Wie genau ist KI-basierte Zigarrenerkennung, und warum liegen Foto-ID-Scanner so oft daneben?
Besser als früher, schlechter als das Marketing verspricht. Ein Foto-ID-Scanner ist im Grunde eine Abstimmung mehrerer unzuverlässiger Signale: Banderolentext, Farbe und Textur des Deckblatts, Kopfform und Maße. Jedes einzelne kann für sich in die Irre führen. Die Fehler sind nicht zufällig. Sie häufen sich bei beschädigten Banderolen, generischen Modellnamen und Zigarren, deren einziges Referenzfoto nicht zu dem passt, was Sie in der Hand halten.
Was schaut sich ein Scanner eigentlich an?
Richten Sie eine Kamera auf eine Zigarre, dann gibt es nicht ein Merkmal zu erkennen. Es sind vier Merkmale, die übereinanderliegen, und eine funktionierende Verarbeitungskette muss sie alle auslesen und dann entscheiden, wie viel Vertrauen jedem einzelnen gebührt.
Die Banderole trägt gedruckten oder geprägten Text – meist das lauteste Signal, sofern er lesbar ist. Das Deckblatt hat eine Farbe und eine Oberflächentextur, die die Farbfamilie einengen: Ein Connecticut-Shade-Blatt sieht völlig anders aus als ein dunkles, öliges Maduro, aber viele Schattierungen liegen so dicht beieinander, dass allein das Licht eine Einordnung kippen lassen kann. Kopf und Gesamtsilhouette engen die Vitola ein: Ein geradwandiger Parejo liest sich anders als ein sich verjüngender Figurado. Und die Maße, Ringmaß und Länge, schränken die Kandidaten innerhalb jener Linie weiter ein, auf die die anderen Signale schon gedeutet haben.
Keines dieser vier Signale ist zuverlässig genug, um allein zu laufen. Ein System, das funktioniert, führt sie gemeinsam aus und lässt jedes die anderen korrigieren. Wenn Leute sagen, ein Scanner habe „falsch erkannt“, ist meist folgendes passiert: Ein Signal war stark, selbstsicher und falsch – und nichts anderes hat es abgefangen.
Der Abgleich mit einem echten Katalog ist außerdem ein anderes Problem als das Klassifizieren eines Fotos für sich. Der eigene Katalog von Paradigm umfasst 11.519 Zigarren, und jedes dieser vier Signale muss letztlich gegen echte Einträge geprüft werden – nicht bloß als „ein Maduro Robusto“ erkannt werden, was das Feld einengt, ohne etwas zu identifizieren.
Warum versagt Banderolentext so häufig?
Banderolentext sieht nach dem einfachen Teil aus. Meist ist er es nicht. Eine Banderole liegt um einen Zylinder, die Kamera fotografiert den Text also gekrümmt, und Texterkennung, die überwiegend auf flachen Seiten trainiert wurde, schneidet bei gekrümmtem Text schlechter ab, als die meisten erwarten. Folienbanderolen erzeugen Reflexe, die je nach Lichteinfall ganze Buchstaben verschlucken. Banderolen, die Zeit in einer Tasche oder einem Reiseetui verbracht haben, sind knittrig, verkratzt oder teilweise abgelöst – und ein teilweise verdecktes Wort kann als ein völlig anderes gelesen werden als das, was tatsächlich darauf gedruckt steht.
Dann gibt es ein Problem, das nichts mit Bildqualität zu tun hat: Eine ganze Reihe von Zigarren hat einfach keine unterscheidbaren Namen zu lesen. Der auf die Banderole allein gestützte Identifikationsansatz scheitert auf recht vorhersehbare Weise, und einer der größten Gründe ist, dass manche Produkte mit so generischen Wörtern benannt sind, dass selbst eine perfekte Textextraktion nicht verrät, welche konkrete Zigarre Sie in der Hand halten.
Was bedeutet das 13,3-%-Problem generischer Namen konkret?
In einem Katalog mit 11.519 Zigarren bestehen die Modellnamen von 13,3 % der Einträge ausschließlich aus generischen Wörtern – Begriffen, die eine Kategorie beschreiben statt ein Produkt zu identifizieren. Ein Scanner, der jedes Zeichen auf dieser Banderole mit vollkommener Genauigkeit liest, hätte dennoch nichts Unterscheidbares zum Abgleichen, weil die Wörter selbst nicht stärker zu einer Zigarre gehören als zu jeder anderen.
Deshalb kann Banderolentext selbst bei einem perfekten Foto nicht das ganze System sein. Textabgleich braucht etwas zum Abgleichen – und rund jede achte Zigarre in einem echten Katalog liefert das nicht.
