Günümüzde kullanılan birçok ürünün kendileriyleilişkili benzersiz kodu veya kimliği vardır. Bu özel kimlik barkodolarak adlandırılır. Barkodlar çeşitli endüstriyel ortamlardaotomasyona olan yüksek talep nedeniyle son yıllarda kapsamlıaraştırmalara konu olmuştur. Birçok ticari uygulamadakullanılan ürün ile ilgili tüm detayların öğrenilebildiğibarkodların hızlı ve doğru okuması oldukça önemlidir. Buçalışmada 1B barkodların görüntüdeki bölgelerini tespit etmekamacıyla, Mask R-CNN algoritması kullanılmıştır. Mask R-CNNile görüntüdeki barkodlar tespit edilmiş, her barkodun sınırlayıcıkutu konumunun yanı sıra, sınırlayıcı kutudaki bu sınıfa karşılıkgelen piksel bilgileri de görselleştirilmiştir. Farklı ortamışıklarında ve farklı açılarla çekilmiş çeşitli ürünler üzerindekirenkli barkodlar toplanarak 1114 görüntüden oluşan yeni birveri seti hazırlanmıştır. Bu veri seti kullanılarak Mask R-CNN ilebaşlangıç çalışması olarak %74.41 doğruluk oranı elde edilmiştir.

Almost all products on the market today have aunique code or ID associated with them. This specialidentification is called a barcode. Barcodes have been the subjectof extensive research in recent years due to the high demand forautomation in various industrial environments. Fast andaccurate reading of barcodes, where all details about the productused in many commercial applications can be learned, is veryimportant. In this study, Mask R-CNN algorithm was used todetermine the regions of the 1B barcodes in the image. In theMask R-CNN, barcodes in the image have been detected, as wellas the bounding box position of each barcode, as well as the pixelinformation corresponding to this class in the bounding box.Colored barcodes on various products taken at different ambientlights and at different angles were collected and a data set of 1114images was prepared. Using this dataset, 74.41 % accuracy wasachieved with Mask R-CNN