Digitalização de códigos de barras em aplicações — tipos de códigos e ML Kit

O que é Barcode Scanning: princípios e formatos

Barcode Scanning é o processo de reconhecimento ótico de códigos de barras usando uma câmara. O algoritmo captura uma imagem, encontra o código (localização), descodifica-o (extração de dados) e devolve um valor de string. Os SDKs modernos digitalizam códigos de qualquer orientação, tamanho e iluminação — o utilizador só precisa de apontar a câmara.

Formatos de códigos de barras dividem-se em dois grupos: 1D (lineares) — EAN-13, UPC-A, Code 128, Code 39, ITF, Codabar — contêm até 20–30 caracteres, usados para produtos e logística; 2D (matriciais) — QR Code, Data Matrix, PDF417, Aztec — contêm até mais de 3000 caracteres, usados para links, bilhetes, documentos. O ML Kit suporta 14 formatos — todos os formatos 1D e 2D comuns.

Data Matrix é um código 2D semelhante ao QR mas mais compacto. É utilizado na indústria (marcação de peças), bilhetes eletrónicos (IATA BCBP), amostras médicas. O Data Matrix pode conter até 2335 caracteres e pode ser impresso em superfícies muito pequenas — até 2x2 mm. Ao contrário do QR, o Data Matrix não tem padrões de localização (quadrados nos cantos) e requer uma calibração de câmara mais precisa.

QR Code é o formato 2D mais popular em aplicações móveis. Contém URL, texto, vCard, configuração WiFi, informação de pagamento (UPI, SBP). O QR Code tem 40 versões (de 21x21 a 177x177 módulos) e 4 níveis de correção de erros (L: 7%, M: 15%, Q: 25%, H: 30%). Para aplicações móveis use a versão 2–10 (25x25 – 57x57 módulos) — o equilíbrio ideal entre tamanho e dados.

ML Kit Barcode Scanning: integração e configuração

ML Kit Barcode Scanning é o SDK principal para aplicações Android. O ML Kit encontra automaticamente todos os códigos na imagem (ao contrário do ZXing que requer que o código esteja no centro). A API devolve um objeto Barcode com rawValue (conteúdo de texto), format (tipo de código), boundingBox e cornerPoints (4 pontos dos cantos do código). O ML Kit suporta single-scan (um fotograma) e continuous-scan (fluxo de vídeo).

Modo multi-código — o ML Kit pode detetar vários códigos numa única imagem. Ative através de BarcodeScannerOptions.Builder(). No modo múltiplo é devolvida uma lista de Barcodes. Use para inventário (digitalização de lotes de produtos), reconhecimento de múltiplos códigos QR numa mesa. O multi-código está desativado por predefinição — ative apenas se necessário, pois retarda a digitalização em 20–30%.

// 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
        }
    }

Filtragem de formatos — otimização obrigatória. setBarcodeFormats() limita os formatos que o ML Kit irá procurar. Se a aplicação digitaliza apenas códigos QR — especifique FORMAT_QR_CODE. Isto acelera a digitalização 2–3 vezes ao excluir algoritmos de descodificação de outros formatos. Para scanners de retalho — FORMAT_EAN_13 | FORMAT_UPC_A. Para logística — FORMAT_CODE_128 | FORMAT_CODE_39 | FORMAT_PDF417.

ZXing vs ML Kit: comparação de bibliotecas

ZXing (Zebra Crossing) é uma biblioteca open-source em Java (Android) com portes para Swift, React Native, Flutter. O ZXing foi o padrão de facto para digitalização antes do ML Kit. Suporta todos os formatos populares, funciona em qualquer dispositivo (incluindo Huawei sem Google Play) e não requer Google Play Services. Desvantagens: 2–3 vezes mais lento que o ML Kit, não encontra códigos nas bordas do enquadramento, não tem multi-código.

ML Kit vs ZXing — o ML Kit ganha em velocidade, precisão e UX. O ML Kit deteta um código mesmo que ocupe 10% do enquadramento e esteja num canto. O ZXing requer que o código ocupe 50–80% do enquadramento e esteja no centro. O ML Kit usa uma rede neuronal (MobileNetV2-SSD) para localizar o código, o ZXing usa binarização clássica e pesquisa de padrões de localização. Segundo a Google (2025), o ML Kit atinge 98.5% de precisão contra 92% do ZXing.

Quando escolher o ZXing: se a aplicação precisar de funcionar em dispositivos Huawei (sem Google Play Services), em Android Go (memória limitada), ou se for necessário funcionamento totalmente offline sem Play Services. Para todos os outros casos — o ML Kit é mais rápido, mais preciso, mais fácil de integrar e oferece uma melhor UX graças ao multi-código e deteção nas bordas.

