Detalles clave

Modelo único en su clase basado en aprendizaje profundo para el reconocimiento de códigos QR.

Cliente

El cliente es una organización científica y empresarial de Europa. Han desarrollado un enfoque innovador de la lucha contra la falsificación, que pueden utilizar tanto los fabricantes y vendedores de bienes físicos como las empresas de comercio digital.

La falsificación afecta dramáticamente a los vendedores de diversos nichos. Sufren pérdidas de ingresos al recibir un envío y encontrar falsificaciones en él. Así ocurre en China en el mercado de alimentos infantiles, por ejemplo. Incluso el vendedor puede no ser consciente de estar vendiendo productos falsificados, ya que los códigos QR, muy extendidos, son bastante fáciles de falsificar. Esto plantea la necesidad de implementar una función adicional que haga imposible falsificar los códigos y minimice así la posibilidad de recibir falsificaciones. Y tener un producto etiquetado con una marca especial podría ser la solución. Entonces sería posible utilizar esa marca para verificar el origen y la fabricación de un producto.

Los distintos etiquetados antifalsificación permiten una protección insuficiente para detener a los defraudadores. Para el Cliente, era crucial conseguir que el método de verificación fuera lo más fácil y barato posible.

El problema a resolver era la enorme cantidad de falsificaciones que se producían en todos los sectores. El equipo del cliente propuso un concepto y buscaba especialistas en tecnología que le ayudaran a hacer viable su idea. El cliente recurrió a ESSID Solutions como experto en software de visión artificial y desarrollo de aplicaciones de aprendizaje profundo.

Reto: formación de modelos para la identificación de falsificaciones

La tarea clave a la que se enfrentó nuestro equipo en la fase de PoC fue crear una solución de software para reconocer y verificar las marcas aplicadas sobre los códigos QR. Este patrón сan extraerse independientemente de la información incrustada dentro del código QR.

En el caso de los QR, el espolvoreado sobre los códigos da forma a patrones prácticamente imperceptibles a primera vista. Esta característica no impide la lectura de los códigos. Al mismo tiempo, al ser resultado del mismo proceso de aplicación, cada patrón, sin embargo, es imposible de replicar, incluso para el mismo fabricante. Y puesto que es imposible predecir un patrón para uno u otro bien y falsificarlo, eso hace que dicha técnica antifalsificación sea supersegura.

Solución: modelo basado en aprendizaje profundo para el reconocimiento de códigos QR

Nuestra tarea era similar a la del reconocimiento facial: detectar y reconocer patrones únicos, pero de cosas, no de personas. El cliente nos proporcionó un conjunto de datos de entrenamiento con medio millón de objetos. A continuación se muestra un ejemplo de un código QR y un PUF ampliado:

Se nos ocurrieron varios enfoques posibles para resolver el problema y comprobar los resultados. Nuestro equipo empleó una red neuronal convolucional (CNN) para entrenar el modelo de reconocimiento y verificación de patrones.

Fue todo un reto alcanzar un valor de 99% en la métrica de identificación. También resolvimos la dificultad de la detección de patrones falsos en la base de datos.

Resultados: Aplicación Android para autenticar códigos QR

El resultado del trabajo realizado en la fase PoC fue la aplicación basada en Android que demostró las capacidades tecnológicas. Dicha aplicación funciona de la siguiente manera:

• Un usuario hace una foto de un QR
• Nuestro modelo basado en CNN reconoce el PUF
• El resultado se coteja automáticamente con la información de la base de datos.
• La aplicación emite una alerta de verificación correcta o de falsificación

El potencial comercial de la aplicación de la tecnología es inmenso, así como la gama de industrias en las que este nuevo método contra la falsificación tendrá una gran demanda. Por ejemplo, se pueden aplicar patrones especiales sobre la tinta o integrarlos en el diseño del envase, etc.

La solución contra la falsificación, inventada por el Cliente y finalizada con la ayuda de ESSID Solutions, puede utilizarse de forma diferente. Nuestro equipo de ingenieros superó el reto con éxito y entregó un prototipo funcional de la aplicación.

Comienza tu Proyecto de visión por ordenador con ESSID Solutions