ข้อผิดพลาดสามารถเกิดขึ้นได้ก่อนที่คำจะถูกจดจำ
การเปลี่ยนหน้าเอกสารให้เป็นข้อความที่มีประโยชน์เกี่ยวข้องกับการตัดสินใจหลายประการ ระบบต้องระบุพื้นที่ที่เกี่ยวข้อง ตีความเครื่องหมายภายในพื้นที่เหล่านั้น และจัดเรียงผลลัพธ์ตามลำดับที่เหมาะสม งานเหล่านี้อาจจัดการโดยส่วนประกอบแยกต่างหากหรือรวมอยู่ในระบบที่เรียนรู้ แต่ยังคงเป็นข้อกำหนดที่แตกต่างกัน ความล้มเหลวในช่วงต้นของกระบวนการอาจส่งผลต่อทุกสิ่งที่ตามมา
ลองพิจารณาบทความสองคอลัมน์ที่มีบันทึกเขียนด้วยลายมือที่ขอบกระดาษ คำที่พิมพ์ไว้อาจจดจำได้ง่าย แต่บันทึกนั้นอาจถูกเข้าใจผิดว่าเป็นส่วนหนึ่งของข้อความหลัก และคอลัมน์อาจถูกแทรกสลับกัน การตรวจสอบการสะกดคำจะไม่สามารถแก้ปัญหานั้นได้ ในทางกลับกัน ย่อหน้าที่เรียงลำดับอย่างสมบูรณ์แบบก็ยังอาจมีชื่อหรือวันที่ที่อ่านผิดได้
ความแตกต่างที่มีประโยชน์คือระหว่างหลักฐานที่หายไป การจดจำที่ผิดพลาด และโครงสร้างที่สูญหาย การจดจำตัวอักษรที่แม่นยำขึ้นไม่สามารถกู้คืนพื้นที่ที่ไม่เคยถูกรวมไว้ได้ และเลย์เอาต์ที่สะอาดขึ้นไม่สามารถระบุได้ว่าตัวอักษรที่กำกวมสองตัวใดที่ถูกเขียนขึ้นจริง
ตัวอักษรขนาดเล็กและการจับภาพที่ไม่ดีจำกัดหลักฐานที่มีอยู่
การจดจำขึ้นอยู่กับความแตกต่างที่มองเห็นได้ระหว่างตัวอักษร ความเบลอสามารถปิดช่องว่างในตัว e รวมเส้นที่อยู่ติดกัน หรือลบความแตกต่างระหว่างเครื่องหมายจุลภาคและจุด ข้อความขนาดเล็กอาจมีพิกเซลน้อยเกินไปที่จะรักษาความแตกต่างเหล่านั้นไว้ การบีบอัดที่รุนแรงสามารถเพิ่มรูปแบบบล็อกและรอยหยักรอบขอบ ทำให้ไฟล์ดูอ่านได้ในขนาดปกติในขณะที่ทำลายรายละเอียดที่ระบบจดจำต้องการ
ดังนั้นขนาดของรูปภาพและขนาดไฟล์จึงเป็นมาตรวัดคุณภาพที่ไม่สมบูรณ์ รูปถ่ายขนาดใหญ่อาจมีหน้าเอกสารขนาดเล็กที่อยู่ไกล การสแกนความละเอียดสูงก็ยังอาจหลุดโฟกัสได้ การเปลี่ยนป้ายกำกับ DPI หรือการขยายรูปภาพที่มีอยู่ไม่ได้เพิ่มการวัดค่าใหม่ของตัวอักษรต้นฉบับ คำแนะนำในการจับภาพจากโครงการแปลงเอกสารเป็นดิจิทัล IMPACT จึงแยกความแตกต่างระหว่างข้อความทั่วไปกับตัวพิมพ์ขนาดเล็กมาก ซึ่งต้องการรายละเอียดมากกว่า
