什么是光学字符识别 (Optical Character Recognition)?

10/02/2021

什么是OCR光学字符识别?

光学字符识别(OCR,Optical Character Recognition)是将文本图像转换为可机器读取的文本格式的过程。例如,如果您扫描一个表格或收据,计算机会将扫描保存为图像文件。您无法使用文本编辑器来编辑、搜索或计算图像文件中的文字。然而,您可以使用OCR将图像转换为文本文档,并将其内容存储为文本数据,再进行复制、编辑等操作。OCR也经常被称为文字识别。

20世纪90年代,越来越多的业务负责人开始使用光学字符识别(有时被称为文本识别)将物理文档转换为数字文件。自那时起,OCR技术的质量一直在提升,但同时,人们也越来越希望在更广泛的需求范围内使用OCR技术。近年,在AI发展的推动下,OCR的精确度和速度继续得到提高,用途范围也随之扩大。


OCR的工作原理

OCR系统的特点是集硬件和软件于一体。OCR系统旨在扫描物理文档的文本,并将文档中的字符转换为代码,然后再将代码用于数据处理。想象一下邮政和邮件分拣服务,OCR是目的地址和返回地址快速处理功能的核心,可以提高邮件分拣的速度和效率。OCR系统通过三个步骤实现功能:

1.图像预处理

第一步,硬件(通常是光学扫描仪)将文件的物理形式处理成图像,例如信封的图像。这一步骤旨在保证机器重现准确无误的文本,消除任何不必要的错误。生成图像被转换成黑白版本,然后分析亮区域(背景)和暗区域(字符)。如果需要,OCR系统还可以将图像分类为单独元素,如表格、文本或嵌入图像。


2.智能字符识别

AI通过分析图像的黑暗区域来识别字母和数字。通常,AI会使用以下其中一种方法中来一次锁定一个字符、单词或文本块:

  • 模式识别:团队利用多种多样的各类文本、文本格式和笔迹来训练AI算法。AI算法将在信封图像上扫描到的字符与已学习过的字符进行比较,以识别匹配字符。
  • 特征提取:为了识别新的字符,AI算法应用有关特定字符特征的规则。特征可以包括字符角度、交叉或水平线和曲线的数量。例如,“H”有两条垂直线,中间有一条横线;机器将通过这些特征标识符来识别信封上所有的“H”。

在机器识别出字符后,再将字符转换成可用于进一步操作的ASCII码。


3.后处理

第三步,AI纠正结果文件中的错误。一种方法是根据文档中的特定词汇来训练AI(例如,金融专业术语等)。控制AI,确保输出的内容没有超出词典的范围,来保证文档质量。


OCR的应用

OCR应用于多个方面;OCR对任何物理文件管理业务大有裨益。以下是一些突出的用例:


文字处理

OCR最早和最常见的用途之一是文字处理。用户可以扫描打印的文档,并将其转换为可编辑和可搜索的版本。AI有助于确保以尽可能高的准确性转换这些文件。


法律文件

OCR可以将贷款文件等重要签署法律文件放入电子数据库,以方便日后参考。多方可以轻松查看和共享文档。


零售

零售商使用序列号来表示他们的产品。在零售店或仓库中,机器人可以扫描产品条形码,使用OCR从条形码中提取序列号,并使用序列号信息跟踪库存。


历史文档保护

OCR可以将历史文档转换为可搜索的PDF文件。这对旧报纸、杂志、信件和其他历史记录的存档大有裨益。


银行业

如今,您可以用智能手机拍一张您想存的支票正面和背面照片。AI驱动的OCR技术可以自动检查支票,以确认支票有效性,并确认支票与您想存入的金额是否相符。

如果没有AI的推动,如今的OCR技术不会如此先进。AI与OCR相结合,降低了出错率,大幅度提高了文档转换的精确度,并为文档提供额外更多分析。为了减少行政和成本费用,更多公司在寻求更加有效的文件管理方法。公司寻求更有效文件管理方法的主要驱动力是减少行政和成本费用。


OCR和AI:企业福音

发明OCR之前,只能通过人工方式将物理文本转换为数字文本:必须手工重新输入各文档,这是一项很耗时且容易出错的任务。如今,OCR技术大大提高了文本的转换速度,并保证了原始内容转换的准确度。一旦OCR将硬拷贝纸质文件转换成数字格式,浏览者我们就可以编辑其内容、格式化修改格式和搜索文档。浏览者还可以通过电子邮件轻松发送文档,将文档上传到网站,以及以压缩形式存储文档。当然,OCR还减少了对物理存储空间的需求,为严重依赖文档的企业(如抵押贷款经纪人或法律公司)节省了成本。

随着团队将OCR、AI以及ML三种技术相结合,团队能够使用机器更准确地转换文本,并在转换过程中检查可能出现的错误。同时,AI对笔迹的解读准确度更高,有望实现更多类型文档的数字化。由于每个人的笔迹不尽相同,因此识别笔迹仍是人工智能面临的挑战,但随着笔迹训练数据的增多,机器的识别能力也在增强。

以AI驱动的OCR为例,假设OCR工具正在将打印发票转换为数字副本。让我们假设扫描仪识别出发票总额为500美元,而实际上是5,000美元。在AI出现之前,OCR工具无法发现这个错误,需要依靠人工检查来纠正。然而,借助AI工具,算法可以检查整篇文档,计算出所提供服务的总额应是5,000美元,并在无需人工监督的情况下修正错误。

这种文档理解功能力有助于企业分析大量文档,并且无需人工操作。减少繁琐的行政工作对于最大限度地提高员工敬业度和降低人员流动率至关重要。研究人员预计,随着这些工具光学符号识别的效率和成本效益的提高,人们对AI驱动的OCR的需求会持续存在。


澳鹏光学字符识别专家Kirsten Gokay的见解

澳鹏依靠自己的专家团队帮助您利用OCR光学符号识别技术建立尖端模型。Kirsten Gokay是澳鹏的高级产品经理,致力于确保澳鹏客户成功实施使用OCR的模型。

Kirsten对使用OCR的三大见解包括:

  1. 为模型提供使用正确数据,确保模型映射到反馈您希望在现实世界中看到的数据类型。例如,如果您正在训练一个自动转录收据的模型,你的训练数据应该包括所有你想要转录的值:例如,名字,金额,时间,等。模型的收据自动转录功能,那么数据应由包含您正在寻找的值的收据组成。您的数据也应该是全面的,包括不同角度的图像、不同类型的图像质量等等,如果这个模型要应用于用户生成的内容,就更应如此,以保证模型的可用性。
  2. 正确的标注工具至关重要!因为训练数据需要是全面的,所以使用的数据标注工具必须能够处理所有类型文档。
  3. 人机协同方法是标注成功的关键。为确保模型的准确性,最好不要只依赖于AI。通过人工干预标注过程,您可以在训练前发现错误标注并将其纠正。

澳鹏提供的服务

澳鹏提供成品数据集,包括简体中文等多语言的文本OCR数据集,包含标记好的不同光线和角度的图片,可以联系我们进行咨询。另一方面,我们还有自主研发的数据标注平台,通过内置的人工智能模型,可以进行人工协同的高效标注作业,帮助您定制需要的训练数据集。点击了解关于我们的标注平台其他计算机视觉解决方案

澳鹏提供计算机视觉AI所需的全生命流程数据服务,包括数据采集、数据标注、数据集以及模型测试,为您部署更好的计算机视觉AI进行数据支持。