- المصدرصورة أو صفحة ممسوحة ضوئيًا
- الإعداداختر اللغة والمنطقة
- التعرفاستخرج الكلمات
- المراجعةقارن النص وصححه
OCR بالذكاء الاصطناعي يحول الكتابة المرئية إلى نص مشفر
تحتوي الصورة الفوتوغرافية أو الصفحة الممسوحة ضوئياً على بكسلات. قد تكون الأشكال الموجودة في تلك البكسلات قابلة للتمييز بالنسبة للشخص، لكنها ليست بعد أحرفاً يمكن لمحرر النصوص البحث عنها أو نسخها. يقوم التعرف الضوئي على الحروف بتقدير الأحرف والكلمات التي تحتوي عليها الصورة وينتج نصاً مشفراً. يشير OCR بالذكاء الاصطناعي إلى الأساليب التي تستخدم نماذج مكتسبة في عملية التعرف هذه أو في مهام تحليل المستندات ذات الصلة.
يمكن أن يكون الإدخال مسحاً ضوئياً، أو صورة فوتوغرافية بالكاميرا، أو لقطة شاشة، أو صورة داخل PDF. لا يحدد امتداد الملف وحده ما إذا كان التعرف ضرورياً. قد يحتوي PDF الذي تم إنشاؤه بواسطة معالج نصوص بالفعل على نص قابل للاستخدام؛ بينما قد يحتاج PDF المصنوع من صور صفحات إلى OCR قبل أن تصبح كلماته قابلة لإعادة الاستخدام.
تكمن وراء النتيجة المفيدة عدة قرارات: مكان النص، وما يقوله، وكيف يجب ترتيب أجزائه. يعالج التعرف على الحروف، واكتشاف المنطقة، وتحليل ترتيب القراءة أجزاء مختلفة من تلك المشكلة. لذا، فإن دمج عمودين بشكل غير صحيح يعد خطأ في هيكل المستند، حتى عندما تمت قراءة الكلمات الفردية بشكل صحيح.
يساعد التعلم في التعامل مع التباين في المصدر
يطور المتعرف المتعلم أنماطاً مفيدة من الأمثلة بدلاً من الاعتماد كلياً على أوصاف الحروف المحددة يدوياً. يمكنه تعلم الميزات المرئية المرتبطة بالضربات والأشكال ومجموعات الحروف، ثم استخدام تلك الميزات لتفسير صور جديدة. يوفر هذا طريقة لاستيعاب الاختلافات في الطباعة والكتابة اليدوية وظروف الالتقاط عندما تدعمها أمثلة التدريب والطريقة.
الحد الفاصل بين OCR التقليدي و OCR القائم على الذكاء الاصطناعي ليس فاصلاً تاريخياً واضحاً. كانت الشبكات العصبية، والتعرف الإحصائي، ونمذجة اللغة جزءاً من أبحاث المستندات لعقود. يمكن أن تحتوي برامج OCR الراسخة بالفعل على مكونات متعلمة. سيكون من المضلل وصف كل نظام تقليدي بأنه مطابقة قوالب جامدة وكل نظام أحدث بأنه نوع مختلف تماماً من التكنولوجيا.
تتمثل المساهمة العملية للتعلم في القدرة على التكيف مع الأنماط الممثلة في البيانات. قد يتعامل المتعرف المعرض لأشكال حروف متنوعة مع تباين أكبر من ذلك الذي تم تطويره لمدخلات ضيقة. لا تزال هذه الفائدة تعتمد على المهمة المحددة: قراءة سطر مكتوب بخط اليد، وتحديد عنوان، وتحديد هيكل الجدول تتطلب أدلة وتقييماً مختلفاً.
تدريب النموذج يختلف عن قراءة صفحة جديدة
أثناء التدريب، يتم تعديل المعلمات الداخلية للنموذج باستخدام أمثلة وهدف تعليمي. بالنسبة للتعرف على النصوص، يمكن للأمثلة إقران الصور بنصوصها. قد تؤسس مرحلة تدريب أولية واسعة أنماطاً مرئية أو لغوية مفيدة، يتبعها التكيف مع مجموعة أو مهمة أكثر تحديداً. يمكن للأمثلة الاصطناعية أيضاً توفير تباينات في الخطوط والصياغة والمظهر جنباً إلى جنب مع صور المستندات الحقيقية.
