Barcode Scanning в приложениях — что это, типы кодов и ML Kit

Что такое Barcode Scanning: принципы и форматы

Barcode Scanning — процесс оптического распознавания штрих-кодов с помощью камеры. Алгоритм захватывает изображение, находит на нём код (локализация), декодирует его (извлечение данных) и возвращает строковое значение. Современные SDK сканируют коды любой ориентации, размера и при любом освещении — пользователю достаточно навести камеру.

Форматы штрих-кодов делятся на две группы: 1D (линейные) — EAN-13, UPC-A, Code 128, Code 39, ITF, Codabar — содержат до 20–30 символов, используются для товаров, логистики; 2D (матричные) — QR Code, Data Matrix, PDF417, Aztec — содержат до 3000+ символов, используются для ссылок, билетов, документов. ML Kit поддерживает 14 форматов — все распространённые 1D и 2D.

Data Matrix — двумерный код, похожий на QR, но компактнее. Используется в промышленности (маркировка деталей), электронных билетах (IATA BCBP), медицинских образцах. Data Matrix может содержать до 2335 символов и наносится на очень маленькие поверхности — до 2x2 мм. В отличие от QR, Data Matrix не имеет finder patterns (квадраты в углах) и требует более точной калибровки камеры.

QR Code — самый популярный двумерный формат в мобильных приложениях. Содержит URL, текст, vCard, WiFi-конфигурацию, платежную информацию (UPI, SBP). QR Code имеет 40 версий (от 21x21 до 177x177 модулей) и 4 уровня коррекции ошибок (L: 7%, M: 15%, Q: 25%, H: 30%). Для мобильных приложений используйте версию 2–10 (25x25 – 57x57 модулей) — оптимальный баланс размера и данных.

ML Kit Barcode Scanning: интеграция и настройка

ML Kit Barcode Scanning — основной SDK для Android-приложений. ML Kit самостоятельно находит все коды на изображении (в отличие от ZXing, требующего, чтобы код был в центре). API возвращает Barcode объект с rawValue (текстовое содержание), format (тип кода), boundingBox и cornerPoints (4 точки углов кода). ML Kit поддерживает single-scan (один кадр) и continuous-scan (видеопоток).

Multi-barcode mode — ML Kit может обнаруживать несколько кодов на одном изображении. Включите через BarcodeScannerOptions.Builder(). В мульти-режиме возвращается список Barcode. Используйте для инвентаризации (сканирование пачки товаров), распознавания нескольких QR-кодов на столе. По умолчанию multi-barcode отключён — включите только если нужно, так как это замедляет сканирование на 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
        }
    }

Фильтрация форматов — обязательная оптимизация. setBarcodeFormats() ограничивает форматы, которые ML Kit будет искать. Если приложение сканирует только QR-коды — укажите FORMAT_QR_CODE. Это ускоряет сканирование в 2–3 раза за счёт исключения алгоритмов декодирования других форматов. Для торгового сканера — FORMAT_EAN_13 | FORMAT_UPC_A. Для логистики — FORMAT_CODE_128 | FORMAT_CODE_39 | FORMAT_PDF417.

ZXing vs ML Kit: сравнение библиотек

ZXing (Zebra Crossing) — open-source библиотека на Java (Android) с портами на Swift, React Native, Flutter. ZXing — де-факто стандарт для сканирования до появления ML Kit. Поддерживает все популярные форматы, работает на любом устройстве (включая Huawei без Google Play), не требует Google Play Services. Недостатки: медленнее ML Kit в 2–3 раза, не находит коды на периферии кадра, нет multi-barcode.

ML Kit vs ZXing — ML Kit выигрывает по скорости, точности и UX. ML Kit детектирует код даже если он занимает 10% кадра и находится в углу. ZXing требует, чтобы код занимал 50–80% кадра и был в центре. ML Kit использует нейросеть (MobileNetV2-SSD) для локализации кода, ZXing — классическую бинаризацию и поиск finder patterns. По данным Google (2025), ML Kit даёт 98.5% точности против 92% у ZXing.

Когда выбирать ZXing: если приложение должно работать на устройствах Huawei (без Google Play Services), на Android Go (ограниченная память), или если нужна полная офлайн-работа без Play Services. Для всех остальных случаев — ML Kit быстрее, точнее, проще в интеграции и даёт лучший UX за счёт мульти-кода и детекции на периферии.

