Varför misslyckas cigarrigenkänningsappar så ofta när bandet är skadat eller saknas?
Det beror på att de flesta av dem bara läser bandet och inget annat. Band blir slitna, vänds bort från kameran, viras in i cellofan eller dras av helt. Och även ett band som fotograferas perfekt bär ofta ett namn byggt av ord som är alldeles för generiska för att identifiera något: en verklig, uppmätt andel av vilken katalog som helst, inte något undantagsfall.
Vad gör en bandbaserad skanner egentligen?
Den körer textigenkänning (optisk teckenigenkänning, OCR) på en liten papperring och behandlar vad som kommer tillbaka som hela svaret. Rikta kameran, mjukvaran läser de tryckta bokstäverna, och söker sedan efter den textsträngen i en databas. Det är hela processen. Det görs inget försök att läsa omslagets färg, toppens form, längden eller ringmåttet, eller något annat som ligger helt synligt på resten av cigarren. Om bandtexten kommer tillbaka tydlig ser appen kompetent ut. Om den inte gör det finns inget annat i processen att falla tillbaka på.
Avslöjandet är hur dessa appar beter sig när ett band finns men ligger lite snett i vinkel, eller när trycket har blekts av hantering. De försämras inte gradvis; de misslyckas helt, eftersom den enda signalen de hade just försvann. Ett system med fler än en indata kan förlora en och fortfarande göra en rimlig gissning. Ett system med exakt en indata har ingenstans att ta vägen när den indatan är dålig.
Varför försvinner eller blir bandet så ofta oläsligt?
Ett band är en liten pappersremsa virad runt en cylinder, och normal hantering arbetar ständigt emot det:
- Cellofanglans. Butiksförpackningar reflekterar kamerablixten rakt tillbaka in i linsen och bleker just de bokstäver som OCR behöver.
- Rotation. Ett band fotograferat från fel vinkel runt cigarrens omkrets döljer större delen av sin egen text bakom kurvan.
- Slitage. En cigarr som bärs i en ficka, ett reseetui, eller bara hanteras mycket, får nagg som suddar ut folietryck och tunn bläckfärg först.
- Medveten borttagning. Många rökare tar av bandet innan de tänder, vilket innebär att fotot som tas under rökningen (ofta precis det tillfälle då någon faktiskt vill identifiera en cigarr som någon räckt över) inte har något band kvar att skanna.
- Delvisa band. Vissa vitolas levereras med ett sekundärt band eller ett fotband som bara bär ett fragment av det fullständiga namnet, inte hela.
Inget av detta är ovanligt. Det är det normala tillståndet en cigarr befinner sig i under den tid den faktiskt rökes, vilket är exakt det ögonblick då någon är mest benägen att ta fram sin telefon.
Varför räcker inte ett "perfekt" bandfoto på egen hand?
Eftersom orden som är tryckta på det kanske inte är särskiljande. En betydande andel av vilken verklig cigarrkatalog som helst bär modellnamn helt uppbyggda av generiska beskrivande ord (termer som "reserve," "especial," "maduro," "selection," "anniversary") utan ett enda unikt varumärkesspecifikt ord någonstans i namnet. Paradigms egna produktionsdiagnostik sätter denna siffra till 13,3 % av katalogposterna: namn byggda enbart av ord så generiska att textmatchning ensam inte kan smalna av urvalet, eftersom exakt samma ord förekommer i dussintals orelaterade linjer från olika tillverkare.
Ge en textmatchningsmotor en textsträng som bara är generiskt vokabulär, och den har inget särskiljande ankare att söka mot. Det är inget fotokvalitetsfel. OCR:n gjorde sitt jobb och läste varje bokstav korrekt, och sökningen kan fortfarande inte smalna av till en cigarr, eftersom själva texten aldrig var unik från början. En skannerarkitektur helt byggd kring bandtext har inget sätt att komma förbi detta. Det finns ingen andra signal som kan bryta oavgjort.
Vad skulle faktiskt behöva hända för att en skanner ska klara ett dåligt band?