Warum können Deckblattfarbe und Form den Rest nicht tragen?
Deckblatt und Form wirken nachsichtiger, weil keines von beiden auf lesbaren Druck angewiesen ist. In der Praxis sind sie nur auf andere Weise schwierig.
Die Einordnung der Farbschattierung driftet mit der Luftfeuchtigkeit. Öle treten über die Zeit an die Oberfläche eines Deckblatts und verändern, wie das Licht reflektiert wird; ein Blatt, das unter warmem Innenlicht fotografiert wird – niedriger auf der Skala der Farbtemperatur als Tageslicht – liest sich um mehrere Schattierungen dunkler als dasselbe Blatt im Freien. Die Formklassifikation stößt auf die schiere Anzahl an Vitola-Familien, die aus einem einzigen Winkel nahezu identisch aussehen. Es sind Dutzende benannter Formen und Größen im Umlauf, und mehrere Paare davon unterscheiden sich vor allem in einem Verjüngungswinkel oder einer Kopfform, die eine Handykamera je nach Abstand und Bildausschnitt uneinheitlich erfasst.
Nichts davon ist ein Grund, das Signal aufzugeben. Es ist ein Grund, zu erwarten, dass es echte, zielgerichtete Entwicklungsarbeit braucht statt eines breiten Rundumschlags. Der eigene Kopfform-Klassifikator von Paradigm verbesserte sich bei Live-Scans in der Produktion von 78,6 % auf 91,9 % Genauigkeit, nachdem eine Korrektur um zwei konkret gemessene Merkmale herum gebaut wurde statt eines vollständigen Modellwechsels – ein Hinweis darauf, dass Formerkennung eher auf enge, sorgfältige Korrekturen anspringt als auf ein größeres, allgemeineres Modell. Was Deckblatt und Form ehrlich über eine Zigarre verraten, noch bevor Sie sie anzünden, ist eine verwandte, aber eigene Frage, die eine eigene Antwort verdient.
Wie sollte ich eine Genauigkeitsangabe einer Zigarren-App lesen?
Die meisten veröffentlichten Genauigkeitswerte beschreiben einen Testdatensatz: eine ausgewählte Sammlung sauberer, gut belichteter Referenzfotos, ausgesucht, weil sie sich gut fotografieren lassen. Diese Zahl sagt fast nichts darüber, was passiert, wenn Sie in ungleichmäßigem Licht stehen und die Banderole zur Hälfte abgewetzt ist.
Die nützlichere Zahl ist eine, die an Live-Scans aus der Produktion gemessen wurde – echte Fotos, aufgenommen von echten Menschen unter echten Bedingungen, kein Benchmark, der zum Gutaussehen zusammengestellt wurde. Solche Belege sind seltener, denn dafür muss man tatsächlich etwas ausliefern und anschließend messen, was passiert, statt einmal ein Laborergebnis zu melden und weiterzuziehen.
| Frage, die Sie stellen sollten | Warum sie zählt |
|---|---|
| An einem Testdatensatz gemessen oder an Live-Scans? | Ein Testdatensatz ist mit großem Abstand sauberer als die Realität |
| Ein Signal oder mehrere kombiniert? | Ein Ein-Signal-System erbt genau die Fehlerarten dieses Signals |
| Wird gesagt, wie mit beschädigten oder von Folienreflexen gestörten Banderolen umgegangen wird? | Wenn Banderolentext die ganze Kette ist, bricht es genau hier |
| Ist die Zahl datiert oder eine Einmalbehauptung? | Modelle und Kataloge ändern sich; die Zahl vom Vorjahr gilt heute vielleicht nicht mehr |
Wenn eine App die ersten beiden Fragen nicht beantworten kann, behandeln Sie jede Schlagzeilen-Prozentzahl als Marketing und nicht als Messung.
Die Kurzfassung
- Ein Scanner liest vier eigenständige Signale – Banderolentext, Deckblattfarbe, Kopfform und Maße – und keines davon ist allein zuverlässig.
- Gekrümmte Folie, Reflexe, Knicke und Abnutzung sind der Grund, warum Banderolentext häufiger versagt, als Leute erwarten.
- Etwa jede achte Zigarre (13,3 %) in einem echten Katalog hat einen Namen, der für Textabgleich zu generisch ist – unabhängig von der Fotoqualität.
- Form- und Farberkennung verbessern sich durch zielgerichtete, gemessene Korrekturen: Eine Korrektur mit zwei Merkmalen brachte einen Live-Klassifikator von 78,6 % auf 91,9 %.
- Bevor Sie einer Genauigkeitsangabe glauben, fragen Sie, ob sie aus Live-Scans oder aus einem sauberen Testdatensatz stammt.