圖像化二維條碼之實體輸出及深度學習辨識研究

智慧型手機的發展，讓行動載具的使用興起，能夠在實體文件上進行資料連接的 QR code 也成為了現今最普遍使用之二維條碼。然而由黑點與白點資訊點模組(module)所組成的 QR code 影響視覺美觀，因此有許多學者進行美化 QR code 之相關研究。雖然美化方面研究多，卻沒有被大量實際採用，其原因就在於QR code 在列印輸出時，會因為網點擴張等印刷條件之影響，導致條碼資訊容易失真，影響圖像化 QR code 的解碼辨識。因此本研究提出圖像化二維條碼實體輸出及深度學習辨識方法。藉由資訊植入以及深度學習辨識提升辨識能力，有效增進美化 QR code 的辨識率。研究結果顯示，本研究所發展的方法能相容於現行的列印輸出設備，並透過手機的 QR code reader 進行讀取，在植入資訊強度後，輸出之圖像化 QR code 仍有較佳視覺品質，降低錯誤發生率，並藉由深度學習辨識提升辨識能力，有效增進美化 QR code 的成功讀取率。讓 QR code 除了進行美化改變其外觀，圖像化 QR code 也能在實體印刷上穩定解碼，更能夠運用於商業加值應用上。