본문으로 건너뛰기
인터페이스 언어: 한국어
감사 / Signal

바코드 읽기: AI 모델과 전용 디코더 중 무엇을 쓸까?

식별자 판독 프로세스에서 바코드 디코딩, OCR과 카탈로그 검색을 구분합니다.

본문 언어: 한국어

산을 배경으로 커다란 원형 구조물 앞 탁자에 두 사람이 있는 그림.
목차

간단한 비교로 결과가 보이는 인쇄 문자에 의존하는지 살펴볼 수 있다. 기호는 보이고 숫자는 가린 라벨과, 숫자는 있지만 기호는 없는 라벨을 준비한다. 둘 다 '바코드 읽기'라고 부르면 방법의 차이가 보고서에서 사라진다. 이 글에서는 이미지 시험을 수행하지 않고, 그 시험이 무엇을 밝혀야 하는지 정한다.

비교하기 전에 독립적인 기준 자료로 예상 결과를 정한다. 번호를 알려 줄 수 있는 이미지의 다른 단서와 메타데이터를 제거하거나 표시한다. 원본과 두 변형을 보존한다. 모델의 답이 맞았다는 사실만으로 기호를 디코딩했다고 증명되지는 않는다. 다른 정보를 이용했을 수도 있다.

바코드는 특정 기호에 데이터를 부호화하는 방식이다. 옆의 문자는 사람이 읽을 수 있도록 데이터를 표시할 수 있으며, 제품명은 카탈로그에서야 얻을 수 있다. 라벨을 설명하는 모델이 각 단계에 모두 적합한 것은 아니다. 포장을 그럴듯하게 설명한다고 식별자를 고칠 권한이 생기는 것도 아니다.

먼저 필요한 결과를 정한다

가상의 장식용 종이 도매상을 생각해 보자. 직원은 포장을 촬영해 올바른 카탈로그 항목을 찾고 싶다. 라벨에는 컬렉션명, 규격, 내부 번호와 제품 코드가 있다. 이름은 정확히 옮겼지만 다른 규격의 포장을 선택할 수 있다. 기호를 정확히 디코딩하고도 회사의 최신 카탈로그에서 일치 항목을 찾지 못할 수 있다.

검수에서는 기호에서 디코딩한 내용, OCR로 인식한 문자, 데이터베이스에서 찾은 레코드를 분리해야 한다. OCR은 광학 문자 인식이다. 이 결과들은 서로 보완할 수 있지만 출처를 하나의 '제품 인식' 필드에 섞어서는 안 된다.

GS1은 사람이 읽을 수 있는 표현인 HRI를 매체에 부호화된 데이터에 대응하는 정보로 설명한다. 이 표현에서 응용 식별자를 구분하는 괄호는 매체 자체에 부호화되지 않는다고도 밝힌다. 따라서 인쇄 문자를 읽는 것과 기호를 디코딩하는 것은 관련 데이터라도 형식에 맞는 해석이 필요하다.

프로세스에서 두 경로를 별도 방법으로 허용할 수 있다. 기호를 읽을 수 없으면 문자를 읽는 것이 직원에게 도움이 될 수 있다. 다만 이를 디코딩 성공으로 제시하지 않는다. 보고서에 결과의 출처를 남겨 어떤 방법이 어떤 자료에서 작동했는지 나중에 평가할 수 있게 한다.

디코더와 OCR이 다른 문자열을 반환하면 우선 표시 방식의 차이인지 데이터의 차이인지 구분한다. 앞의 괄호는 표시 방식에 속할 수 있지만 숫자가 다르면 설명이 필요하다. 익숙해 보인다는 이유로 결과를 고르지 않는다. 도매상 직원이 두 결과를 라벨과 비교할 수 있으며, 시스템은 판단이 끝날 때까지 불일치를 보존해야 한다.

AI 적용 전 OCR 품질 관리 (폴란드어)는 문자 정확도와 이미지의 연결을 다룬다. 바코드에는 기호 종류와 표기 규칙의 식별도 추가된다. 다른 종류의 도구가 필요한 작업이라면 '정확히 읽어라'라는 지시를 더 강하게 하는 것만으로 충분하지 않다.

디코더에도 적절한 범위가 필요하다

회사 자료에 실제로 나타나는 기호 종류를 지원하는 도구를 비교 대상으로 고른다. EAN, Code 128, Data Matrix는 데이터가 있는 모든 이미지에 바꿔 쓸 수 있는 이름이 아니다. 검수에서는 허용 형식과 특정 라이브러리 또는 서비스 버전이 반환하는 결과를 알아야 한다.

ZXing README는 지원하는 1차원 및 2차원 형식과 프로젝트의 유지보수 모드를 설명한다. 범위가 정해진 전문 라이브러리의 예이지 이름이 비슷한 오래된 앱을 무조건 추천하는 것은 아니다. 버전과 배포 방식은 따로 확인해야 한다.