การจับภาพที่ดีขึ้นสามารถลดความไม่แน่นอนนี้ได้เมื่อมีต้นฉบับอยู่ อย่างไรก็ตาม เมื่อคำถูกซ่อนโดยแสงสะท้อน ถูกตัดออก หรือหายไปทางกายภาพ จะไม่มีหลักฐานที่มองเห็นได้สำหรับส่วนนั้นของการถอดความ การปรับปรุงอาจแนะนำรูปร่างที่ดูสมเหตุสมผล แต่ไม่สามารถยืนยันคำที่ขาดหายไปได้
การหมุน มุมมอง และความโค้งของหน้ากระดาษสร้างปัญหาที่แตกต่างกัน
หน้าเอกสารที่ถ่ายภาพในมุมเอียงนำเสนอมากกว่าปัญหาการหมุน มุมมองสามารถทำให้ด้านหนึ่งของหน้าแคบกว่าอีกด้านหนึ่ง ในขณะที่พื้นผิวโค้งของหนังสือสามารถทำให้บรรทัดใกล้สันหนังสือโค้งงอได้ หน้าเอกสารที่ตะแคง การสแกนที่เอียงเล็กน้อย และหน้าหนังสือที่บิดเบี้ยวต้องการการแก้ไขทางเรขาคณิตที่แตกต่างกัน การหมุนทั้งสามแบบเพียงอย่างเดียวจะไม่ให้ผลลัพธ์ที่ดีขึ้นเหมือนกัน
ความบิดเบี้ยวเหล่านี้อาจรบกวนการตรวจจับบรรทัดและการแยกคำที่อยู่ใกล้เคียง ใกล้กับสันหนังสือ ตัวอักษรอาจถูกบีบอัดเข้าหากันหรือถูกซ่อนอยู่ในเงาบางส่วน งานวิจัยเกี่ยวกับการคลี่ความโค้งของเอกสารถือว่าการกู้คืนมุมมองหน้ากระดาษที่แบนราบเป็นงานเฉพาะของตัวเอง เนื่องจากรูปร่างของหน้ากระดาษส่งผลต่อการจดจำในขั้นตอนถัดไป
การแก้ไขทางเรขาคณิตก็มีขีดจำกัดเช่นกัน การจัดตำแหน่งที่ดีขึ้นสามารถทำให้ตัวอักษรที่มีอยู่ตีความได้ง่ายขึ้น แต่การสุ่มตัวอย่างซ้ำๆ อาจทำให้รายละเอียดเล็กๆ น้อยๆ นุ่มนวลลง และการทำให้แบนราบไม่สามารถเปิดเผยข้อความที่ไม่เคยถูกจับภาพไว้ได้ เป้าหมายคือการแสดงหลักฐานที่ใช้งานได้ ไม่ใช่แค่หน้ากระดาษที่ดูเป็นรูปสี่เหลี่ยมผืนผ้า
หมึกที่จางและรอยบนพื้นหลังแข่งขันกับข้อความ
ไม่ใช่ทุกรอยมืดที่เป็นตัวอักษร พื้นผิวของกระดาษ คราบ รอยเส้นบรรทัด ตราประทับ และการพิมพ์ที่มองเห็นได้จากด้านหลังอาจดูเหมือนข้อความหรือทับซ้อนกับข้อความ ในทางกลับกัน ดินสอที่จาง หมึกที่ซีด และเครื่องหมายวรรคตอนที่อ่อนอาจแยกออกจากพื้นหลังได้ยาก หน้าเดียวกันอาจมีปัญหาทั้งสองประเภท
การทำความสะอาดรูปภาพเกี่ยวข้องกับการแลกเปลี่ยน การแปลงหน้าเอกสารเป็นขาวดำต้องตัดสินใจว่าเฉดสีใดเป็นของเครื่องหมายเบื้องหน้าและเฉดสีใดเป็นของพื้นหลัง เกณฑ์ที่ลบพื้นผิวกระดาษสีซีดอาจลบจุดทศนิยมไปด้วย การลบสัญญาณรบกวนอาจทิ้งเครื่องหมายเน้นเสียงขนาดเล็ก ในขณะที่การเพิ่มความคมชัดอาจทำให้ขอบที่ไม่ต้องการแข็งขึ้น ดังนั้นขั้นตอนการทำงานของ OCR จึงถือว่าการปรับปรุง การทำไบนารี และการลดสัญญาณรบกวนเป็นการดำเนินการที่แยกจากกัน แทนที่จะเป็นการตั้งค่าการทำความสะอาดแบบครอบจักรวาล
