Nitkellmu dwar softwer għar-rikonoxximent tat-test OCR
Aħna kumpanija tal-istampar kbira fil Shenzhen Ċina. Noffru l-pubblikazzjonijiet kollha tal-kotba, l-istampar tal-ktieb iebes, l-istampar tal-ktieb tal-karti, notebook tal-kisi iebes, l-istampar tal-ktieb spial, l-istampar tal-ktieb tas-sarġ, l-istampar tal-ktejjeb, il-kaxxa tal-ippakkjar, kalendarji, kull tip ta 'PVC, fuljetti tal-prodott, noti, Ktieb tat-Tfal, stikers, kollha tipi ta ’prodotti speċjali għall-istampar bil-kulur tal-karta, kartun tal-kaċċa u l-bqija.
Għal aktar informazzjoni jekk jogħġbok żur
http://www.joyful-printing.com. ENG biss
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
Il-kompitu tas-softwer għar-rikonoxximent tal-karattri Ċiniż huwa li jistudja kif il-kompjuter isir "litterat". Is-sistema normalment tuża apparat ta 'konverżjoni fotoelettrika biex tikkonverti karattru Ċiniż jew kaxxa tal-kliem f'sinjal elettriku, u tibgħatha lil kompjuter, li huwa awtomatikament rikonoxxut u jinqara minn kompjuter, u għalhekk jissejjaħ ottiku. Rikonoxximent ta 'Karattri ottiċi (OCR).
Profil tal-iżvilupp tal-OCR
Il-kunċett ta 'OCR ġie propost l-ewwel minn xjenzat Ġermaniż Tausheck fl-1929. Aktar tard, ix-xjentist Amerikan Handel ippropona wkoll l-idea li tintuża t-teknoloġija biex tidentifika kliem. L-ewwel riċerka dwar ir-rikonoxximent ta ’karattri Ċiniżi stampati kienet Casey u Nagy ta’ IBM. Fl-1966, huma ppubblikaw l-ewwel artiklu dwar ir-rikonoxximent tal-karattri Ċiniżi, li uża t-tqabbil tal-mudelli biex jidentifika 1000 karattru Ċiniż stampat. Fil-bidu tas-snin sebgħin, l-istudjużi Ġappuniżi bdew jistudjaw ir-rikonoxximent tal-karattri Ċiniżi u għamlu ħafna xogħol. Ir-riċerka dwar ir-rikonoxximent tal-karattri Ċiniżi fiċ-Ċina bdiet relattivament tard, u x-xogħol ta ’riċerka ta’ l-OCR beda fl-aħħar tas-snin sebgħin. Is-softwer tal-OCR bikri naqas milli jissodisfa r-rekwiżiti attwali minħabba diversi fatturi bħar-rata ta 'rikonoxximent u l-prodottizzazzjoni. Fl-istess ħin, minħabba l-ispiża għolja tat-tagħmir tal-hardware u l-veloċità tat-tħaddim bil-mod, ma laħaqx livell prattiku. Xi dipartimenti biss, bħal dipartimenti tal-informazzjoni, unitajiet tal-istampa u tal-pubblikazzjoni, jużaw is-softwer tal-OCR. Wara l-1986, ir-riċerka tal-OCR taċ-Ċina għamlet progress kbir, u għamlet innovazzjonijiet fil-modellar tal-karattri Ċiniżi u l-metodi ta 'rikonoxximent. Huwa kiseb riżultati li jagħtu l-frott fl-applikazzjonijiet tas-sistema għall-iżvilupp u l-iżvilupp. Bosta unitajiet suċċessivament nedew prodotti ta ’l-OCR Ċiniż. Wara d-disgħinijiet, bl-applikazzjoni wiesgħa ta ’skanners tal-pjattaforma u l-popolarizzazzjoni ta’ l-awtomazzjoni ta ’l-informazzjoni u l-awtomazzjoni ta’ l-uffiċċju fiċ-Ċina, l-iżvilupp ulterjuri tat-teknoloġija OCR ġie promoss bil-kbir, u r-rata ta ’rikonoxximent ta’ l-OCR ġiet rikonoxxuta, u l-veloċità tar-rikonoxximent issodisfat. utenti. Talba.
