AI Powered C# OCR Βιβλιοθήκη για εφαρμογές .NET

Όταν οι άνθρωποι συνήθως σκέφτονται το OCR (αναγνώριση οπτικού χαρακτήρα), η πρώτη συσχέτιση είναι συχνά με έναν σαρωτή ως την κύρια συσκευή σύλληψης. Αυτή η συσχέτιση έχει ιστορικούς λόγους και εξακολουθεί να επικρατεί σε πολλά πλαίσια, παρέχοντας σταθερό και ελεγχόμενο περιβάλλον για τη λήψη τυπωμένου κειμένου από φυσικά έγγραφα με απαράμιλλη ποιότητα. Ωστόσο, ένας σαρωτής είναι εξειδικευμένος εξοπλισμός που δεν είναι πάντα διαθέσιμος και απαιτεί ένα σταθερό σταθμό εργασίας για να λειτουργεί. Ευτυχώς, ο σύγχρονος κόσμος παρέχει μια βολική εναλλακτική λύση στους παραδοσιακούς σαρωτές - μια κάμερα smartphone. Οι εξελίξεις στην τεχνολογία της κάμερας smartphone εξασφαλίζουν ότι ακόμη και ένα smartphone εισόδου σε επίπεδο εισόδου παρέχει επαρκή ποιότητα για να καταγράψει έγγραφα που είναι έτοιμα για OCR. Και η ενσωματωμένη μνήμη καθιστά ευκολότερη από ποτέ να ψηφιοποιήσει μεγάλες ποσότητες εγγράφων, εφημερίδων, βιβλίων, πινακίδων δρόμου και άλλων κειμένων εν κινήσει. Το μόνο που χρειάζεστε είναι η σωστή τεχνολογία για να μετατρέψετε αυτές τις φωτογραφίες σε κείμενο αναγνώσιμο από μηχανές.

Η βιβλιοθήκη C# OCR έχει σχεδιαστεί ειδικά για να αναγνωρίζει όλους τους τύπους εικόνων εκτός του κουτιού και μπορεί να ρυθμιστεί περαιτέρω για να χειριστεί ακόμη και τις φωτογραφίες χαμηλής ποιότητας. Σε συνδυασμό με ένα σύγχρονο smartphone, σας επιτρέπει να δημιουργείτε ισχυρές εφαρμογές OCR για τις περισσότερες καθημερινές εργασίες σάρωσης και αναγνώρισης κειμένου. Η πιο προηγμένη επεξεργασία εικόνας και ανάλυση δομής εγγράφων εκτελείται σε μερικές γραμμές κώδικα, επιτρέποντάς σας να εστιάσετε στην επιχείρηση και όχι σε πολύπλοκους μαθηματικούς αλγόριθμους, νευρωνικά δίκτυα και άλλες τεχνικές περιπλοκές.

// Configure preprocessing filters
PreprocessingFilter filters = new PreprocessingFilter {
  PreprocessingFilter.ContrastCorrectionFilter(),
  PreprocessingFilter.AutoDewarping()
};

// Add a photo for recognition
OcrInput photos = new OcrInput(InputType.SingleImage, filters);
photos.Add("photo.png");

// Fine-tune recognition setings
RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.Eng;
settings.DetectAreasMode = DetectAreasMode.CURVED_TEXT;

// Extract text from a page
AsposeOcr api = new AsposeOcr();
List<RecognitionResult> results = api.Recognize(photos, settings);

// Automatically correct spelling (English)
string text = results[0].GetSpellCheckCorrectedText(SpellCheckLanguage.Eng);
// Display recognized text
Console.WriteLine(text);

Το PDF είναι μία από τις πιο δημοφιλείς μορφές για έγγραφα χαρτιού σάρωσης, ειδικά λόγω της ικανότητάς του να συνδυάζει πολλαπλές σελίδες σε ένα μόνο αρχείο. Αυτή η μορφή χρησιμοποιείται ευρέως για την ανταλλαγή συμβάσεων, τιμολογίων, νομικών εγγράφων, διαβατηρίων και ταυτότητας και πολλά άλλα έγγραφα μεταξύ ατόμων, επιχειρήσεων, τραπεζών και κυβερνητικών υπηρεσιών. Ωστόσο, κάθε σαρωμένο PDF είναι ουσιαστικά μια συλλογή εικόνων. Δεν περιέχει κείμενο αναγνώσιμο από μηχανή, έτσι ώστε οι χρήστες δεν μπορούν να αναζητήσουν, να αντιγράψουν ή να χειριστούν με άλλο τρόπο το περιεχόμενο του εγγράφου.

aspose .NET OCR σας προσφέρει έναν γρήγορο, εύκολο και εξαιρετικά αξιόπιστο τρόπο μετατροπής οποιουδήποτε σαρωμένου PDF σε ένα έγγραφο που μπορεί να αναζητήσει πλήρως και να δελεαστεί. Αναγνωρίζει με ακρίβεια το περιεχόμενο της σελίδας, μετατρέποντάς το σε ένα στρώμα κειμένου με αναγνώσιμο από την αρχική εικόνα, η οποία μπορεί να επιλεγεί, να αντιγραφεί, να διαβάσει με λογισμικό κειμένου σε ομιλία και ακόμη και αυτόματα επεξεργασία από μεταφραστές, summarizers και άλλα εργαλεία ανάλυσης AI.

