OCR/OCV उत्पादने पारंपरिक स्कॅनरची जागा घेतील.

ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR) म्हणजे काय?

ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR) तंत्रज्ञान ही एक कार्यक्षम व्यावसायिक प्रक्रिया आहे, जी स्वयंचलित डेटा निष्कर्षण आणि साठवण क्षमतेचा वापर करून वेळ, खर्च आणि इतर संसाधनांची बचत करते.

ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR) ला कधीकधी टेक्स्ट रेकग्निशन असेही म्हटले जाते. एक OCR प्रोग्राम स्कॅन केलेल्या कागदपत्रांमधून, कॅमेऱ्यातील प्रतिमांमधून आणि केवळ प्रतिमा असलेल्या पीडीएफमधून डेटा काढतो आणि त्याचा पुनर्वापर करतो. OCR सॉफ्टवेअर प्रतिमेवरील अक्षरे वेगळी करते, त्यांना शब्दांमध्ये रूपांतरित करते आणि नंतर त्या शब्दांना वाक्यांमध्ये जोडते, ज्यामुळे मूळ मजकुरामध्ये प्रवेश करणे आणि त्याचे संपादन करणे शक्य होते. यामुळे हाताने डेटा प्रविष्ट करण्याची गरजही नाहीशी होते.

OCR प्रणाली प्रत्यक्ष, छापील दस्तऐवजांना मशीन-वाचनीय मजकुरात रूपांतरित करण्यासाठी हार्डवेअर आणि सॉफ्टवेअरच्या संयोजनाचा वापर करतात. ऑप्टिकल स्कॅनर किंवा विशेष सर्किट बोर्ड यांसारखे हार्डवेअर मजकुराची नक्कल करते किंवा तो वाचते; त्यानंतर, सॉफ्टवेअर सामान्यतः प्रगत प्रक्रिया हाताळते.

OCR सॉफ्टवेअर, भाषा किंवा हस्ताक्षराच्या शैली ओळखण्यासारख्या इंटेलिजेंट कॅरेक्टर रेकग्निशनच्या (ICR) अधिक प्रगत पद्धती लागू करण्यासाठी कृत्रिम बुद्धिमत्तेचा (AI) फायदा घेऊ शकते. OCR प्रक्रियेचा वापर सामान्यतः कायदेशीर किंवा ऐतिहासिक कागदपत्रांच्या हार्ड कॉपीला पीडीएफ दस्तऐवजांमध्ये रूपांतरित करण्यासाठी केला जातो, जेणेकरून वापरकर्ते वर्ड प्रोसेसरने तयार केल्याप्रमाणे त्या दस्तऐवजांना संपादित, स्वरूपित आणि शोधू शकतील.

ऑप्टिकल कॅरेक्टर रेकग्निशन कसे काम करते?

ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR) दस्तऐवजाच्या भौतिक स्वरूपावर प्रक्रिया करण्यासाठी स्कॅनरचा वापर करते. एकदा सर्व पाने कॉपी झाल्यावर, OCR सॉफ्टवेअर दस्तऐवजाला दोन-रंगी किंवा कृष्णधवल आवृत्तीमध्ये रूपांतरित करते. स्कॅन केलेल्या प्रतिमेचे किंवा बिटमॅपचे फिकट आणि गडद भागांसाठी विश्लेषण केले जाते, आणि गडद भागांना ओळखायचे असलेले अक्षर म्हणून ओळखले जाते, तर फिकट भागांना पार्श्वभूमी म्हणून ओळखले जाते. त्यानंतर गडद भागांवर प्रक्रिया करून त्यातून अक्षरे किंवा अंक शोधले जातात. या टप्प्यात सामान्यतः एका वेळी एक अक्षर, शब्द किंवा मजकुराच्या गटाला लक्ष्य केले जाते. त्यानंतर पॅटर्न रेकग्निशन किंवा फीचर रेकग्निशन या दोन अल्गोरिदमपैकी एकाचा वापर करून अक्षरे ओळखली जातात.