เครื่องหมายที่ทับซ้อนกันต้องการการดูแลเป็นพิเศษ ตราประทับอาจมีข้อมูลที่คุ้มค่าแก่การรักษาแม้ว่าจะทับย่อหน้า และลายเซ็นอาจมีความหมายโดยไม่สามารถถอดความได้อย่างน่าเชื่อถือ การลบพื้นที่ที่รบกวนโดยไม่เลือกปฏิบัติอาจลบส่วนหนึ่งของเอกสารไปด้วย รูปภาพที่สะอาดตาในเชิงสายตาไม่จำเป็นต้องเป็นรูปภาพที่ซื่อตรงต่อต้นฉบับเสมอไป
การพิมพ์ที่ไม่คุ้นเคยทำให้ข้อความที่ชัดเจนตีความได้ยาก
รูปภาพอาจมีความคมชัดในขณะที่ตัวอักษรยังคงไม่คุ้นเคยสำหรับระบบจดจำ แบบอักษรตกแต่ง ตัวพิมพ์ที่ควบแน่น ตัวอักษรเชื่อม และรูปร่างตัวอักษรที่ผิดปกติจะเปลี่ยนรูปแบบที่ต้องระบุ ตัวอักษรเชื่อมสามารถรวมสิ่งที่ควรจะเป็นตัวอักษรแยกกันเข้าด้วยกัน รูปแบบตัวอักษรเก่าอาจคล้ายกับตัวอักษรสมัยใหม่ที่แตกต่างกัน ตัวพิมพ์เล็กขนาดเล็ก ตัวยก และเครื่องหมายวรรคตอนที่เว้นระยะใกล้กันทำให้เกิดความแตกต่างเพิ่มเติม
เอกสารทางประวัติศาสตร์มักมีความซับซ้อนหลายประการรวมกัน รูปแบบตัวอักษรมีความแตกต่างกันไปตามโรงพิมพ์และยุคสมัย การสะกดคำอาจแตกต่างจากการใช้งานในปัจจุบัน และกระดาษหรือรอยพิมพ์อาจชำรุดเสียหาย งานวิจัยเกี่ยวกับ OCR ทางประวัติศาสตร์ระบุว่ารูปแบบตัวอักษรและการจัดวางที่ซับซ้อนเป็นความท้าทายหลัก และใช้ขั้นตอนการทำงานที่ช่วยให้สามารถแก้ไขได้ในหลายขั้นตอน การปรับปรุงความคมชัดของภาพเพียงอย่างเดียวไม่สามารถแก้ไขตัวอักษรที่ไม่คุ้นเคยได้ทั้งหมด
นอกจากนี้ยังมีทางเลือกในการบรรณาธิการ: การถอดความหน้าเอกสารและการปรับภาษาให้ทันสมัยเป็นงานที่แตกต่างกัน การแทนที่การสะกดคำที่ไม่คุ้นเคยด้วยคำที่คุ้นเคยโดยอัตโนมัติอาจทำให้เนื้อหาอ่านง่ายขึ้น แต่ในขณะเดียวกันก็ทำให้ความถูกต้องแม่นยำต่อต้นฉบับลดลง ชื่อเฉพาะทางประวัติศาสตร์ คำย่อ และคำพูดที่ยกมาจำเป็นต้องได้รับการประเมินเทียบกับธรรมเนียมปฏิบัติของเอกสารนั้นๆ
ลายมือเขียนมีความแตกต่างกันระหว่างผู้เขียนและภายในหน้าเดียวกัน
