Kaip veikia OCR nuskenuotuose dokumentuose?
OCR paverčia nuskenuotą puslapį iš paprasto vaizdo į dokumentą, kuriame galima ieškoti žodžių; platformoje tai galioja tik rumunų kalbos dokumentams.
Trumpas atsakymas
- OCR reiškia optinį simbolių atpažinimą: teksto vaizdas tampa tekstu, kurį galima ieškoti.
- Nuskaitymas sukuria tik vaizdą; be OCR jo turinio paieška neveikia.
- OCR paleidžiamas įkeliant dokumentą ir prideda teksto sluoksnį virš vaizdo, tačiau galioja tik rumunų kalbos dokumentams.
- Po apdorojimo galite ieškoti bet ko, kas dokumente parašyta: pavadinimo, registracijos numerio, datos ar sumos.
Ką sako teisės aktai (trumpai)
- Teisės aktai dėl elektroninio saugojimo reikalauja, kad dokumentas išliktų įskaitomas ir nepakeistas: OCR prideda paiešką, bet nepakeičia originalo.
- Dokumentų ir archyvų įstatymas: gavėjas turi galėti greitai rasti dokumentą, todėl inventorius lieka reikalingas net ir su OCR.
- BDAR (GDPR) 5 straipsnio 1 dalies e punktas: OCR tekstas turi tuos pačius asmens duomenis ir patenka į tuos pačius saugojimo terminus.
- Nuskenuoti buhalteriniai dokumentai lieka pagal buhalterinės apskaitos teisės aktų terminus.
Praktiniai pavyzdžiai
- Ieškote „priėmimo akto sandėlis 2" ir gaunate keturis rezultatus iš 3 500 nuskenuotų puslapių.
- Įmonės kodas, įrašytas gautos korespondencijos tekste, tampa ieškomas, nors failo pavadinime jo nėra.
- Dokumentų partija iš 200 puslapių per dieną: rankinis indeksavimas užimtų apie dvi valandas, o rumunų kalbos dokumentams OCR tai atlieka įkeliant.
- Asmens byla, nuskaityta retrospektyviai, tampa ieškoma pagal darbuotojo vardą, kai tekstas yra teksto sluoksnyje arba patikrintas rankiniu būdu.
Dažnos klaidos
- Skenuojama 150 dpi ar mažesne skyra, ir atpažinimo tikslumas akivaizdžiai krenta; praktinė riba — 300 dpi.
- Puslapiai iškreipti arba fotografuoti telefonu be ištiesinimo.
- Ieškoma be diakritinių ženklų, nors atpažintas tekstas juos turi.
- Manoma, kad OCR atpažįsta kiekvieną žodį: ranka rašytuose dokumentuose rezultatas lieka dalinis, o lietuviškiems skenuotiems dokumentams OCR neveikia.
- Atsisakoma inventoriaus pagrindžiant, kad „vis tiek ieškoma per visą tekstą".
Kaip jums padeda 4docs
- OCR įkeliant, įskaitant masinius senojo archyvo importus (rumunų kalbos dokumentams).
- Paieška viso dokumento turinyje, ne tik failo pavadinime.
- Filtravimas kartu pagal metus, dokumento rūšį, skyrių ir saugojimo terminą.
- Rastas fragmentas paryškinamas tiesiai dokumento peržiūroje.