@qhago/ai

Beta experimental (npm i @qhago/ai@beta onnxruntime-web): aún no supera el gate G5 (falta medir la latencia en Android de gama media y validar con códigos 2D reales) — ver MODEL_CARD.md. En fotos públicas reales sube la tasa de lectura de 80,9 % a 87,0 % (1 lectura falsa en 818 fotos).

Detector de códigos opcional para @qhago/scanner. Cuando el motor clásico no lee nada durante unos frames, una red pequeña (CenterNet-lite, 0,22 M parámetros, 0,24 GMAC, 320×320) localiza los códigos y sus 4 esquinas; el motor rectifica cada región en su resolución original y la vuelve a leer.

import { createScanner } from "@qhago/scanner";
import { aiDetector, aiWorker } from "@qhago/ai";

const scanner = createScanner({
  workerFactory: aiWorker,        // worker con el motor + el detector (ONNX Runtime Web)
  plugins: [aiDetector()],        // "fallback" por defecto
});
await scanner.start();

También funciona con decode(image, { workerFactory: aiWorker, plugins: [aiDetector()] }).

Versiones compatibles

@qhago/ai declara @qhago/scanner como peer con el rango >=0.1.0-beta.0 <2.0.0 || >=1.0.0-0 <2.0.0. Admite las betas y RC actuales, 1.0.0-beta/1.0.0-rc y toda la 1.x. Con @qhago/[email protected], npm rechaza (ERESOLVE) @qhago/[email protected]: actualiza a 0.1.0-beta.1 o posterior.

Opciones

| Opción | Default | | |---|---|---| | when | "fallback" | "always" corre el detector en cada frame | | minConfidence | 0.4 | umbral del heatmap | | maxObjects | 5 | regiones por frame | | backend | "wasm" | "webgpu" / "auto" usan el modelo FP16 y el runtime WebGPU | | modelUrl | modelo del paquete | self-hosting / CDN | | wasmPaths | el de onnxruntime-web | carpeta de los .wasm de ORT | | intervalMs | 300 | mínimo entre inferencias en vídeo (la red cuesta ~40 ms en WASM, escritorio) | | cache | true | guarda el modelo en Cache API |

Peso

| Recurso | Tamaño | |---|---| | detector.int8.onnx (WASM) | ~0,33 MB | | detector.fp16.onnx (WebGPU) | ~0,45 MB | | runtime ORT WASM | ~3,7 MB gzip | | runtime ORT WebGPU | ~6,7 MB gzip |

Solo se descargan si usas el plugin. Sin @qhago/ai, @qhago/scanner no cambia de tamaño.

Bundlers

• Vite: worker: { format: "es" } y optimizeDeps: { exclude: ["@qhago/scanner", "@qhago/ai", "onnxruntime-web"] } (ver apps/examples/ai-vite).
• webpack 5: los new URL(…, import.meta.url) (worker, modelo, .wasm) se resuelven como assets sin configuración (ver apps/examples/ai-webpack; solo experiments.topLevelAwait por el ejemplo).

onnxruntime-web es peer dependency (^1.22): instálalo junto a este paquete.

Datos, métricas y limitaciones del modelo: MODEL_CARD.md.