Защо приложенията за разпознаване на пури толкова често се провалят, когато бандеролът е повреден или липсва?
Защото повечето от тях четат само бандерола и нищо друго. Бандеролите се износват, обръщат се встрани от камерата, увиват се в целофан или изобщо се свалят. И дори бандерол, който е заснет перфектно, често носи име, съставено от думи, твърде общи, за да идентифицират каквото и да било: реален, измерим дял от всеки каталог, не изключение.
Какво всъщност прави скенер, който разчита само на бандерола?
Той прилага разпознаване на текст (оптично разпознаване на символи, OCR) върху едно малко хартиено пръстенче и приема каквото излезе като целия отговор. Насочваш камерата, софтуерът разчита отпечатаните букви и търси този низ в база данни. Това е целият процес. Няма опит да се отчете цветът на покривния лист, формата на капачката, дължината или обиколката (ring gauge), нито каквото и да е друго, което се вижда ясно по останалата част от пурата. Ако текстът от бандерола излезе чист, приложението изглежда компетентно. Ако не — в процеса няма нищо друго, на което да се стъпи.
Издайническото е как тези приложения се държат, когато бандеролът е налице, но е леко изкривен под ъгъл, или когато печатът е избледнял от боравене с пурата. Те не се провалят постепенно — провалят се напълно, защото единственият сигнал, с който разполагат, просто изчезва. Система с повече от един източник на информация може да загуби един и пак да направи разумно предположение. Система с точно един източник няма къде да отиде, когато той е лош.
Защо бандеролът толкова често липсва или е нечетлив?
Бандеролът е тънка хартиена лента, увита около цилиндър, а обичайното боравене с пурата непрекъснато работи срещу него:
- Отблясъци от целофана. Търговската опаковка отразява светкавицата на камерата право в обектива, което заличава точно буквите, от които OCR се нуждае.
- Завъртане. Бандерол, заснет от грешния ъгъл спрямо обиколката на пурата, скрива по-голямата част от собствения си текст зад извивката.
- Износване. Пура, носена в джоб, пътна кутия или просто често пипана, първо получава ожулвания, които замъгляват фолийния печат и тънкото мастило.
- Умишлено премахване. Много пушачи свалят бандерола преди да запалят пурата, което означава, че снимката, направена по време на пушене (често моментът, в който някой всъщност иска да идентифицира пура, подадена му от друг) няма оставен бандерол за сканиране.
- Частични бандероли. Някои вида пури (vitolas) идват с втори бандерол или бандерол за долния край, който носи само фрагмент от пълното име, не цялото.
Нищо от това не е рядкост. Това е обичайното състояние на пура през по-голямата част от времето, в което тя реално се пуши — а именно това е моментът, в който човек най-вероятно ще посегне към телефона си.
Защо не стига дори "перфектна" снимка на бандерола?
Защото думите, отпечатани върху него, може да не са отличителни. Значителна част от всеки реален каталог с пури носи модели с имена, съставени изцяло от общи описателни думи (термини като "резерва", "особена", "мадуро", "селекция", "юбилейна") без нито една уникална, специфична за марката дума никъде в името. Собствената производствена диагностика на Paradigm поставя този дял на 13.3% от записите в каталозите: имена, съставени само от думи, толкова общи, че самото съпоставяне на текст не може да стесни кръга, защото точно същите думи се срещат в десетки несвързани линии на различни производители.
Подадеш ли на текстово-съпоставящ механизъм низ, който е просто общ речник, той няма отличителна опорна точка, спрямо която да търси. Това не е провал заради качеството на снимката. OCR си е свършило работата, разчитайки всяка буква правилно, а търсенето пак не може да стесни до една конкретна пура, защото самият текст никога не е бил уникален. Архитектура на скенер, изградена изцяло около текста на бандерола, няма как да заобиколи това. Няма втори сигнал, който да реши нерешения въпрос.
Какво реално трябва да се случи, за да оцелее един скенер при лош бандерол?