जेव्हा स्कॅन केलेल्या दस्तऐवज किंवा इमेज फाईलमधील अक्षरांची तुलना करण्यासाठी आणि त्यांना ओळखण्यासाठी OCR प्रोग्रामला विविध फॉन्ट आणि फॉरमॅटमधील मजकुराची उदाहरणे दिली जातात, तेव्हा पॅटर्न रेकग्निशनचा वापर केला जातो.

जेव्हा OCR स्कॅन केलेल्या दस्तऐवजातील अक्षरे ओळखण्यासाठी विशिष्ट अक्षर किंवा अंकांच्या वैशिष्ट्यांसंबंधीचे नियम लागू करते, तेव्हा वैशिष्ट्य ओळख (Feature detection) होते. वैशिष्ट्यांमध्ये अक्षरातील तिरकस रेषा, एकमेकांना छेदणाऱ्या रेषा किंवा वक्र रेषांच्या संख्येचा समावेश असतो. उदाहरणार्थ, कॅपिटल अक्षर “A” हे दोन तिरकस रेषांच्या रूपात साठवले जाते, ज्या मध्यभागी असलेल्या एका आडव्या रेषेला मिळतात. जेव्हा एखादे अक्षर ओळखले जाते, तेव्हा त्याचे ASCII कोडमध्ये (अमेरिकन स्टँडर्ड कोड फॉर इन्फॉर्मेशन इंटरचेंज) रूपांतर केले जाते, ज्याचा उपयोग संगणक प्रणाली पुढील प्रक्रिया हाताळण्यासाठी करतात.

OCR प्रोग्राम दस्तऐवजाच्या प्रतिमेच्या रचनेचे विश्लेषण देखील करतो. तो पानाला मजकुराचे गट, तक्ते किंवा प्रतिमा यांसारख्या घटकांमध्ये विभाजित करतो. ओळी शब्दांमध्ये आणि नंतर अक्षरांमध्ये विभागल्या जातात. एकदा अक्षरे वेगळी केली की, प्रोग्राम त्यांची तुलना नमुना प्रतिमांच्या संचाशी करतो. सर्व संभाव्य जुळणाऱ्या भागांवर प्रक्रिया केल्यानंतर, प्रोग्राम तुम्हाला ओळखलेला मजकूर सादर करतो.

OCR हे अनेकदा एक छुपे तंत्रज्ञान म्हणून वापरले जाते, जे आपल्या दैनंदिन जीवनातील अनेक सुप्रसिद्ध प्रणाली आणि सेवांना चालना देते. OCR तंत्रज्ञानाच्या महत्त्वाच्या — परंतु कमी ज्ञात असलेल्या — उपयोगांमध्ये डेटा-एंट्री ऑटोमेशन, अंध आणि दृष्टिबाधित व्यक्तींना मदत करणे आणि शोध इंजिनसाठी दस्तऐवजांची सूची तयार करणे यांचा समावेश होतो, जसे की पासपोर्ट, लायसन्स प्लेट्स, पावत्या, बँक स्टेटमेंट, बिझनेस कार्ड्स आणि स्वयंचलित नंबर प्लेट ओळख.

 

पारंपरिक स्कॅनरच्या तुलनेत वैशिष्ट्ये:

१. वजनाने हलके, वाहून नेण्यास व बसवण्यास सोपे;

२. स्कॅनिंगची वेळ कमी आहे, साधारणपणे १-२ सेकंद लागतात आणि तुम्हाला ते लगेच मिळू शकते;

३. कमी किंमत

४. ते कॅप्चर केलेल्या चित्रांवर OCR ओळख करू शकते, चित्रांना WORD संपादन करण्यायोग्य दस्तऐवजांमध्ये रूपांतरित करू शकते आणि त्यांना स्वयंचलितपणे टाइपसेट करू शकते;

