كيف يمكنك الحصول على نتائج OCR أنظف؟

1. ابدأ بأفضل مصدر متاح

استخدم المسح الضوئي الأصلي أو ملف الكاميرا بدلاً من لقطة شاشة لصورة مصغرة. إذا أرسل شخص ما معاينة صغيرة، فاطلب المستند الأصلي. عندما يحتوي ملف PDF بالفعل على نص قابل للتحديد دقيق، أعد استخدام ذلك النص بدلاً من تحويله إلى صورة والتعرف عليه مرة أخرى.

احتفظ بنسخة غير معدلة قبل ضبط التباين أو التدوير أو الاقتصاص. الأصل هو مرجعك عندما تفقد نسخة لاحقة علامات ترقيم باهتة أو علامات مكتوبة بخط اليد. امنح نسخ العمل أسماء وصفية حتى تتمكن من مقارنتها دون تخمين الملف الذي تم تعديله.

2. اجعل الحروف قابلة للقراءة قبل التحميل

بالنسبة للصورة الفوتوغرافية، حافظ على الصفحة مسطحة، وأمسك الكاميرا موازية لها تقريبًا، واستخدم إضاءة متساوية. تجنب الوهج على الورق اللامع والظلال من يدك أو هاتفك. تحقق من بضع كلمات صغيرة قبل وضع المستند بعيدًا؛ إعادة الالتقاط أسهل بينما لا يزال المصدر متاحًا.

بالنسبة للمسح الضوئي، تعد 300 بكسل في البوصة نقطة بداية مفيدة للنص المطبوع العادي. توصي IMPACT بدقة أعلى للطباعة الصغيرة جدًا. تحدد الأرشيفات الوطنية الأمريكية أيضًا 300 نقطة في البوصة للسجلات النصية الدائمة الحديثة في متطلبات الرقمنة الخاصة بها. هذه مراجع التقاط، وليست ضمانًا بأن كل صفحة سيتم التعرف عليها بشكل صحيح.

تغيير تسمية DPI على ملف موجود بدقة منخفضة لا ينشئ تفاصيل جديدة. افحص حواف الحروف وعلامات الترقيم، وأعد المسح الضوئي بدقة مناسبة عندما يكون الأصل متاحًا.

3. استقم العرض وحدد منطقة متماسكة

اجعل النص مستقيمًا وأزل الحدود غير ذات الصلة عندما تتنافس مع الصفحة. اترك مساحة صغيرة حول النص المقصود: يمكن للاقتصاص الضيق أن يقطع علامات التشكيل أو الحروف النازلة أو الرقم الأخير من رقم.

بالنسبة للأعمدة، تعرف على عمود واحد أو مقطع متصل منطقيًا في كل مرة عندما يكون ترتيب الصفحة الكاملة غير موثوق به. احتفظ بعناوين الجدول مع قيمها. قد يؤدي فصل كل خلية صغيرة إلى إزالة السياق الذي تحتاجه لإعادة بناء النتيجة.

4. قارن تعديلات الصورة المتواضعة

قد يساعد تعديل التباين الصغير في النصوص الباهتة، بينما قد تؤدي التصفية المفرطة إلى مسحها. يمكن أن يؤدي تعتيم الصفحة أيضًا إلى تقوية البقع أو نسيج الورق أو الكتابة من الجانب العكسي. قارن الصورة المعدلة بالأصل بنفس مستوى التكبير.

جرب تعديلاً واحداً على مقطع صعب قبل تغيير كل شيء. إذا جعل التحسين الصورة تبدو أنظف ولكنها أزالت فاصلة أو ربطت حرفين، فهي لم تحسن الأدلة لـ OCR.

5. اضبط اللغة وقارن أوضاع التعرف

اختر اللغة المستخدمة فعليًا في النص المحدد. يوفر i2OCR خيارات التعرف 128، بما في ذلك الخطوط والمتغيرات التاريخية. بالنسبة لصفحة متعددة اللغات، يمكن أن يجعل فصل المناطق المميزة النتيجة أسهل في التقييم.

يعد Classic نقطة بداية مفيدة للمواد المطبوعة الواضحة. يمكن أن يساعد Future في المستندات الأكثر تنوعًا وخط اليد. قارن نفس المقطع القصير عندما تكون غير متأكد. احكم على النص الكامل، بما في ذلك الكلمات المحذوفة وترتيب الأسطر، بدلاً من بضع جمل تم التعرف عليها بشكل صحيح.

6. راجع النص مقابل الصورة

تحقق من عينة من أعلى ومنتصف وأسفل المنطقة المحددة. ثم افحص التفاصيل التي تحمل أكبر قدر من المعنى. قد تكون النقطة العشرية في غير مكانها أو كلمة مفقودة مثل "لا" أكثر أهمية من عدة أخطاء إملائية عادية.

• الأسماء والمعرفات والتواريخ والنقاط العشرية والوحدات تطابق المصدر.
• كل سطر مقصود موجود؛ العناوين والحواشي في أماكن معقولة.
• لم يتم دمج أعمدة وصفوف الجدول بشكل غير صحيح.
• يتم وضع علامة على المقاطع غير الواضحة للمراجعة بدلاً من تخمينها بصمت.
• يحتفظ الاقتباس المنسوخ بالصياغة وعلامات الترقيم التي تنوي الاستشهاد بها.

7. احفظ النتيجة المراجعة وأعد استخدام ما نجح

احفظ النص المنسوخ المصحح قبل ترجمته أو إعادة صياغته. احتفظ باسم الملف الأصلي أو مرجع الصفحة مع النتيجة. إذا كنت ستعالج مستندات مشابهة لاحقاً، فدوّن اللغة والمنطقة المحددة والتعديلات التي ساعدت في تحسين النتائج.

تقبل الأدوات عبر الإنترنت صورة واحدة بحجم يصل إلى 25 MB أو ملف PDF واحداً يصل حجمه إلى 200 MB و750 صفحات مصدرية، وذلك وفقاً للحد الموضح في الأداة. تعالج PDF OCR صفحة واحدة أو منطقة محددة لكل طلب. تنطبق أيضاً قيود أبعاد الصورة ومعالجة الملفات، لذا قد يكون استخدام مصدر أصغر ومصور بشكل جيد أكثر عملية من ملف كبير جداً.