OCR/OCV tooted asendavad traditsioonilisi skannereid

Mis on optiline märgituvastus (OCR)?

Optilise märgituvastuse (OCR) tehnoloogia on tõhus äriprotsess, mis säästab aega, kulusid ja muid ressursse, kasutades automatiseeritud andmete ekstraheerimise ja salvestamise võimalusi.

Optilist märgituvastust (OCR) nimetatakse mõnikord ka tekstituvastuseks. OCR-programm ekstraheerib ja taaskasutab andmeid skannitud dokumentidest, kaamerapiltidest ja ainult piltidest koosnevatest PDF-failidest. OCR-tarkvara eraldab pildil tähed, paneb need sõnadesse ja seejärel paneb sõnad lausetesse, võimaldades seega juurdepääsu algsele sisule ja selle redigeerimist. See välistab ka käsitsi andmete sisestamise vajaduse.

OCR-süsteemid kasutavad füüsiliste, trükitud dokumentide masinloetavaks tekstiks teisendamiseks riist- ja tarkvara kombinatsiooni. Riistvara – näiteks optiline skanner või spetsiaalne trükkplaat – kopeerib või loeb teksti; seejärel tegeleb tarkvara tavaliselt täpsema töötlemisega.

OCR-tarkvara saab tehisintellekti (AI) abil rakendada täiustatud intelligentse märgituvastuse (ICR) meetodeid, näiteks keelte või käekirjastiilide tuvastamist. OCR-protsessi kasutatakse kõige sagedamini juriidiliste või ajalooliste dokumentide paberkandjal PDF-dokumentideks muutmiseks, et kasutajad saaksid dokumente redigeerida, vormindada ja otsida nii, nagu need oleksid loodud tekstitöötlusprogrammiga.

Kuidas optiline märgituvastus töötab?

Optiline märgituvastus (OCR) kasutab dokumendi füüsilise vormi töötlemiseks skannerit. Kui kõik lehed on kopeeritud, teisendab OCR-tarkvara dokumendi kahevärviliseks või mustvalgeks versiooniks. Skannitud pilti või bitikaarti analüüsitakse heledate ja tumedate alade suhtes ning tumedad alad tuvastatakse märkidena, mis tuleb tuvastada, samas kui heledad alad tuvastatakse taustana. Seejärel töödeldakse tumedaid alasid tähestikuliste tähtede või numbrite leidmiseks. See etapp hõlmab tavaliselt ühe märgi, sõna või tekstiploki sihtimist korraga. Seejärel tuvastatakse märgid ühe kahest algoritmist abil – mustrituvastuse või tunnuste tuvastamise abil.

Mustrituvastust kasutatakse siis, kui OCR-programmile antakse skannitud dokumendis või pildifailis märkide võrdlemiseks ja tuvastamiseks erinevates fontides ja vormingutes tekstinäiteid.

Tunnuste tuvastamine toimub siis, kui OCR rakendab skannitud dokumendis märkide tuvastamiseks reegleid konkreetse tähe või numbri tunnuste kohta. Tunnuste hulka kuulub tähemärgis olevate nurgajoonte, ristuvate joonte või kõverate arv. Näiteks suurtäht „A” salvestatakse kahe diagonaaljoonena, mis kohtuvad keskel asuva horisontaaljoonega. Kui märk tuvastatakse, teisendatakse see ASCII-koodiks (Ameerika teabevahetuse standardkood), mida arvutisüsteemid kasutavad edasiseks manipuleerimiseks.

OCR-programm analüüsib ka dokumendipildi struktuuri. See jagab lehe elementideks, näiteks tekstiplokkideks, tabeliteks või piltideks. Read jagatakse sõnadeks ja seejärel märkideks. Kui märgid on välja valitud, võrdleb programm neid mustripiltide komplektiga. Pärast kõigi tõenäoliste vastete töötlemist kuvab programm teile tuvastatud teksti.

OCR-i kasutatakse sageli varjatud tehnoloogiana, mis toetab paljusid meie igapäevaelus tuntud süsteeme ja teenuseid. Olulised – kuid vähemtuntud – OCR-tehnoloogia kasutusjuhud hõlmavad andmesisestuse automatiseerimist, pimedate ja nägemispuudega inimeste abistamist ning dokumentide indekseerimist otsingumootorite jaoks, näiteks passide, numbrimärkide, arvete, pangaväljavõtete, visiitkaartide ja automaatse numbrimärkide tuvastamise puhul.

 

Omadused võrreldes traditsiooniliste skanneritega:

1. Kerge, hõlpsasti kaasaskantav ja paigaldatav;

2. Skannimisaeg on lühike, tavaline skannimisaeg on 1-2S ja saate selle kohe kätte;

3. Madal hind

4. See suudab jäädvustatud piltidel OCR-tuvastuse teha, pildid Wordi redigeeritavateks dokumentideks teisendada ja need automaatselt vormindada;

5. Paberivaba faksitehnoloogia kasutamine võimaldab fakse saata ka siis, kui faksiaparaati pole, mis parandab oluliselt faksimise tõhusust.

 

Optilise märgituvastuse kasutusjuhud

Optilise märgituvastuse (OCR) tuntuim kasutusjuhtum on prinditud paberdokumentide teisendamine masinloetavateks tekstidokumentideks. Kui skannitud paberdokument on läbinud OCR-töötluse, saab dokumendi teksti redigeerida tekstitöötlusprogrammiga, näiteks Microsoft Wordi või Google Docsiga.

OCR võimaldab suurandmete modelleerimise optimeerimist, teisendades paber- ja skannitud pildidokumendid masinloetavateks ja otsitavateks PDF-failideks. Väärtusliku teabe töötlemist ja hankimist ei saa automatiseerida ilma esmalt OCR-i rakendamata dokumentides, kus tekstikihte veel pole.

OCR-tekstituvastuse abil saab skannitud dokumente integreerida suurandmesüsteemi, mis suudab nüüd lugeda kliendiandmeid pangaväljavõtetest, lepingutest ja muudest olulistest trükitud dokumentidest. Selle asemel, et töötajad uuriksid lugematul hulgal pildidokumente ja sisestaksid sisendid käsitsi automatiseeritud suurandmete töötlemise töövoogu, saavad organisatsioonid OCR-i abil automatiseerida andmekaevandamise sisendi etappi. OCR-tarkvara suudab tuvastada pildil oleva teksti, eraldada piltidelt teksti, salvestada tekstifaili ning toetab jpg, jpeg, png, bmp, tiff, pdf ja muid vorminguid.

Selle põhitõdede põhjal on Hampolavamaed kaameramoodulite seeria firmaltmis alates5MP–16MP määratluse. Hampo arendusetapi alguses tootis meie meeskond esimese tüüpi 5MP USB-kaamera mooduli kiire dokumendiskanneri jaoks;Koosnõudlusturg, 8MP, 13MP ja isegi 16MP USB-kaameramoodulid on olemastoodetud. Mis'Lisaks on nõudlus ühe kaamera järele kasvanud kahe kaamera järele ja dokumendiskanneritele rakendatakse ka mitme kaamera kasutamist.