ลายมือเขียนไม่มีชุดรูปแบบตัวอักษรที่คงที่และตายตัว ผู้เขียนมักเขียนตัวอักษรเชื่อมกัน เปลี่ยนความเอียง ย่อคำ และเว้นวรรคไม่สม่ำเสมอ คำที่เขียนอย่างเร่งรีบอาจดูแตกต่างจากคำเดียวกันที่เขียนอย่างตั้งใจเมื่อไม่กี่บรรทัดก่อนหน้า เส้นที่เชื่อมต่อกันยังทำให้ยากต่อการตัดสินว่าตัวอักษรหนึ่งสิ้นสุดที่ใดและตัวถัดไปเริ่มต้นที่ใด
การจดจำตามลำดับสามารถใช้ตัวอักษรและคำข้างเคียงเพื่อตีความบรรทัดได้ แต่บริบทก็ไม่สามารถขจัดความคลุมเครือได้ทั้งหมด นามสกุลที่ไม่คุ้นเคย รหัส หรือตัวเลขที่อยู่โดดเดี่ยวอาจให้ความช่วยเหลือทางภาษาน้อยมาก บันทึกที่ขอบกระดาษ ข้อความที่ถูกขีดฆ่า และส่วนที่เพิ่มเติมเหนือบรรทัดสร้างคำถามแยกต่างหากเกี่ยวกับวิธีการแสดงการเปลี่ยนแปลงของผู้เขียน สิ่งเหล่านี้เป็นความท้าทายทั้งในด้านการจดจำและนโยบายการถอดความ
ความแตกต่างระหว่างการจดจำภาพและการบันทึกรอยปากกาขณะเขียนก็มีความสำคัญเช่นกัน บันทึกที่สแกนประกอบด้วยรอยที่มองเห็นได้ในขั้นสุดท้าย แต่ไม่ใช่ลำดับ ความเร็ว หรือทิศทางของรอยเหล่านั้น งานวิจัยด้านลายมือเขียนแยกแยะภาพออฟไลน์เหล่านี้ออกจากข้อมูลปากกาออนไลน์ ความสำเร็จในการจับความเคลื่อนไหวของปากกาหรือตัวอักษรที่แยกออกจากกันอย่างชัดเจนไม่ควรถูกอนุมานว่าจะสามารถนำมาใช้กับภาพถ่ายของหน้าลายมือเขียนทั้งหน้าได้โดยไม่มีการเปลี่ยนแปลง
ภาษา ชุดตัวอักษร และทิศทางการอ่านนำมาซึ่งความคลุมเครือที่แตกต่างกัน
การตั้งค่าภาษาช่วยให้บริบทที่เป็นประโยชน์ แต่ภาษาและชุดตัวอักษรไม่ใช่สิ่งเดียวกัน หลายภาษาอาจใช้ชุดตัวอักษรร่วมกันในขณะที่ใช้รูปแบบการสะกดหรือตัวอักษรเพิ่มเติมที่แตกต่างกัน เอกสารอาจมีการผสมชุดตัวอักษรภายในประโยค เช่น ในที่อยู่ที่มีชื่อถนนเป็นภาษาท้องถิ่นและตัวระบุเป็นอักษรละติน การจดจำหลายภาษาต้องรับมือกับการเปลี่ยนผ่านเหล่านี้รวมถึงตัวอักษรแต่ละตัวด้วย
ภาษาที่ใช้ในการจดจำอธิบายถึงข้อความที่กำลังอ่าน ไม่ใช่ภาษาของอินเทอร์เฟซเว็บไซต์ ตัวเลือกภาษาที่มีให้ไม่ได้หมายความว่าจะมีความแม่นยำเท่ากันสำหรับทุกแบบอักษร รูปแบบการเขียน หรือสภาพการจับภาพ เกณฑ์มาตรฐานสำหรับหลายภาษาจะตรวจสอบชุดตัวอักษรที่แตกต่างกันและฉากที่มีการผสมผสานกันอย่างแม่นยำ เนื่องจากประสิทธิภาพจำเป็นต้องได้รับการทดสอบกับเนื้อหาที่หลากหลาย
