لماذا يفتقد OCR الكلمات أو الأسماء أو الأرقام في ملف PDF؟

تحدد جودة الصورة ما يمكن أن يراه التعرف الضوئي على الحروف (OCR).

تحتوي الأحرف منخفضة الدقة على تفاصيل مميزة أقل. يقوم Blur بربط الحدود معًا، وتخفي الظلال الحواف، كما أن التباين الضعيف يجعل الحروف تمتزج في الصفحة. تعمل الصورة المائلة أو المشوهة بالمنظور أيضًا على تغيير الأشكال التي تتوقعها أداة التعرف.

كلما كان ذلك ممكنًا، قم بإعادة التقاط الصفحة في ضوء متساوٍ، واحتفظ بالكاميرا موازية للورقة، واملأ الإطار دون قطع الهوامش، وتأكد من أن أصغر نص مهم قابل للقراءة قبل إنشاء ملف PDF.

الأسماء والأرقام تحتاج إلى مراجعة إضافية

يستخدم التعرف الضوئي على الحروف (OCR) أنماط اللغة للاختيار بين الأشكال المتشابهة. الكلمات العادية توفر السياق؛ الأسماء والرموز المرجعية والتواريخ وأرقام الحسابات في كثير من الأحيان لا تفعل ذلك. الصفر يمكن أن يشبه الحرف O، والواحد يمكن أن يشبه الحرف الصغير l، ويمكن أن تختفي علامات الترقيم بجانب الخلفيات المزعجة.

قارن هذه القيم حرفًا بحرف مع المسح. لا تعتمد على البحث وحده للتحقق من صحة الاسم القانوني أو المبلغ المالي أو جرعة الدواء أو رقم الأمان الحرج.

يمكن أن يؤدي التخطيط إلى خلط الكلمات الدقيقة

تقوم الأعمدة والجداول والأشرطة الجانبية والطوابع والتسميات التي تم تدويرها بإنشاء العديد من أوامر القراءة المحتملة. قد يتعرف التعرف الضوئي على الحروف (OCR) على الكلمات بشكل صحيح أثناء وضعها في تسلسل خاطئ. يمكن أن تفقد الجداول علاقات الصفوف والأعمدة، وقد تظهر رؤوس الصفحات داخل النص الرئيسي.

قم بمراجعة نماذج الفقرات من كل نوع تخطيط في المستند بدلاً من التحقق من الصفحة الأولى فقط.

حدود اللغة والكتابة اليدوية

إن تقنية التعرف الضوئي على الحروف (OCR) الحالية لـ PDFKaka مخصصة للغة الإنجليزية المطبوعة. الكتابة اليدوية واللغات الأخرى غير مدعومة كمسارات عمل موثوقة. قد تتصرف أيضًا الحروف المزخرفة والنص المنحني والخطوط ذات التصميم الكبير كصور أكثر من النص المطبوع العادي.

قم بتحسين المصدر قبل تكرار التعرف الضوئي على الحروف

1. قم بتدوير الصفحات في وضع مستقيم واستبدل اللقطات غير الواضحة حيثما أمكن ذلك.
2. قم بتحسين الإضاءة والتباين دون مسح حدود الأحرف الرفيعة.
3. قم بتقسيم مستند مختلط الجودة واختبر صفحة تمثيلية أولاً.
4. قم بتشغيل OCR مرة أخرى على المصدر المحسن.
5. ابحث عن الكلمات الشائعة، ثم تحقق يدويًا من الأسماء والأرقام والمحتوى المنظم.

ميّز بين مشاكل التعرف والاختيار

إذا كانت صورة الكلمة حادة ولكن النص المحدد يقول 1O0 بدلاً من 100، يكون التعرف خاطئًا. إذا كان النص المنسوخ صحيحًا ولكن تم إزاحة تمييز التحديد، فإن هندسة النص تحتاج إلى مراجعة. اختبر البحث والأحرف المنسوخة والمحاذاة بشكل منفصل بدلاً من التعامل مع الثلاثة كممر واحد.

تحقق من هذه النتيجة قبل إعادة استخدامها

• قارن المعرفات القصيرة حرفًا بحرف.
• قم باستعادة صفحة غير قابلة للقراءة بدلاً من معالجة نفس وحدات البكسل غير الواضحة بشكل متكرر.
• اختبر صفحة تمثيلية لكل تخطيط قبل معالجة مجموعة فرعية أكبر.