Трябва да третира бандерола като един от няколко източника на информация, не като цялата система. Подход, разглеждащ цялата пура, отчита нюанса и текстурата на покривния лист, формата на капачката и начина, по който е отрязана, физическите размери (дължина и обиколка — ring gauge) заедно с наличния текст от бандерола, и претегля всичко това заедно. Прочетете повече за това какво показват сами по себе си тези визуални сигнали в какво да очаквате от покривния лист и формата на пурата.
Това има най-голямо значение точно когато бандеролът е компрометиран. Скъсан или липсващ бандерол все пак оставя цвят на покривния лист, видим стил на капачката и приблизителен размер, с които да се работи: три сигнала вместо нула. Напълно четим, но общо изписан бандерол все пак оставя визуалните доказателства, които да стеснят кратък списък, който текстът сам по себе си не е успял да затвори. Никой от тези сигнали не е решаващ сам по себе си. Комбинирани, те свеждат едно съвпадение от "невъзможно" до "правдоподобно" — а точно в това е цялата разлика между скенер, който тихо се проваля, и такъв, който ви доближава достатъчно, за да потвърдите с очите си. За общата картина на надеждността, включително къде дори разпознаването с множество сигнали все още греши, вижте колко точно е разпознаването на пури с ИИ.
Означава ли това, че текстът на бандерола е безполезен?
Не. Обикновено той е най-бързият и най-специфичен наличен сигнал и си струва да бъде прочетен пръв. Проблемът е да се третира като единствения сигнал и да няма какво смислено да се каже в момента, в който се влоши. Бандерол, който се разчита чисто и съдържа отличителна дума, специфична за марката, почти винаги е верен. Проблемният сценарий е точно обратната страна на това: лоши условия при снимане или четимо, но общо изписано име. Всяка система, която няма план за тази комбинация, ще се проваля в предсказуем, повтарящ се дял от реалните опити: не рядко изключение, а обикновена вечер в четвъртък, с все още наполовина сложен целофан.
Може ли това да се провери самостоятелно?
Да, неформално. Вземете бандерол, който вече можете да разпознаете с очи, и опитайте да го снимате по три начина: директно на добра светлина, под остър ъгъл и през целофан с отражение от светкавицата в кадъра. Пуснете всяка снимка през скенера, който тествате. Инструмент, разчитащ само на бандерола, вероятно ще познае първата снимка перфектно, но ще пропусне другите две напълно, без частичен отговор и в двата случая, защото няма резервен слой. Система, която разчита повече от бандерола, би трябвало да се доближи разумно и при по-трудните две, дори да не улучи точната линия, защото покривният лист и формата никъде не са изчезнали.
| Условие | OCR само на бандерол | Съпоставяне на цялата пура |
|---|---|---|
| Чист бандерол, отличително име | Надеждно | Надеждно |
| Чист бандерол, изцяло общо изписване | Не успява да стесни кръга | Покривен лист/форма/размер стесняват кръга |
| Скъсан, избледнял или под ъгъл бандерол | Пълен провал | Стеснява се до кратък списък |
| Напълно премахнат бандерол | Никакъв входящ сигнал | Покривен лист, капачка и размер все още използваеми |
Накратко
- Скенерите, разчитащи само на бандерола, имат точно един източник на информация, а той често е компрометиран от обичайно боравене, отблясъци от опаковката, завъртане или умишлено премахване.
- Значителна част от реалните каталожни записи (измерена на 13.3% в производствените данни на Paradigm) носят имена на модели, съставени изцяло от общи думи, което осуетява текстовото съпоставяне дори при напълно четим бандерол.
- Система, която отчита цвета на покривния лист, формата на капачката и размерите заедно с текста от бандерола, разполага с останали сигнали, когато самият бандерол не стига.
- Никой подход за разпознаване не е непогрешим; практическият въпрос е какво прави дадена система в момента, в който най-добрият ѝ сигнал е компрометиран.
- Можете сами да проверите устойчивостта на всеки скенер с три снимки на един бандерол: директно, под ъгъл и през целофан.