// Load the scanned PDF
OcrInput pdf = new OcrInput(InputType.PDF);
pdf.Add("Delivery-Agreement.pdf");

// Recognize the text from document
AsposeOcr api = new AsposeOcr();
List<RecognitionResult> result = api.Recognize(pdf);

// Save searchable PDF
AsposeOcr.SaveMultipageDocument("Readable-Contract.pdf", SaveFormat.Pdf, result);
// Report progress
Console.WriteLine($@"Recognition finished. See '{Directory.GetCurrentDirectory()}\Readable-Contract.pdf'.");

Τα ψηφιακά αρχεία, ειδικά σε μεγάλους οργανισμούς, συχνά αποτελούνται από μια τεράστια συλλογή σαρώσεων και φωτογραφιών, πολλές από τις οποίες ενδέχεται να περιέχουν έγγραφα πολλαπλών σελίδων. Η αποτελεσματική διαχείριση και οργάνωση τέτοιων αρχείων είναι απαραίτητη για την εύκολη ανάκτηση πληροφοριών και την πλοήγηση. Ωστόσο, οι εικόνες δεν περιέχουν κείμενο αναγνώσιμο από μηχανές, καθιστώντας αδύνατη την αναζήτηση και την ανάλυση του περιεχομένου του εγγράφου.

Η βιβλιοθήκη C# OCR σας επιτρέπει να αναζητήσετε εύκολα κείμενο σε εικόνες, ανεξάρτητα από τη γραμματοσειρά, το μέγεθος του κειμένου, το στυλ και άλλες παραμέτρους. Η βιβλιοθήκη υποστηρίζει επίσης τις αναζητήσεις και τις τακτικές εκφράσεις που δεν είναι ευαίσθητες στις περιπτώσεις, οι οποίες είναι εξαιρετικά χρήσιμες σε διάφορες εφαρμογές και βιομηχανίες. Αυτή η λειτουργικότητα μπορεί να χρησιμοποιηθεί για την κατηγοριοποίηση των εγγράφων με βάση το περιεχόμενο, τις λέξεις -κλειδιά ή τα πρότυπα που βρίσκονται στο κείμενο. αναζητώντας συγκεκριμένους όρους ή ρήτρες εντός συμφωνιών και συμβάσεων · αναδιοργάνωση αρχείων με βάση λέξεις -κλειδιά ή περιεχόμενο που βρέθηκαν μέσα σε αυτά. Εντοπίστε και προσδιορίστε τα προσωπικά δεδομένα εντός εγγράφων, διευκολύνοντας την πιο αποτελεσματική την αποτελεσματική συμμόρφωση του GDPR και τη διαχείριση ευαίσθητων πληροφοριών. Η αναζήτηση με εικόνες επιτρέπει επίσης τη δημιουργία αυτοματοποιημένων ροών εργασίας και τον εξορθολογισμό διαφόρων επιχειρηματικών διαδικασιών κατά τη λήψη υπογεγραμμένων συμβάσεων και τιμολογίων.

string sourceFolder = "images";
string searchFor = "OCR";

// Search for text in images
AsposeOcr api = new AsposeOcr();
foreach(var image in Directory.GetFiles(sourceFolder,"*.png"))
{
  bool found = api.ImageHasText(image, searchFor);
  if(found) Console.WriteLine($@"Found ""{searchFor}"" in image ""{image}""");
}

Τώρα μπορείτε να προχωρήσετε πέρα από την ακατέργαστη αναγνώριση και να εφαρμόσετε τη λογική που βασίζεται στο AI για να βελτιώσετε την ποιότητα των αποτελεσμάτων του OCR. Τα μεγάλα μοντέλα γλωσσών (LLMS) μπορούν να διορθώσουν έξυπνα ορθογραφικά σφάλματα, να επαναφέρουν τα όρια λέξεων, να εφαρμόσουν κανόνες γραμματικής και να προσαρμόσουν το κείμενο με βάση το πλαίσιο-κάτι που δεν μπορούν να κάνουν οι ορθογραφικοί έλεγχοι με βάση τη σύνταξη.

Αυτό το βήμα μετά την επεξεργασία είναι ιδανικό για σαρώσεις χαμηλής ποιότητας, φωτογραφίες με θόρυβο φόντου ή πολύγλωσσα έγγραφα. Μπορείτε να συνδέσετε οποιοδήποτε αγωγό LLM που υποστηρίζει την βασική είσοδο/έξοδο κειμένου ή να χρησιμοποιήσετε τα ενσωματωμένα εργαλεία διόρθωσης της ASPOST για να έχετε αποτελέσματα έτοιμα για παραγωγή.

// Optional logger for progress and error reporting (can be set to null)
ILogger logger = new ConsoleLogger();

// Configure AI model for postprocessing
AsposeAIModelConfig modelConfig = new AsposeAIModelConfig
{
    AllowAutoDownload = true,
    DirectoryModelPath = "D://Models", // Path to local or downloaded model files
};

// Initialize AI postprocessing engine
AsposeAI aiEngine = new AsposeAI(modelConfig, logger);

// Register a spell-checking processor
aiEngine.AddPostProcessor(new SpellCheckAIProcessor());

// Execute AI-based postprocessing on OCR results
aiEngine.RunPostprocessor(ocrResults);

// Output the refined recognition result
Console.WriteLine("Corrected OCR Output:\n");
Console.WriteLine(ocrResults[0].RecognitionText);

// Release resources
aiEngine.Dispose();