عندما يعالج نموذج مدرب صفحة جديدة، فإنه يطبق ما تعلمه لإنتاج نتيجة. تسمى هذه المرحلة غالباً بالاستنتاج. وهي لا تتطلب جولة جديدة من تدريب النموذج لكل مستند. يوضح هذا التمييز سبب قدرة أداة التعرف على قراءة مواد لم تصادفها كصفحة مطابقة من قبل، مع استمرار اعتمادها على أنواع الأنماط التي أعدها تدريبها للتعامل معها.
تصحيح النص المنسوخ هو عملية منفصلة. يغير التصحيح ذلك المخرج؛ ولا يثبت بحد ذاته أن النموذج الأساسي قد تعلم خط اليد الخاص بالكاتب. البرامج التي تدعم التكيف تحتاج إلى عملية صريحة لاستخدام الأمثلة لتحديث التعرف، بما يتجاوز تحرير النصوص العادي.
تتحول الأنماط المرئية إلى كلمات من خلال التعرف على التسلسل
لا يبدأ التعرف دائماً بتقطيع الصورة إلى أحرف فردية. يعالج العديد من القراء المدربين الكلمة أو السطر كتسلسل. يقوم مكون معالجة الصور بإنشاء تمثيل لأنماطها المرئية، ويربط مكون التسلسل تلك الأنماط بالنص المحتمل. تستفيد قراءة خط اليد المتصل بشكل خاص من الأساليب التي لا تتطلب توفير حدود كل حرف مسبقاً.
توضح الأبحاث التي تجمع بين ميزات الصور المتعلمة، ونمذجة التسلسل، والنسخ كيف يمكن تدريب هذه المراحل معاً. الأدلة المجاورة مهمة: قد تكون العلامة الرأسية حرف l أو الرقم 1، ويساعد شكلها والأحرف المحيطة بها النظام على الاختيار بينهما. قد ينتج النظام أحرفاً أو أجزاءً من كلمات أو وحدات نصية أخرى قبل تجميع السلسلة النهائية.
يمكن أن يأتي السياق من الصورة، أو التسلسل المحيط، أو معلومات لغوية إضافية. تساعد هذه المصادر في حل عدم اليقين، لكنها تؤدي أدواراً مختلفة. تحدد العلامات المرئية ما هو متاح للقراءة، بينما يؤثر السياق المتعلم على كيفية تفسير النظام لها. يحافظ النص المنسوخ المفيد على ذلك الارتباط بالصفحة.
يمكن لأنظمة المستندات دمج عدة مراحل أو إنشاء النتائج مباشرة
يستخدم أحد التصاميم الشائعة مكونات منفصلة لتحديد موقع النص، والتعرف عليه، وتحليل الكلمات والمواقع الناتجة. يمكن أن يكشف هذا عن معلومات وسيطة مفيدة، مثل مواقع الكلمات أو الأسطر التي تم التعرف عليها. قد يقوم مكون لاحق بعد ذلك بتصنيف المستند أو استخراج حقول محددة. يمكن فحص الأخطاء والتحسينات في المرحلة التي تحدث فيها.
يستخدم تصميم آخر تمثيلاً للصورة ومكوناً لتوليد النص لإنتاج المخرج المطلوب بشكل مباشر أكثر. أثبتت الأبحاث فهم المستندات دون مرحلة OCR تقليدية مستقلة، بما في ذلك النتائج المهيكلة التي يتم إنشاؤها من صور الصفحات. يصف مصطلح خالي من OCR في ذلك البحث غياب محرك OCR منفصل؛ ومع ذلك، لا يزال يتعين تفسير المعلومات المكتوبة من الصورة.
يمكن أن تتداخل هذه التصاميم. قد يقوم قارئ متخصص بتوليد النص قطعة تلو الأخرى، وقد يجمع نظام مستندات أكبر بين كاشف نص وقارئ متعلم ومعالجة إضافية. لذلك، لا يحدد الذكاء الاصطناعي OCR بنية واحدة ثابتة. الأسئلة المهمة هي ما هي النتيجة التي ينتجها النظام وما هي الأدلة التي تظل متاحة للتحقق منها.