시험 세트에는 읽기 쉬운 기호, 회전된 기호, 반사가 있는 자료와 읽지 못하는 사례를 포함한다. 실제 사진에 해당하는 조건만 추가한다. 밝은 배경의 평평하고 선명한 라벨 사진은 광택 필름으로 감싼 곡면 포장에서의 동작을 증명하지 않는다. 원본, 전처리 이미지와 도구 버전을 남긴다.

한 라벨에 코드가 여러 개라면 어떤 것을 찾는지 정한다. 포장에는 제조사의 기호와 별도의 내부 코드가 있을 수 있다. 첫 번째 인식 결과를 자동 선택해도 직원의 작업에 맞지 않을 수 있다. 도구가 제공한다면 읽은 기호의 종류와 위치를 결과에 보존한다.

사용자가 사진에서 영역을 선택했다면 그 선택도 기록한다. 잘라낸 부분의 결과가 포장의 모든 코드를 인식한 것처럼 보이면 안 된다. 읽을 수 있는 두 기호가 있을 때는 두 판독의 정확성과 카탈로그용 번호 선택을 모두 검수한다. 라이브러리가 무언가를 찾았다는 사실과는 별개의 결정이다.

읽지 못한 결과는 그대로 남겨야 한다. 텍스트 생성 모델이 그럴듯한 문자열을 제안해도 손상된 기호의 내용이 되지는 않는다. 다음 단계는 새 사진, 인쇄 문자 읽기 또는 수동 확인일 수 있다. 기준은 해당 식별자가 프로세스에서 갖는 의미에 따라 정한다.

파일을 가져오는 오류와 시험은 정상 수행했지만 코드를 인식하지 못한 경우를 구분한다. 자료가 디코더에 도착하지 않았다면 그 결과는 라벨의 가독성을 설명하지 않는다. 기호 형식을 지원하지 않는다고 코드가 결함이라는 뜻도 아니다. 먼저 작업이 도구의 범위에 들어왔는지 확인한다.

이 서로 다른 상태를 식별자 '0'으로 저장하지 않는다. 빈 응답, 지원하지 않는 형식, 장애는 원인과 다음 단계가 다르다. 읽은 데이터를 담는 필드 밖에 각각의 상태를 표시한다. 그렇지 않으면 검색기가 인공적인 번호를 받고 보고서는 장애를 제품을 못 찾은 일반 시험으로 처리할 수 있다.

Aeneia 콘셉트 사진

구조가 유효해도 제품 전체가 확인되는 것은 아니다

GS1은 체크 디지트를 번호 무결성 확인 요소로 설명하고, 제품 식별자인 GTIN 전체의 의미에는 데이터베이스 정보가 필요하다고 밝힌다. 형식 확인과 제품 신원 확인은 별도 단계다. 검사 통과만으로 이름, 규격이나 촬영한 포장 내용물이 확인되지는 않는다.

판독값이 검사 규칙을 통과하지 못한다는 이유로 마지막 숫자를 자동 수정하지 않는다. 그러면 형식상 유효하지만 라벨과 다른 새 문자열이 생길 수 있다. 원본 판독값과 검증 결과를 보존한다. 시스템이 수동 확인 후보를 제안한다면 제안임을 표시하고 판단 근거를 알아볼 수 있게 한다.

앞의 0도 식별자 표기의 일부다. 도구 사이에 전달할 때 계산용 일반 숫자로 취급하지 않는다. 지정된 텍스트 표현과 합의된 변환 규칙을 보존한다. 스프레드시트에 짧은 문자열이 표시되면 나중에 카탈로그 조회로 전달될 변경을 숨길 수 있다.

데이터 준비 규칙은 특정 형식에 연결한다. '숫자 외에는 모두 제거'는 모든 기호 판독에 안전한 일반 처방이 아니다. 도매상은 제품 번호와 함께 문자가 포함된 내부 표기를 사용할 수 있다. 입력값과 검색용으로 준비한 값을 따로 남겨 변환을 재현할 수 있게 한다. 준비 단계가 다른 식별자를 추측해 판독값을 조용히 대체해서는 안 된다.

Verified by GS1은 식별자와 관련된 회사의 특정 정보와, 이용 가능한 경우 제품 데이터를 제공한다. 카탈로그 신원을 확인할 추가 출처이지 기호 디코딩 자체나 특정 포장 내용물의 실물 확인과 같지 않다.

가상의 도매상에서 다음 단계는 포장 항목과 올바른 종이, 규격, 판매 세트의 매수를 비교하는 것이다. 레코드가 없으면 시스템은 읽은 식별자와 일치 항목이 없음을 표시해야 한다. 비슷한 컬렉션명을 대신 넣으면 올바른 제품의 확인 없이 성공한 것처럼 보인다.

검색은 읽은 다음 시작된다

임베딩은 비슷한 의미를 찾는 데 도움이 되지만 정확한 부품 번호를 대체하지 않는다 (폴란드어). 읽은 식별자는 합의된 정확 일치 검사를 거쳐야 한다. 가장 가까운 카탈로그 항목은 직원에게 유용한 힌트일 수 있지만 별도 표시와 확인이 필요하다.