Fil-preżent, hemm ħafna softwer OCR popolari. L-OCR Ingliż jinkludi l-aktar OmniPage, OCR Ċiniż, prinċipalment Tsinghua Unisplendour OCR, Tsinghua Wentong OCR, Hanwang OCR, Zhongjing Shangshu OCR, Danqing OCR, and Mengyu OCR. Minkejja l-ammont kbir ta 'karattri Ċiniżi u fonts kumplessi, it-teknoloġija tal-OCR immaturat. Bosta softwer OCR mhux biss jista 'jagħraf karattri Ċiniżi stampati bl-iswed u l-abjad, iżda wkoll jirrikonoxxi karattri Ċiniżi fuq skala griża u stampata bil-kulur. Il-veloċità tar-rikonoxximent hija veloċi u r-rata tal-preċiżjoni tar-rikonoxximent hija iktar minn 99%. Jista 'jirrikonoxxi diversi fonts bħal Song, Bold, u Scorpion. Tradizzjonali; jista 'jagħraf varjetà ta' fonts, taħlit ta 'daqsijiet differenti; xi softwer OCR jista ’jidentifika wkoll stampi, tabelli. Fl-istess ħin, sar progress kbir fl-istudju tar-rikonoxximent tal-karattri Ċiniż bl-idejn, u r-rata ta 'rikonoxximent korretta laħqet iktar minn 70%.
Applikazzjoni ta 'softwer OCR
Fis-suq tal-iskanners, ħafna tipi ta 'skaners tal-uffiċċju u tad-dar huma mgħammra b'softwer tal-OCR. Pereżempju, l-iskaner vjola huwa mgħammar b 'OCR vjola, l-iskaner tal-kristall huwa mgħammar b' Shangshu OCR, u l-iskaner Mustek huwa mgħammar b’Danqing OCR. L-iskaner u s-softwer OCR jaqsmu l-proċess kollu mill-input tad-dokument sal-għarfien tat-test.
L-iskannjar tad-dokumenti ħafna drabi jintuża fil-qasam tal-uffiċċju. Dokumenti relatati ma 'pubblikazzjonijiet f'gazzetti, rivisti, eċċ. Jiġu skanjati minn skaner, u mbagħad l-identifikazzjoni ta' l-OCR titwettaq, jew tinħażen bħala fajl ta 'l-istampi, għar-rikonoxximent ta' l-OCR aktar tard, u fajls ta 'l-istampi jiġu konvertiti f'test. Fajl jew fajl Word għall-ħażna.
Barra minn hekk, il-ħażna u t-trasmissjoni ta 'informazzjoni diġitali mhijiex biss ta' spiża baxxa, ta 'effiċjenza għolja, iżda wkoll adattabbli għall-ħtiġijiet mhux żviluppati tat-tipa u t-trasmissjoni tan-netwerk. Fil-preżent, hemm ħafna teżori tal-karti bħal kotba, gazzetti, rivisti u l-bqija jitħallew fiċ-Ċina, u huwa urġenti li dawn jiġu konvertiti f'informazzjoni elettronika. Pereżempju, l-istabbiliment ta 'librerija elettronika jeħtieġ li l-kotba jiġu skannjati paġna b'paġni, u l-identifikazzjoni tas-softwer OCR jieħu post it-tajping manwali ta' kliem, li jqassar ħafna l-ħin tad-dħul, inaqqas l-intensità tax-xogħol, jiffranka l-ħaddiema u jnaqqas l-ispejjeż. Ittejjeb il-preċiżjoni tad-dħul, l-effiċjenza tax-xogħol u l-awtomazzjoni moderna ta ’l-uffiċċju.
Fil-preżent, il-kombinazzjoni ta 'softwer u skanners tal-OCR ġiet applikata għal ħafna oqsma tal-era tal-informazzjoni, bħal libreriji diġitali, identifikazzjoni ta' rapporti varji, u identifikazzjoni tal-istandards bankarji u tas-sistema tat-taxxa. Bl-iżvilupp u l-popolarizzazzjoni tan-netwerk u l-informazzjoni, l-ambitu tal-applikazzjoni tiegħu se jsir aktar u aktar estensiv.
Kompożizzjoni tas-sistema OCR
Il-funzjoni tas-softwer OCR għar-rikonoxximent tal-karattri OCR huwa li tirrikonoxxi grafiċi jew stampi varji ta 'kull karattru Ċiniż irreġistrat f'karattri Ċiniżi, stampi jew kitba bil-kompjuter, u li timmarka l-kodiċi tal-kategorija tal-karattri Ċiniżi. Għalhekk, ir-rikonoxximent tal-karattri Ċiniż fl-aħħar mill-aħħar huwa problema tar-rikonoxximent tal-immaġni. Minħabba l-ammont kbir ta 'karattri Ċiniżi, fonti, fonts u strutturi kumplessi differenti, il-proċess ta' għarfien tal-karattri Ċiniż huwa kkumplikat ħafna. Dijagramma skematika tal-fluss tax-xogħol tas-softwer OCR, kif muri fit-tabella li ġejja:
Data tad-dokument → skan input → ipproċessar ta 'immaġni → tqassim ta' tqassim → rikonoxximent ta 'test → editjar ta' test → ħażna ta 'dokument
Minħabba l-popolarità u l-applikazzjoni wiesgħa tal-iskanners, is-softwer OCR jeħtieġ biss li jipprovdi interface mal-iskaner u juża s-softwer tas-sewwieq tal-iskaner. Għalhekk, is-softwer OCR huwa magħmul prinċipalment minn modulu ta 'pproċessar ta' l-immaġini, modulu ta 'diviżjoni tal-format, modulu ta' għarfien tat-test, u modulu ta 'editjar tat-test.