สำหรับภาษาอาหรับ เปอร์เซีย และการเขียนจากขวาไปซ้ายอื่นๆ ลำดับการแสดงผลจะเพิ่มความซับซ้อนอีกชั้นหนึ่ง Unicode แยกความแตกต่างระหว่างลำดับเชิงตรรกะของตัวอักษรที่จัดเก็บไว้กับการจัดเรียงทางสายตา ตัวเลข เครื่องหมายวรรคตอน และคำภาษาละตินสามารถปฏิบัติตามกฎทิศทางที่แตกต่างกันภายในบรรทัดเดียว ดังนั้นการแสดงผลที่ดูสับสนอาจเกี่ยวข้องกับการจดจำ การจัดเก็บข้อความ หรือการแสดงผล การย้อนกลับลำดับทั้งสตริงด้วยตนเองอาจทำให้การถอดความเสียหาย หากลำดับตัวอักษรพื้นฐานนั้นถูกต้องอยู่แล้ว
คำที่ถูกต้องอาจยังคงปรากฏในลำดับการอ่านที่ผิดพลาด
การจัดวางเอกสารแสดงถึงความสัมพันธ์ที่สตริงของตัวอักษรธรรมดาไม่สามารถจับภาพได้โดยอัตโนมัติ คอลัมน์ หัวข้อ คำบรรยาย เชิงอรรถ และแถบด้านข้างต่างก็มีบทบาทของตนเอง ระบบจดจำอาจอ่านคำเหล่านั้นได้ถูกต้องในขณะที่รวมเข้าเป็นลำดับที่ไม่ถูกต้อง ประโยคที่กระโดดไปยังคอลัมน์ถัดไปถือเป็นข้อผิดพลาดเชิงโครงสร้าง แม้ว่าทุกคำจะสะกดถูกต้องก็ตาม
งานวิจัยด้านการจัดวางยังแสดงให้เห็นว่าเหตุใดประเภทเอกสารที่คุ้นเคยจึงไม่ใช่การทดสอบที่สมบูรณ์ ระบบที่พัฒนาขึ้นสำหรับบทความทางวิทยาศาสตร์อาจพบการจัดวางที่แตกต่างกันในคู่มือ แบบฟอร์ม หรือรายงาน การพลาดคำบรรยายเล็กๆ หรือการถือว่าหัวข้อเป็นข้อความเนื้อหาอาจส่งผลต่อประโยชน์ของผลลัพธ์ทั้งหมด การค้นหาทุกส่วนที่เกี่ยวข้องและการจัดลำดับส่วนเหล่านั้นเป็นส่วนหนึ่งของการประเมินการแปลงเอกสาร
ปัญหาเหล่านี้มีความสำคัญต่อการนำกลับมาใช้ใหม่และการเข้าถึงได้ง่าย หน้าเอกสารอาจดูถูกต้องในขณะที่ข้อความที่คัดลอกหรือเอาต์พุตเสียงเป็นไปตามลำดับที่ไม่เหมาะสม คำแนะนำของ W3C PDF อธิบายว่าลำดับการอ่านเชิงตรรกะสนับสนุนการเข้าถึงได้อย่างไร ข้อความที่จดจำได้นั้นมีประโยชน์ แต่การสร้างข้อความขึ้นมาไม่ได้หมายความว่าหัวข้อ ลำดับการอ่าน และความต้องการด้านการเข้าถึงอื่นๆ ของเอกสารได้รับการแก้ไขแล้ว
ตาราง แบบฟอร์ม และสูตรขึ้นอยู่กับความสัมพันธ์ระหว่างเครื่องหมาย
ความหมายของตารางขึ้นอยู่กับว่าค่าใดเป็นของแถวและคอลัมน์ใด เซลล์ที่รวมกัน หัวข้อที่ซ้ำกัน เซลล์ว่าง และตารางที่ต่อเนื่องกันข้ามหน้าทำให้ความสัมพันธ์นั้นซับซ้อนขึ้น การอ่านตัวเลขที่มองเห็นได้ทั้งหมดไม่เพียงพอหากค่าหนึ่งถูกกำหนดให้กับหัวข้อที่ผิด งานวิจัยเกี่ยวกับการดึงข้อมูลตารางจะแยกการค้นหาตาราง การกู้คืนโครงสร้าง และการระบุบทบาทของเซลล์ออกจากกัน