// 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 как альтернатива — коммерческий SDK с точностью 99.5% и скоростью 10–20 мс. Использует собственные нейросети и не требует Google Play Services. Цена — от $400/месяц (2019). Scandit доминирует в ритейле и логистике (Walmart, FedEx). Для большинства мобильных приложений ML Kit достаточно — Scandit оправдан только для enterprise-задач с high-volume сканированием.

Apple AVFoundation: нативный сканер на iOS

Apple AVFoundation предоставляет нативный Barcode Scanning через AVCaptureMetadataOutput. Начиная с iOS 7, AVFoundation поддерживает сканирование QR-кодов, а с iOS 8 — все форматы EAN, UPC, Code 128, PDF417. AVFoundation не требует установки дополнительных SDK — это часть Foundation. Сканирование работает через Apple Neural Engine на A12+ — скорость 10–20 мс с минимальным энергопотреблением.

Преимущества AVFoundation: нулевая зависимость, автоматическая обработка ориентации камеры, встроенная поддержка light/dark mode, работа в фоне (с background modes). AVFoundation автоматически настраивает автофокус и экспозицию под сканирование — разработчику нужно только подписаться на делегат captureOutput. Недостаток: меньше настроек, чем в ML Kit — нельзя включить multi-barcode или фильтр форматов.

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 даёт больше контроля — можно настроить форматы, включить multi-barcode, отфильтровать коды по confidence. AVFoundation — быстрее на старых устройствах (меньше оверхед), но не поддерживает Data Matrix, Aztec, PDF417 на iOS < 15. Для iOS 15+ ML Kit предпочтительнее. Для iOS 12–14 используйте AVFoundation + fallback на ML Kit для неподдерживаемых форматов.

Scandit: коммерческое решение для enterprise

Scandit — коммерческий SDK для Barcode Scanning с фокусом на ритейл, логистику и здравоохранение. Scandit использует собственные нейросети, обученные на 10+ миллионах изображений штрих-кодов в различных условиях: блики, повреждения, низкое освещение, наклон до 45°, отражения. Scandit сканирует коды на расстоянии до 15 метров (для PDF417 на складах) и на круглых поверхностях (банки, бутылки).

Возможности Scandit: SparkScan (single-scan для быстрого последовательного сканирования), MatrixScan (multi-barcode + AR-подсветка отсканированных), PickList (поиск товара по штрих-коду с подтверждением). Scandit поддерживает 50+ форматов, включая GS1 DataBar и Composite Codes. Скорость — 10–15 мс на код. Точность — 99.5% при стандартном освещении, 97% при плохом.

// 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 платный ($400+/месяц), но даёт enterprise-фичи: SparkScan (аппаратная кнопка на корпоративных устройствах), MatrixScan (AR overlay для подсветки), PickList (голосовое подтверждение). ML Kit бесплатный и достаточен для 90% мобильных приложений: магазинные сканеры, QR-ридеры, билетные приложения. Scandit оправдан только для логистических терминалов с Zebra/Honeywell устройствами.

Оптимизация сканирования: скорость и точность

Оптимизация Barcode Scanning включает настройку камеры, разрешения и SDK. Основное правило: меньше пикселей — быстрее сканирование. Для ML Kit оптимальное разрешение — 480p (640x480) для видео и 720p (1280x720) для фото. Увеличение до 1080p замедляет обработку в 2–3 раза без прироста точности. Используйте CameraX с ImageAnalysis для автоматического управления разрешением.

Фокус и экспозиция критичны для качества сканирования. ML Kit не настраивает камеру автоматически — разработчик должен включить continuous auto-focus и continuous auto-exposure через Camera2 или CameraX. Без автофокуса размытые коды снижают точность до 60–70%. Для сканирования с близкого расстояния (5–15 см) используйте macro-режим камеры, если он доступен.

Auto-zoom и finder overlay — пользовательские UX-улучшения. Auto-zoom приближает код при его обнаружении (как в камере Google Lens). Реализуется через анализ boundingBox кода и масштабирование preview. Finder overlay — графическая рамка, показывающая, куда наводить камеру. Для лучшего UX показывайте boundingBox найденного кода и выделяйте его зелёным при успешном декодировании.

// 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 пользователю: вибрация (HapticFeedback), звук (MediaActionSound), визуальная подсветка (Canvas/Overlay). После успешного сканирования добавьте задержку 1000–1500 мс (throttling) перед следующим сканом — это предотвращает дублирование срабатываний на одном коде. Для sequential scanning (сканирование пачки товаров) используйте SparkScan-подход: каждый скан фиксируется и озвучивается, задержка 300–500 мс.