1. Modulu tal-ipproċessar tal-immaġni
Il-modulu tal-ipproċessar tal-immaġni prinċipalment għandu funzjonijiet bħall-iskannjar tad-dokumenti, l-iskaljar tal-immaġni u r-rotazzjoni tal-immaġni. Wara d-dħul mill-iskaner, id-dokument jifforma fajl tal-immaġini, u l-modulu tal-ipproċessar tal-immaġni jista 'jkabbar l-immaġni biex ineħħi tebgħat u grif. Jekk l-istampa ma tkunx imdawra sew, l-istampa tista 'tiddawwar manwalment jew awtomatikament, sabiex toħloq kundizzjonijiet aħjar għar-rikonoxximent tat-test. Ir-rata ta 'rikonoxximent hija ogħla.
2. Modulu tad-diviżjoni tal-format
Il-modulu diviżjoni tal-format jinkludi prinċipalment diviżjoni tal-format u diviżjoni tal-bidla, jiġifieri, fehim tal-format, segmentazzjoni tal-kliem, normalizzazzjoni, eċċ., U t-tqassim awtomatiku jew manwali jistgħu jiġu magħżula. L-iskop huwa li s-softwer OCR jiġi mgħarraf biex jissepara l-artikoli, it-tabelli, eċċ. Fl-istess format, sabiex ikunu jistgħu jiġu pproċessati separatament u f'liema ordni.
3. Modulu ta 'għarfien tat-test
Il-modulu tar-rikonoxximent tat-test huwa l-parti ewlenija tas-softwer OCR, dijagramma ta 'proċess ta' rikonoxximent ta 'test sempliċi, kif muri hawn taħt. Il-modulu tar-rikonoxximent tat-test iwettaq prinċipalment "qari" fuq l-input karattri Ċiniżi, iżda ma jistax ikun multi-line u jrid jinqata 'b'linja. Għall-karattri Ċiniżi, normalment huwa rikonoxxut minn kelma waħda u kelma waħda, jiġifieri, rikonoxximent ta 'kelma waħda, u mbagħad normalizzat. Il-modulu ta 'rikonoxximent ta' testi jiġbed il-karatteristiċi ta 'karattri Ċiniżi ta' kampjun differenti, jikkompleta r-rikonoxximent, isib awtomatikament kliem suspettużi, u għandu funzjonijiet bħal qabel u wara l-assoċjazzjoni.
Scan input oriġinali → qtugħ tal-linja → qtugħ ta 'kliem → naturalizzazzjoni → estrazzjoni ta' karatteristika ta 'rikonoxximent → rikonoxximent ta' kelma ┐ ┐
→- → Estrazzjoni ta 'karatteristiċi ta' qabel il-klassifikazzjoni → Librerija tal-karatteristiċi (dizzjunarju) → Manuskritt tal-ħruġ
4. Modulu ta 'editjar tat-test
Il-modulu tal-editjar tat-test jimmodifika u jeditja l-aktar it-test rikonoxxut mill-OCR. Jekk is-sistema tirrikonoxxi li hija ħażina, it-test jintwera b'tipa ħamra jew blu skur, u tipprovdi test simili għall-għażla, u tagħżel l-editur għall-ħruġ.
Kif tuża softwer OCR
Għalkemm hemm ħafna tipi ta 'softwer OCR, l-użu tagħhom huwa simili. L-ewwel pass huwa li tiskannja d-dokument u mbagħad twettaq rikonoxximent tal-OCR. L-użu ta 'softwer OCR huwa kif ġej:
1. Skannjar tad-dokument
Sabiex tuża softwer OCR għar-rikonoxximent tat-test, id-dokumenti jistgħu jiġu skanjati direttament fis-softwer OCR. Wara t-tħaddim tas-softwer OCR, jidher l-interface tas-softwer OCR.
