Как работи OCR при сканирани документи?
OCR превръща сканираната страница от обикновено изображение в документ, в който можете да търсите думи; в платформата това важи само за румънски документи.
Кратък отговор
- OCR е оптично разпознаване на символи: текстът от изображение става текст, по който може да се търси.
- Сканирането създава само изображение; без разпознаване съдържанието му не се намира чрез търсене.
- Разпознаването е налично за румънски документи; за български сканирания е нужен текстов слой или ръчна проверка на метаданните.
- След обработка можете да търсите всичко, което присъства в документа: имена, номера, дати или суми.
Какво казва законодателството (накратко)
- Законът за Националния архивен фонд изисква документите да се намират; разпознаването добавя търсене, но не заменя оригиналния документ.
- Регламент (ЕС) 2016/679 (GDPR), чл. 5, параграф 1, буква д): текстът, извлечен чрез разпознаване, съдържа същите лични данни и се пази при същите срокове.
- Счетоводните документи, които са сканирани, остават при сроковете на Закона за счетоводството.
Практически примери
- Търсите „протокол за приемане хала 2" и получавате четири резултата от 3500 сканирани страници.
- Номер, написан в текста на получено писмо, става търсещ, макар да го няма в името на файла — при документ, за който разпознаването е налично.
- При 200 сканирани страници на ден ръчното индексиране би отнело около два часа писане; при разпознаване това се извършва при качването.
- Досие на служител от 2014 г., сканирано задним числом, става търсещо по името на служителя в същия ден — при условие че документът има текстов слой или е проверен ръчно.
Чести грешки
- Сканирането е на 150 dpi или по-ниско и точността пада забележимо; 300 dpi е практическият праг.
- Страниците са криви или са снимани с телефон, без автоматично изправяне.
- Търсенето се прави без диакритика там, където текстът я съдържа.
- Предполага се, че разпознаването хваща всяка дума: при ръкописни документи резултатът остава частичен.
- Инвентарът се пропуска с довода, че „така или иначе се търси по текст".
Как ви помага 4docs
- Автоматично разпознаване при качване за румънски документи; за български — текстов слой или ръчна проверка.
- Търсене по пълен текст в съдържанието на документите, не само в името на файла.
- Комбинирано филтриране по година, вид документ, отдел и срок за съхранение.
- Намереният фрагмент се открояват директно в прегледа на страницата.