Principais pormenores

Modelo único no seu género baseado na aprendizagem profunda para o reconhecimento de códigos QR.

Cliente

O cliente é uma organização científica e empresarial da Europa. Desenvolveu uma abordagem inovadora à contrafação, que pode ser utilizada tanto por fabricantes e vendedores de bens físicos como por empresas de comércio digital.

A contrafação afecta dramaticamente os vendedores de vários nichos. Estes sofrem perdas de rendimento ao receberem uma remessa e encontrarem nela contrafacções. É o que acontece na China, por exemplo, no mercado dos alimentos para bebés. Mesmo o vendedor pode não ter conhecimento de que está a vender produtos contrafeitos, uma vez que os códigos QR amplamente utilizados são fáceis de falsificar. Daí a necessidade de implementar uma funcionalidade adicional que impossibilite a falsificação de códigos e minimize, assim, a possibilidade de receber contrafacções. E ter um produto etiquetado com uma marca especial pode ser a solução. Seria então possível utilizar essa marca para verificar a origem e o fabrico de um produto.

As diferentes etiquetas anti-contrafação não permitem uma proteção suficiente para travar os autores de fraudes. Para o Cliente, era crucial obter um método de verificação tão fácil de utilizar e económico quanto possível.

O problema a resolver era uma enorme quantidade de contrafacções produzidas em todos os sectores. A equipa do cliente apresentou um conceito e estava à procura de especialistas em tecnologia para ajudar a tornar a sua ideia viável. O Cliente recorreu à ESSID Solutions como especialista em software de visão por computador e desenvolvimento de aplicações de aprendizagem profunda.

Desafio: formação de modelos para identificação anti-contrafação

A principal tarefa que a nossa equipa enfrentou na fase de PoC foi criar uma solução de software para reconhecer e verificar as marcas aplicadas sobre os códigos QR. Este padrão pode ser extraído independentemente da informação incorporada no código QR.

No caso dos códigos QR, o pó em cima dos códigos forma padrões praticamente imperceptíveis à primeira vista. Esta caraterística não impede a leitura dos códigos. Ao mesmo tempo, sendo resultado do mesmo processo de aplicação, cada padrão é, no entanto, impossível de replicar, mesmo para o mesmo fabricante. E uma vez que é impossível prever um padrão para um ou outro produto e falsificá-lo, isso torna esta técnica anti-contrafação super segura.

Solução: modelo baseado na aprendizagem profunda para o reconhecimento de códigos QR

A nossa tarefa era semelhante à do reconhecimento facial: detetar e reconhecer padrões únicos, mas para coisas e não para pessoas. O cliente forneceu-nos um conjunto de dados de treino com meio milhão de itens. Abaixo, há um exemplo de um código QR e de um PUF vistos em zoom:

Apresentámos várias abordagens possíveis para resolver o problema e testar os resultados. A nossa equipa utilizou uma rede neural convolucional (CNN) para treinar o modelo de reconhecimento e verificação de padrões.

Foi um desafio conseguir um valor de 99% na métrica de identificação. Também resolvemos a dificuldade de deteção de padrões falsos na base de dados.

Resultado: Aplicação Android para autenticar códigos QR

O resultado do trabalho efectuado na fase PoC foi a aplicação baseada em Android que demonstrou as capacidades tecnológicas. Esta aplicação funciona da seguinte forma:

• Um utilizador tira uma fotografia de um QR
• O nosso modelo baseado na CNN reconhece o PUF
• O resultado é automaticamente confrontado com as informações da base de dados
• A aplicação emite um alerta de verificação bem sucedida ou de contrafação

O potencial comercial da aplicação da tecnologia é imenso, bem como a gama de indústrias em que este novo método de combate à contrafação será muito procurado. Por exemplo, podem ser aplicados padrões especiais em cima da tinta ou integrados no design da embalagem, etc.

A solução anti-contrafação, inventada pelo Cliente e finalizada com a ajuda da ESSID Solutions, pode ser utilizada de forma diferente. A nossa equipa de engenharia enfrentou o desafio com sucesso e entregou um protótipo funcional da aplicação.

Iniciar o seu Projeto de visão computacional com a ESSID Solutions