يساعد التخطيط في ربط الكلمات التي تم التعرف عليها بدورها
تتواصل الصفحة من خلال الموقع وكذلك الصياغة. التاريخ الموجود بجوار تسمية تاريخ الفاتورة له دور مختلف عن التاريخ الموجود بجوار تاريخ الاستحقاق. قد يكون للرقم الموجود تحت عنوان الإجمالي أهمية مختلفة عن نفس الرقم في بند من البنود. يمكن لنماذج المستندات استخدام النص الذي تم التعرف عليه، وإحداثياته، ومعلومات صورة الصفحة لتعلم هذه العلاقات.
تجمع الأبحاث حول التدريب المسبق للمستندات متعددة الوسائط بين تلك المصادر من المعلومات لمهام مثل تفسير النماذج، ومعالجة الإيصالات، وتصنيف المستندات. يمتد هذا التعرف إلى التحليل: يعمل النظام على معرفة كيفية ارتباط عناصر المستند بمهمة ما، بدلاً من مجرد إنتاج سلاسل أحرفها. كما يوضح سبب كون الحفاظ على المواقع مفيداً حتى عندما تكون النتيجة النهائية عبارة عن مجموعة صغيرة من الحقول.
يمكن إجراء التفسير بواسطة نماذج متعلمة خاصة بالمهمة، أو قواعد، أو مزيج من كليهما. لا يزال يحتاج إلى تحقق مناسب لغرضه. إن تحديد الموعد النهائي للدفع، والتحقق مما إذا كان الإجمالي متسقاً، وتحديد ما إذا كان ينبغي الموافقة على فاتورة ما هي متطلبات منفصلة؛ النجاح في قراءة الكلمات لا يثبت تلقائياً النجاح في الثلاثة جميعاً.
تنتج عمليات النسخ والاستخراج وإجابات المستندات نتائج مختلفة
ضع في اعتبارك مثالاً بسيطاً يحتوي على تاريخ الفاتورة: 3 مارس، تاريخ الاستحقاق: 17 مارس، والإجمالي: 125.00. يجب أن يحافظ النسخ على تلك الصياغة المرئية. قد يعيد مستخرج الحقول الموعد النهائي للدفع والمبلغ فقط، بينما يمكن لنظام أسئلة المستندات الإجابة على طلب لتاريخ الاستحقاق. يمكن أن تكون كل نتيجة مفيدة، لكن المخرجات الأقصر ليست نسخاً كاملة.
ينطبق نفس التمييز على التحويلات اللاحقة. يغير الترجمة اللغة؛ يغير التحرير الصياغة أو العرض؛ يختار الملخص المعلومات. تحديد المهمة أولاً يجعل النتيجة أسهل في التقييم. يصف الجدول مهام معالجة المستندات العامة، بدلاً من افتراض أن كل أداة OCR تقدمها جميعاً.
| المهمة | نتيجة المثال | ما تضيفه المهمة |
|---|---|---|
| النسخ | التسميات المرئية، والتواريخ، والمبلغ | تمثيل نصي للصياغة المصدرية |
| استخراج الحقول | تاريخ الاستحقاق = 17 مارس؛ الإجمالي = 125.00 | ربط القيم بحقول مسماة |
| الإجابة على أسئلة المستندات | 17 مارس، رداً على سؤال حول تاريخ الاستحقاق | اختيار المعلومات ذات الصلة بالسؤال |
| الترجمة | نفس المعلومات بلغة أخرى | تغيير في اللغة يجب أن يحافظ على المعنى المقصود |
| التحرير أو التلخيص | صياغة منقحة أو عرض أقصر | تحويل للنص المنسوخ لغرض مختلف |
يجب أن يظل السياق المفيد مرتبطاً بالأدلة المرئية
يمكن لأداة التعرف استخدام السياق لحل حرف صعب، لكن الجملة المعقولة ليست بالضرورة نسخاً دقيقاً. قد يتم استبدال اسم غير شائع بكلمة مألوفة، أو قد يتم تصحيح خطأ إملائي حقيقي بصمت. يمكن أن يكون هذا السلوك مفيداً في مهمة تحرير بينما يكون خاطئاً بالنسبة لاقتباس أو نسخ أرشيفي.
