OCR PDF’deki Sözcükleri, Adları veya Sayıları Neden Atlar?

Görüntü kalitesi OCR’nin ne görebileceğini belirler

Düşük çözünürlüklü karakterler daha az ayırt edici ayrıntı içerir. Bulanıklık çizgileri birleştirir, gölgeler kenarları gizler ve düşük karşıtlık harfleri sayfayla kaynaştırır. Eğik veya perspektifi bozulmuş fotoğraf, tanıyıcının beklediği şekilleri de değiştirir.

Mümkünse sayfayı dengeli ışıkta yeniden çekin, kamerayı kâğıda paralel tutun, kenarları kesmeden kadrajı doldurun ve PDF oluşturmadan önce önemli en küçük metnin okunabildiğinden emin olun.

Adlar ve sayılar ek inceleme gerektirir

OCR benzer şekiller arasında seçim yapmak için dil örüntülerini kullanır. Sıradan sözcükler bağlam sağlar; adlar, referans kodları, tarihler ve hesap numaraları çoğunlukla sağlamaz. Sıfır O harfine, bir küçük l harfine benzeyebilir; noktalama gürültülü arka plan yanında kaybolabilir.

Bu değerleri taramayla karakter karakter karşılaştırın. Resmî adı, finansal tutarı, ilaç dozunu veya güvenlik açısından önemli sayıyı doğrulamak için yalnızca aramaya güvenmeyin.

Yerleşim, doğru tanınmış sözcüklerin sırasını bozabilir

Sütunlar, tablolar, yan kutular, damgalar ve döndürülmüş etiketler birden çok olası okuma sırası oluşturur. OCR sözcükleri doğru tanıyıp yanlış sıraya koyabilir. Tablolar satır ve sütun ilişkilerini kaybedebilir; sayfa üstbilgileri ana metnin içinde görünebilir.

Yalnızca ilk sayfayı kontrol etmek yerine belgedeki her yerleşim türünden örnek bölümleri inceleyin.

Dil ve el yazısı sınırları

PDFKaka’nın mevcut OCR’si basılı İngilizce için tasarlanmıştır. El yazısı ve diğer diller güvenilir akışlar olarak desteklenmez. Süslemeli harfler, eğri metin ve yoğun biçimlendirilmiş yazı tipleri de sıradan basılı metinden çok görüntü gibi davranabilir.

OCR’yi tekrarlamadan önce kaynağı iyileştirin

1. Sayfaları düzgün yöne döndürün ve mümkünse bulanık çekimleri değiştirin.
2. İnce karakter çizgilerini silmeden ışığı ve karşıtlığı iyileştirin.
3. Kalitesi karışık belgeyi bölün ve önce örnek sayfayı deneyin.
4. İyileştirilen kaynak üzerinde OCR’yi yeniden çalıştırın.
5. Yaygın sözcükleri arayın; sonra adları, sayıları ve yapılandırılmış içeriği elle doğrulayın.

Tanıma ve seçim sorunlarını ayırın

Sözcük görüntüsü net ama seçilen metin 100 yerine 1O0 diyorsa tanıma yanlıştır. Kopyalanan metin doğru ama seçim vurgusu kaymışsa metin geometrisi incelenmelidir. Üçünü tek başarılı kontrol gibi görmek yerine aramayı, kopyalanan karakterleri ve hizayı ayrı ayrı deneyin.

Yeniden kullanmadan önce bu sonucu kontrol edin

• Kısa kimlikleri karakter karakter karşılaştırın.
• Aynı bulanık pikselleri tekrar tekrar işlemek yerine okunamayan sayfayı yeniden çekin.
• Daha büyük alt kümeyi işlemeden önce her yerleşimden örnek sayfayı deneyin.