// 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 — um SDK comercial com 99.5% de precisão e velocidade de 10–20 ms. Usa redes neuronais próprias e não requer Google Play Services. Preço — a partir de $400/mês (2019). A Scandit domina no retalho e logística (Walmart, FedEx). Para a maioria das aplicações móveis o ML Kit é suficiente — a Scandit justifica-se apenas para tarefas empresariais com digitalização de alto volume.

Apple AVFoundation: scanner nativo no iOS

Apple AVFoundation fornece Barcode Scanning nativo através de AVCaptureMetadataOutput. Desde o iOS 7, o AVFoundation suporta digitalização de códigos QR, e desde o iOS 8 — todos os formatos EAN, UPC, Code 128, PDF417. O AVFoundation não requer SDKs adicionais — faz parte da Foundation. A digitalização funciona através do Apple Neural Engine em A12+ — velocidade de 10–20 ms com consumo mínimo de energia.

Vantagens do AVFoundation: zero dependências, tratamento automático da orientação da câmara, suporte integrado de modo claro/escuro, funcionamento em segundo plano (com background modes). O AVFoundation ajusta automaticamente a focagem e exposição para a digitalização — o programador só precisa de subscrever o delegado captureOutput. Desvantagem: menos configurações que o ML Kit — não é possível ativar multi-código ou filtragem 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 no iOS: o ML Kit dá mais controlo — pode configurar formatos, ativar multi-código, filtrar códigos por confiança. O AVFoundation é mais rápido em dispositivos antigos (menos sobrecarga), mas não suporta Data Matrix, Aztec, PDF417 em iOS < 15. Para iOS 15+ o ML Kit é preferível. Para iOS 12–14 use AVFoundation + recurso ao ML Kit para formatos não suportados.

Scandit: solução comercial para empresas

Scandit é um SDK comercial para Barcode Scanning focado no retalho, logística e saúde. A Scandit usa redes neuronais próprias treinadas com mais de 10 milhões de imagens de códigos de barras em diversas condições: reflexos, danos, pouca luz, inclinação até 45°, reflexos. A Scandit digitaliza códigos a distâncias até 15 metros (para PDF417 em armazéns) e em superfícies curvas (latas, garrafas).

Funcionalidades da Scandit: SparkScan (digitalização única para digitalização sequencial rápida), MatrixScan (multi-código + realce AR de itens digitalizados), PickList (pesquisa de produto por código de barras com confirmação). A Scandit suporta mais de 50 formatos, incluindo GS1 DataBar e Composite Codes. Velocidade — 10–15 ms por código. Precisão — 99.5% com iluminação padrão, 97% com pouca 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: a Scandit é paga ($400+/mês), mas oferece funcionalidades empresariais: SparkScan (botão de hardware em dispositivos corporativos), MatrixScan (sobreposição AR para realce), PickList (confirmação por voz). O ML Kit é gratuito e suficiente para 90% das aplicações móveis: scanners de lojas, leitores QR, aplicações de bilhetes. A Scandit justifica-se apenas para terminais logísticos com dispositivos Zebra/Honeywell.

Otimização da digitalização: velocidade e precisão

Otimização do Barcode Scanning inclui configurações de câmara, resolução e SDK. A regra principal: menos píxeis — digitalização mais rápida. Para o ML Kit a resolução ideal é 480p (640x480) para vídeo e 720p (1280x720) para fotos. Aumentar para 1080p retarda o processamento 2–3 vezes sem melhoria de precisão. Use CameraX com ImageAnalysis para gestão automática de resolução.

Foco e exposição são críticos para a qualidade da digitalização. O ML Kit não configura a câmara automaticamente — o programador deve ativar o foco automático contínuo e a exposição automática contínua através de Camera2 ou CameraX. Sem focagem automática, os códigos desfocados reduzem a precisão para 60–70%. Para digitalização de perto (5–15 cm) use o modo macro da câmara se disponível.

Auto-zoom e sobreposição de localização — melhorias de UX para o utilizador. O auto-zoom aproxima o código quando detetado (como na câmara do Google Lens). Implementa-se analisando o boundingBox do código e escalando a pré-visualização. A sobreposição de localização é uma moldura gráfica que mostra para onde apontar a câmara. Para melhor UX, mostre o boundingBox do código encontrado e realce-o a verde quando descodificado com sucesso.

// 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() }
    }
}

Feedback ao utilizador: vibração (HapticFeedback), som (MediaActionSound), realce visual (Canvas/Overlay). Após uma digitalização bem-sucedida, adicione um atraso de 1000–1500 ms (limitação) antes da próxima digitalização — isto evita acionamentos duplicados no mesmo código. Para digitalização sequencial (digitalização de lotes) use a abordagem SparkScan: cada digitalização é registada e anunciada, com um atraso de 300–500 ms.