Den skulle behöva behandla bandet som en indata bland flera, inte hela systemet. Ett synsätt som ser hela cigarren läser omslagets nyans och struktur, toppens form och hur den är skuren, samt de fysiska måtten (längd och ringmått) tillsammans med vilken bandtext som finns tillgänglig, och väger allt detta samman. Läs mer om vad dessa visuella ledtrådar avslöjar på egen hand i vad du kan förvänta dig av en cigarrs omslag och form.
Det spelar störst roll just när bandet är skadat. Ett trasigt eller saknat band lämnar fortfarande en omslagsfärg, en synlig toppstil och en ungefärlig storlek att arbeta med: tre signaler istället för noll. Ett band med generisk text men fullt läsbart lämnar fortfarande den visuella bevisningen för att smalna av en kortlista som text ensam inte kunde stänga. Ingen av dessa signaler är avgörande på egen hand. Tillsammans minskar de en matchning från "omöjlig" till "trolig," vilket är hela skillnaden mellan en skanner som tyst misslyckas och en som tar dig nära nog för att bekräfta med ögat. För den övergripande tillförlitlighetsbilden, inklusive var även flersignalsigenkänning fortfarande gör fel, se hur exakt är AI-cigarrigenkänning.
Betyder detta att bandtext är värdelös?
Nej. Det är oftast den snabbaste, mest specifika signalen som finns tillgänglig, och värd att läsa först. Problemet är att behandla den som den enda signalen, och att inte kunna säga något användbart i det ögonblick den försämras. Ett band som läses tydligt och innehåller ett särskiljande varumärkesord är näst intill alltid rätt. Felläget är specifikt det som händer på andra sidan av det: dåliga fotoförhållanden, eller ett läsbart men generiskt namn. Vilket system som helst som inte har någon plan för den kombinationen kommer att misslyckas på en förutsägbar, återkommande andel av verkliga försök: inte ett sällsynt undantagsfall, utan en helt vanlig tisdagskväll med en cigarr där cellofanen fortfarande sitter kvar till hälften.
Är detta något du kan testa själv?
Ja, informellt. Ta ett band du redan kan identifiera med blotta ögat och försök fotografera det på tre sätt: rakt framifrån i bra ljus, i en skarp vinkel, och genom cellofan med en blixtreflektion i bild. Kör vardera genom vilken skanner du än utvärderar. Ett rent bandbaserat verktyg kommer troligen att klara det första helt utan problem men missa de andra två fullständigt, utan något delsvar i något av fallen, eftersom det inte har något reservlager. Ett system som läser mer än bandet bör fortfarande hamna någonstans nära i de två svårare fallen, även om det inte träffar exakt rätt linje, eftersom omslaget och formen inte har försvunnit någonstans.
| Tillstånd | Enbart bandbaserad OCR | Matchning av hela cigarren |
|---|---|---|
| Tydligt band, särskiljande namn | Tillförlitlig | Tillförlitlig |
| Tydligt band, helt generisk text | Kan inte smalna av | Omslag/form/storlek smalnar av urvalet |
| Trasigt, blekt eller vinklat band | Misslyckas helt | Reduceras till en kortlista |
| Bandet helt borttaget | Ingen indata alls | Omslag, topp och storlek fortfarande användbara |
Den korta versionen
- Rent bandbaserade skannrar har exakt en indata, och den indatan försämras ofta av normal hantering, förpackningsglans, rotation eller medveten borttagning.
- En betydande andel av verkliga katalogposter (uppmätt till 13,3 % i Paradigms produktionsdata) bär modellnamn byggda helt av generiska ord, vilket omintetgör textmatchning även på ett perfekt läsbart band.
- Ett system som läser omslagsfärg, toppform och mått tillsammans med bandtext har signaler kvar när bandet ensam inte räcker.
- Ingen igenkänningsmetod är felfri; den praktiska frågan är vad ett system gör i det ögonblick dess bästa signal är komprometterad.
- Du kan stresstesta vilken skanner som helst själv med tre foton av ett band: rakt framifrån, i vinkel, och genom cellofan.