Poġġi d-dokument li għandu jiġi skannjat fuq in-naħa tal-ħġieġ tal-iskaner sabiex in-naħa li għandha tiġi skanjata tiffaċċja n-naħa tal-ħġieġ tal-iskaner bit-tarf ta 'fuq tad-dokument tħares' l isfel, allinjat mat-tarf tal-ħakkiem, u allura l-iskaner huwa kopert biex jippreparaw għall-iskannjar. Ikklikkja l-buttuna "Scan" fit-tieqa biex tidħol fis-softwer tas-sewwieq tal-iskannjar għall-iskannjar. Il-metodu ta ’skennjar mhux se jkun deskritt hawnhekk. Madankollu, ta 'min jinnota li r-riżoluzzjoni tista' tiġi ffissata għal 200 ~ 400 dpi. Għal dokumenti ta 'test, huwa kritiku li tiġi aġġustata l-luminożità.
2. Rikonoxximent tal-OCR
Biex tħaffef l-operazzjoni, agħżel għażliet mill-menu u diversi ikoni jidhru fuq ix-xellug tat-tieqa.
Għal użu aħjar, l-ewwel introduċi l-ikona fuq ix-xellug ta ’l-iskrin minn fuq għal isfel:
Għodda "Zoom in": biex tkabbar l-immaġni; għodda "zoom out": għat-tnaqqis tal-immaġni; għodda "issettjar taż-żona ta 'rikonoxximent": għall-issettjar taż-żona ta' rikonoxximent; għodda "issettjar tal-ordni ta 'rikonoxximent": għall-issettjar tal-ordni ta' rikonoxximent; Ħassar Żona ta 'Rikonoxximent: tħassar iż-żona ta' rikonoxximent; Għodda "Imħassar l-Istampa tal-Immaġini": biex titħassar żona fl-immaġini; Għodda "Iddawwar l-Immaġni": biex iddawwar l-immaġni 90 °, 180 ° jew 270 °; Għodda għall-Korrezzjoni tal-Mejjel: Għal korrezzjoni manwali tal-immaġni.
Passi ġenerali għall-identifikazzjoni tal-OCR:
(1) Wara li d-dokument jiġi skannjat, it-test li għandu jiġi rikonoxxut li jidher fit-tieqa huwa żgħir ħafna. L-ewwel, agħżel l-għodda “Zoom in” biex tkabbar sew l-istampa biex tagħmel l-istampa aktar ċara. Jekk meħtieġ, tista 'wkoll tagħżel l-għodda ta' "zoom out" biex tnaqqas id-daqs tal-iskrin b'mod xieraq.
(2) Jekk l-iskrin jeħtieġ li jiddawwar b '90 °, 180 ° jew 270 °, uża l-għodda Rotate Image biex iddawwar l-istampa. Jekk l-iskrin tat-test ikun inklinat, agħżel l-għodda tal-Korrezzjoni tal-Mejjel biex taġġusta l-iskrin.
(3) Agħżel l-għodda "Issettja l-Għarfien tar-Rikonoxximent" matul ir-rikonoxximent, u tfassal il-parti li trid tiġi rikonoxxuta fuq l-iskrin tal-karattri. F'dan il-każ, bosta żoni jistgħu jiġu fformulati skond il-kondizzjoni ta 'l-iskrin. Jekk l-erja gwarniċ mhix korretta, tista 'tuża l-għodda ta' Żona ta 'Identifikazzjoni ta' Ħassar biex tħassar iż-żona rikonoxxuta magħżula.
(4) Sabiex tittejjeb ir-rata ta 'rikonoxximent, jekk iż-żona ta' rikonoxximent magħżula għandha storbju jew immaġni li ma tistax tiġi rikonoxxuta, l-għodda "Ħassar l-Istampa ta 'l-Immaġini" tista' tintgħażel biex tħassar il-ħoss ftit ftit. Jekk ikollok bżonn tħassar biċċiet, tista 'tagħżel l-għodda Wipe Image Block.
(5) Ikklikkja l-ikona “Jirrikonoxxi”, imbagħad il-wiri tal-OCR qed iwettaq segmentazzjoni tat-test, imbagħad ittrasferixxi għall-iskrin “Rikonoxximent”, u t-test rikonoxxut se jintwera pass pass, u mbagħad trasferit għat-tieqa “Proofreading tad-Dokument” murija.
Bosta softwer OCR għandu funzjoni ta 'modifika tat-test li tirrikonoxxi test li jista' jkun żbaljat, jintwera f'kulur ċar, u jista 'jiġi modifikat.
(6) Aħżen il-fajl rikonoxxut bħala fajl ta 'test (TXT) jew fajl Word RTF.