두 순위를 결합하는 하이브리드 검색 (폴란드어)에서는 식별자 처리도 검수한다. 다른 항목의 설명이 매우 비슷하다는 이유만으로 정확한 문자열에 기반한 어휘 검색 결과의 중요성이 사라져서는 안 된다. 결합 방식은 한 자리 차이가 다른 품목을 가리킬 수 있는 작업에 맞아야 한다.

제품 이미지 검색 (폴란드어)은 또 다른 근거를 제공한다. 사진의 유사성은 카탈로그 범위를 좁힐 수 있지만 읽지 못한 번호를 복구하지는 않는다. 제안이 외형, 인식 문자, 디코딩 중 어디에서 왔는지 남겨 사용자가 무엇을 더 확인할지 알게 한다.

제품 종류 식별자는 모든 물리적 개체를 구분하지 않을 수 있다. 두 포장의 판매 코드가 같아도 한 물건을 두 번 찍었다는 뜻이 아니다. 사진에서 개별 물체를 셀 때 (폴란드어)는 개체를 구분할 별도 근거가 필요하다. 같은 번호를 자동으로 하나의 물건으로 합치지 않는다.

Aeneia Audit 검토에서는 이 프로세스의 AI 사용, 데이터 흐름과 위험을 논의할 수 있다. 작업을 시작하기 전에 검토 범위를 정한다. 디코더 선택이나 기술 평가가 필요하다면 누가 어떤 조건으로 수행할지 별도로 정한다.

보고서는 올바른 항목까지의 경로를 보여야 한다

각 시험에서 이미지, 기호 종류, 판독 방법, 얻은 문자열과 후속 검사 결과를 보존한다. 사람이 결정했다면 선택한 결과와 이유도 추가한다. 필드를 덮어쓰기만 하면 직원의 개입을 설명하는 이전 불일치의 흔적이 사라진다. 작업 해결에 필요한 범위를 남기면 된다. 보고서에 종이의 최종 이름만 있으면 식별자가 어디서 바뀌었는지, 정확한 코드가 왜 항목을 찾지 못했는지 평가할 수 없다.

같은 자료와 적절한 기준으로 방법을 비교한다. 디코더는 읽은 기호 내용, OCR은 문자, 검색은 올바른 레코드를 기준으로 검수한다. 의사결정에 필요하다면 전체 경로의 비용과 시간도 평가할 수 있다. 아무 텍스트나 빨리 반환한다는 이유만으로 방법을 고르지 않는다.

보고서에는 정확한 판독, 잘못된 판독과 판독 불가 시험 수를 따로 보여 준다. 각각에 기준 자료에서 정한 예상 답을 보존한다. 도구가 결과를 내지 않았다는 이유로 어려운 사진을 분모에서 제거하지 않는다. 정직한 중단은 오류 위험을 줄이지만 올바르게 디코딩한 라벨 수를 늘리지는 않는다.

시험 전에 무엇을 셀지 정한다. 이미지, 기호 또는 특정 방법의 시도를 단위로 삼을 수 있다. 계획한 전체 시도 수, 각 지표의 분모와 제외 사유를 기록한다. 파일 가져오기 실패와 미지원 형식은 판독 불가에 숨기지 말고 따로 표시한다. 도구에 전달되었고 지원 범위에 속하는 어려운 이미지는 결과가 없어도 비교에 남긴다. 기호가 여러 개라면 판독 정확도와 카탈로그용 번호 선택을 따로 보여 준다.

직원이 최종적으로 올바른 항목에 연결한 포장 수와 수동 도움이 필요했던 수를 추가로 기록할 수 있다. 이는 카탈로그 가용성을 포함한 전체 프로세스 결과다. 데이터베이스에 레코드가 없는 책임을 디코더에 돌리지 않고, 수동으로 옮긴 번호의 성공을 디코더에 부여하지도 않는다. 다음 개선이 사진, 도구, 제품 데이터 중 어디에 필요한지 판단하는 데 도움이 된다.

이 예에서 올바르게 처리된 시험은 정확한 항목 또는 확인을 위한 알아볼 수 있는 중단으로 끝난다. 판독 불가는 라이브러리의 디코딩 성공이 아니라 판독 불가로 남는다. 이렇게 분리한 프로세스는 다른 종이를 선택하기 전에 오류를 멈출 수 있다. 답에 숫자가 많다는 사실만으로 다음 단계에 보내서는 안 된다.

Aeneia / Aeneia 편집부

편집부의 글입니다. 본문에 출처 링크가 있습니다.

Aeneia 소개

함께한 브랜드

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 주폴란드 중국대사관
  • Mixa
Aeneia / Initium

지식에서 결정으로

정리하고 싶은 과제를 알려 주세요. 어디서 시작할지 함께 정합니다.

Aeneia에 문의하기

파트너의 솔루션을 활용합니다

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear