desactivado por defecto — actívelo solo si es necesario, ya que ralentiza el escaneo entre un 20 y un 30%.

// ML Kit Barcode Scanning multi-code mode
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
        }
    }

Filtrado de formatos — optimización obligatoria. setBarcodeFormats() limita los formatos que ML Kit buscará. Si la aplicación escanea solo códigos QR — especifique FORMAT_QR_CODE. Esto acelera el escaneo de 2 a 3 veces al excluir algoritmos de decodificación de otros formatos. Para escáneres minoristas — FORMAT_EAN_13 | FORMAT_UPC_A. Para logística — FORMAT_CODE_128 | FORMAT_CODE_39 | FORMAT_PDF417.

ZXing vs ML Kit: comparación de bibliotecas

ZXing (Zebra Crossing) es una biblioteca open-source en Java (Android) con versiones para Swift, React Native, Flutter. ZXing fue el estándar de facto para escaneo antes de ML Kit. Admite todos los formatos populares, funciona en cualquier dispositivo (incluido Huawei sin Google Play) y no requiere Google Play Services. Desventajas: 2–3 veces más lento que ML Kit, no encuentra códigos en los bordes del marco, no tiene multi-código.

ML Kit vs ZXing — ML Kit gana en velocidad, precisión y UX. ML Kit detecta un código incluso si ocupa el 10% del marco y está en una esquina. ZXing requiere que el código ocupe el 50–80% del marco y esté en el centro. ML Kit usa una red neuronal (MobileNetV2-SSD) para localizar el código, ZXing usa binarización clásica y búsqueda de patrones de localización. Según Google (2025), ML Kit alcanza un 98.5% de precisión frente al 92% de ZXing.

Cuándo elegir ZXing: si la aplicación debe funcionar en dispositivos Huawei (sin Google Play Services), en Android Go (memoria limitada), o si se necesita operación completamente offline sin Play Services. Para todos los demás casos — ML Kit es más rápido, más preciso, más fácil de integrar y ofrece una mejor UX gracias al multi-código y la detección en bordes.

// ZXing Core: simple scanner
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) {
    // Code not found
}

Scandit como alternativa — un SDK comercial con 99.5% de precisión y velocidad de 10–20 ms. Usa redes neuronales propias y no requiere Google Play Services. Precio — desde $400/mes (2019). Scandit domina en retail y logística (Walmart, FedEx). Para la mayoría de aplicaciones móviles ML Kit es suficiente — Scandit se justifica solo para tareas empresariales con escaneo de alto volumen.

Apple AVFoundation: escáner nativo en iOS

Apple AVFoundation proporciona Barcode Scanning nativo a través de AVCaptureMetadataOutput. Desde iOS 7, AVFoundation admite escaneo de códigos QR, y desde iOS 8 — todos los formatos EAN, UPC, Code 128, PDF417. AVFoundation no requiere SDK adicionales — es parte de Foundation. El escaneo funciona a través de Apple Neural Engine en A12+ — velocidad de 10–20 ms con consumo mínimo de energía.

Ventajas de AVFoundation: cero dependencias, manejo automático de orientación de cámara, soporte integrado de modo claro/oscuro, funcionamiento en segundo plano (con background modes). AVFoundation ajusta automáticamente el enfoque y la exposición para el escaneo — el desarrollador solo necesita suscribirse al delegado captureOutput. Desventaja: menos configuraciones que ML Kit — no se puede activar multi-código ni filtrado de formatos.

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 en iOS: ML Kit ofrece más control — se pueden configurar formatos, activar multi-código, filtrar códigos por confianza. AVFoundation es más rápido en dispositivos antiguos (menos sobrecarga), pero no admite Data Matrix, Aztec, PDF417 en iOS < 15. Para iOS 15+ ML Kit es preferible. Para iOS 12–14 use AVFoundation + respaldo a ML Kit para formatos no soportados.

Scandit: solución comercial para empresas

Scandit es un SDK comercial para Barcode Scanning enfocado en retail, logística y salud. Scandit usa redes neuronales propias entrenadas con más de 10 millones de imágenes de códigos de barras en diversas condiciones: reflejos, daños, poca luz, inclinación hasta 45°, reflejos. Scandit escanea códigos a distancias de hasta 15 metros (para PDF417 en almacenes) y en superficies curvas (latas, botellas).

Funcionalidades de Scandit: SparkScan (escaneo único para escaneo secuencial rápido), MatrixScan (multi-código + resaltado AR de elementos escaneados), PickList (búsqueda de producto por código de barras con confirmación). Scandit admite más de 50 formatos, incluidos GS1 DataBar y Composite Codes. Velocidad — 10–15 ms por código. Precisión — 99.5% con iluminación estándar, 97% con poca luz.

// Scandit MatrixScan (SDK license required)
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 es de pago ($400+/mes), pero ofrece funciones empresariales: SparkScan (botón de hardware en dispositivos corporativos), MatrixScan (superposición AR para resaltar), PickList (confirmación por voz). ML Kit es gratuito y suficiente para el 90% de las aplicaciones móviles: escáneres de tiendas, lectores QR, aplicaciones de boletos. Scandit se justifica solo para terminales logísticas con dispositivos Zebra/Honeywell.

Optimización del escaneo: velocidad y precisión

Optimización de Barcode Scanning incluye configuración de cámara, resolución y SDK. La regla principal: menos píxeles — escaneo más rápido. Para ML Kit la resolución óptima es 480p (640x480) para video y 720p (1280x720) para fotos. Aumentar a 1080p ralentiza el procesamiento de 2 a 3 veces sin mejora de precisión. Use CameraX con ImageAnalysis para gestión automática de resolución.

Enfoque y exposición son críticos para la calidad del escaneo. ML Kit no configura la cámara automáticamente — el desarrollador debe activar el enfoque automático continuo y la exposición automática continua a través de Camera2 o CameraX. Sin enfoque automático, los códigos borrosos reducen la precisión al 60–70%. Para escaneo de cerca (5–15 cm) use el modo macro de la cámara si está disponible.

Auto-zoom y superposición de localización — mejoras de UX para el usuario. El auto-zoom acerca el código cuando se detecta (como en la cámara de Google Lens). Se implementa analizando el boundingBox del código y escalando la vista previa. La superposición de localización es un marco gráfico que muestra hacia dónde apuntar la cámara. Para una mejor UX, muestre el boundingBox del código encontrado y resáltelo en verde al decodificarlo exitosamente.

// CameraX + ML Kit: optimized scanner
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 {
                    // Haptic + sound + code highlight
                }
            }
            .addOnCompleteListener { image.close() }
    }
}

Retroalimentación al usuario: vibración (HapticFeedback), sonido (MediaActionSound), resaltado visual (Canvas/Overlay). Después de un escaneo exitoso, agregue una demora de 1000–1500 ms (limitación) antes del siguiente escaneo — esto evita disparos duplicados en el mismo código. Para escaneo secuencial (escaneo de lotes) use el enfoque SparkScan: cada escaneo se registra y se anuncia, con una demora de 300–500 ms.