فحص معيار خط اليد المنشور في 2026 هذا التمييز وأبلغ عن تصحيحات غير مدعومة بصرياً في العديد من الأنظمة التوليدية التي تم اختبارها. تتعلق النتيجة بأنظمة ومهام معينة، وليس بكل أداة تعرف ذكاء اصطناعي. إنها تعزز حدوداً مفيدة: القراءة، وإعادة الكتابة، وإكمال المحتوى المفقود هي أهداف مختلفة. عندما لا يثبت المصدر كلمة ما، فإن المخرجات الطليقة وحدها لا يمكنها إثباتها أيضاً.
اختر النتيجة المطلوبة قبل مقارنة أساليب التعرف
أفضل نقطة بداية هي المخرج الذي تحتاجه مهمتك التالية. تتطلب إعادة استخدام فقرة نصاً قابلاً للتحرير. قد يتطلب البحث في مسح ضوئي طبقة نص مرتبطة بصورة صفحتها. يحتاج استيراد حقول الفاتورة إلى نظام آخر إلى استخراج مهيكل. يجب أن توجه تلك المتطلبات المقارنة أكثر من مجرد تسمية ذكاء اصطناعي عامة.
قيم القدرة ذات الصلة على مواد تمثيلية. تميز معايير البحث بين التعرف على النص، وتحديد الموقع، والتخطيط، والعناصر المعقدة، والاستدلال لأن النظام يمكن أن يؤدي بشكل مختلف عبر تلك المهام. لا تثبت النتيجة القوية على نص مطبوع واضح جودة الصيغ المكتوبة بخط اليد أو هيكل الجدول. يمكن أن يكون وقت الاستجابة ومقدار المراجعة المطلوبة مهمين أيضاً في سير العمل العملي.
يعد الحفاظ على مظهر الصفحة خيار إخراج منفصل. فالمسح الضوئي القابل للبحث يحتفظ بصورة مع نص مرتبط بها، بينما يقوم مستند النص المُنسق حديثًا بإجراء مقايضات مختلفة. إن تسمية ملف باسم PDF لا تخبرك بالتمثيل الذي يحتويه. قرر ما إذا كانت الخطوة التالية تتطلب الترتيب البصري الأصلي، أو نصًا قابلاً للتحرير، أو مجموعة بيانات معينة.
أدوات التعرف والنصوص في i2OCR
يوفر i2OCR صورًا وPDF OCR مع وضعي التعرف "كلاسيكي" و"مستقبلي"، اعتمادًا على اللغة المحددة. هذه أوضاع للمنتج، وليست تعريفات تقنية لكل بنية OCR. اختر لغة المستند، ثم تعرف على الصورة، أو الصفحة المحددة PDF، أو المنطقة المحددة. يعالج طلب التعرف PDF الواحد صفحة أو منطقة مختارة واحدة.
بعد التعرف، يمكنك مراجعة النص وتعديله، أو فتح "التحرير الذكي"، أو طلب ترجمة. هذه إجراءات منفصلة ذات أغراض مختلفة. تعمل التصحيحات العادية على تحديث النتيجة الحالية؛ وهي ليست ميزة لتدريب الكتابة اليدوية. إن الاحتفاظ بنص مراجع قبل إعادة الكتابة أو الترجمة يجعل من السهل مقارنة الإصدارات اللاحقة بالمصدر.
يوفر كلا الوضعين تنزيلات للنصوص وملفات Word. يحتفظ وضع "كلاسيكي" القابل للبحث PDF بالصفحة أو المنطقة التي تم التعرف عليها كصورة مع طبقة نص التعرف الأصلية الخاصة بها؛ ولا تؤدي تعديلات النص اللاحقة إلى تحديث طبقة PDF تلك. يتم إنشاء وضع "مستقبلي" البسيط PDF من النص الحالي في تخطيط جديد. اختر الإخراج الذي يتوافق مع ما إذا كنت بحاجة إلى مظهر المصدر أو الصياغة المعدلة.