५. कागदविरहित फॅक्स तंत्रज्ञानाचा समावेश केल्यामुळे, फॅक्स मशीन नसले तरीही तुम्ही फॅक्स पाठवू शकता, ज्यामुळे फॅक्सची कार्यक्षमता लक्षणीयरीत्या सुधारते;

 

ऑप्टिकल कॅरेक्टर रेकग्निशन वापराची उदाहरणे

ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR) चा सर्वात सुप्रसिद्ध उपयोग म्हणजे छापील कागदी दस्तऐवजांना मशीन-वाचनीय मजकूर दस्तऐवजांमध्ये रूपांतरित करणे. एकदा स्कॅन केलेल्या कागदी दस्तऐवजावर OCR प्रक्रिया झाली की, त्या दस्तऐवजातील मजकूर मायक्रोसॉफ्ट वर्ड किंवा गुगल डॉक्स सारख्या वर्ड प्रोसेसरद्वारे संपादित केला जाऊ शकतो.

OCR कागदी आणि स्कॅन केलेल्या प्रतिमा दस्तऐवजांना मशीन-वाचनीय, शोधण्यायोग्य पीडीएफ फाइल्समध्ये रूपांतरित करून बिग-डेटा मॉडेलिंगचे अनुकूलन (ऑप्टिमायझेशन) सक्षम करते. ज्या दस्तऐवजांमध्ये आधीपासून मजकुराचे स्तर (टेक्स्ट लेयर्स) नाहीत, त्यांमध्ये प्रथम OCR लागू केल्याशिवाय मौल्यवान माहितीवर प्रक्रिया करणे आणि ती मिळवणे स्वयंचलित (ऑटोमेटेड) केले जाऊ शकत नाही.

OCR मजकूर ओळख प्रणालीमुळे, स्कॅन केलेले दस्तऐवज एका बिग-डेटा प्रणालीमध्ये एकत्रित केले जाऊ शकतात, जी आता बँक स्टेटमेंट, करार आणि इतर महत्त्वाच्या छापील दस्तऐवजांमधून ग्राहकांचा डेटा वाचू शकते. कर्मचाऱ्यांकडून असंख्य प्रतिमा दस्तऐवज तपासून आणि स्वयंचलित बिग-डेटा प्रक्रिया कार्यप्रवाहात मॅन्युअली इनपुट भरण्याऐवजी, संस्था डेटा मायनिंगच्या इनपुट टप्प्यावरच ऑटोमेशनसाठी OCR चा वापर करू शकतात. OCR सॉफ्टवेअर प्रतिमेतील मजकूर ओळखू शकते, चित्रांमधून मजकूर काढू शकते, मजकूर फाईल सेव्ह करू शकते आणि jpg, jpeg, png, bmp, tiff, pdf व इतर फॉरमॅट्सना सपोर्ट करते.

या आधारावर, हॅम्पोनेlऑंचed कॅमेरा मॉड्यूलची एक मालिकाज्या पासून५ एमपी-१६ एमपी व्याख्येनुसार. हॅम्पोच्या विकासाच्या सुरुवातीच्या टप्प्यात, आमच्या टीमने हाय-स्पीड डॉक्युमेंट स्कॅनरसाठी पहिल्या प्रकारचा 5MP यूएसबी कॅमेरा मॉड्यूल तयार केला;सोबतमागणीबाजार, ८ मेगापिक्सेल, १३ मेगापिक्सेल आणि अगदी १६ मेगापिक्सेलचे यूएसबी कॅमेरा मॉड्यूल उपलब्ध आहेत.तयार केले. काय.'शिवाय, डॉक्युमेंट स्कॅनरमध्ये एक कॅमेरा, दोन कॅमेरे आणि मल्टी-कॅमेऱ्यांच्या वापराची मागणी वाढत आहे.