แบบฟอร์มนำเสนอปัญหาที่เกี่ยวข้อง ป้ายกำกับและค่าของป้ายกำกับอาจถูกคั่นด้วยช่องว่าง เส้น หรือบันทึกแทรก ช่องทำเครื่องหมายที่อยู่ใกล้เคียงอาจมีข้อมูลที่การถอดความแบบข้อความเท่านั้นไม่สามารถแสดงออกมาได้ ตัวอย่างเช่น การดึงข้อมูลทั้ง "อนุมัติ" และ "ปฏิเสธ" โดยไม่บันทึกว่าช่องใดถูกทำเครื่องหมายไว้ จะทำให้สูญเสียส่วนสำคัญของแบบฟอร์มไป แม้ว่าทั้งสองคำจะถูกจดจำได้อย่างถูกต้องก็ตาม
ตัวเลขและสูตรยังขยายข้อผิดพลาดเล็กน้อยให้ใหญ่ขึ้น การละจุดทศนิยมใน 12.5 จะเปลี่ยนค่า การสับสนเครื่องหมายลบกับขีดกลางอาจเปลี่ยนนิพจน์ เศษส่วน เลขชี้กำลัง และตัวห้อยอาศัยตำแหน่งรวมถึงเอกลักษณ์ของตัวอักษร โครงสร้างสองมิติของสูตรต้องการการแสดงผลที่เหมาะสม และการสร้างตารางใหม่และการถอดความทางคณิตศาสตร์จำเป็นต้องมีการประเมินที่นอกเหนือไปจากการสะกดคำทั่วไป
เอาต์พุตที่ลื่นไหลอาจปกปิดการละเว้นและการแก้ไขที่ไม่ได้รับการสนับสนุน
บริบทของภาษาช่วยให้ระบบจดจำเลือกระหว่างการอ่านที่เป็นไปได้ แต่ความสมเหตุสมผลและความซื่อตรงต่อต้นฉบับเป็นเป้าหมายที่แตกต่างกัน ระบบอาจแทนที่ชื่อที่ไม่คุ้นเคยด้วยคำทั่วไป ปรับการสะกดผิดให้เป็นมาตรฐาน หรือจัดหาถ้อยคำที่เหมาะสมกับประโยค ผลลัพธ์อาจฟังดูเป็นธรรมชาติในขณะที่ห่างไกลจากหน้าเอกสารต้นฉบับมากขึ้น สิ่งนี้มีความสำคัญอย่างยิ่งเมื่อภารกิจคือการถอดความแทนที่จะเป็นการแก้ไข
เกณฑ์มาตรฐานลายมือเขียน 2026 ได้ตรวจสอบข้อผิดพลาดของผู้เขียน หลายภาษา และนิพจน์ที่ซับซ้อน และรายงานการแก้ไขที่ไม่ได้รับการสนับสนุนทางสายตาในระบบสร้างข้อความหลายระบบ การค้นพบนี้แสดงให้เห็นถึงโหมดความล้มเหลวมากกว่ากฎที่ว่าทุกระบบจะมีพฤติกรรมเหมือนกัน โดยทั่วไปแล้ว ย่อหน้าที่เขียนขึ้นมาอย่างดีไม่ใช่ข้อพิสูจน์ว่าทุกคำมีอยู่จริงหรือรวมบรรทัดที่ตั้งใจไว้ทั้งหมดแล้ว
ข้อผิดพลาดอาจมาจากกระบวนการก่อนหน้า PDF ที่สแกนไว้อาจมีเลเยอร์ข้อความ OCR ที่ไม่สมบูรณ์อยู่แล้ว ดังนั้นข้อความที่เลือกได้อาจยังคงไม่ตรงกับหน้าเอกสารที่มองเห็นได้ การเรียกใช้การจดจำสองครั้งจะช่วยให้มีการเปรียบเทียบอีกทางหนึ่ง แต่ทั้งสองครั้งอาจทำผิดพลาดแบบเดียวกัน ความสอดคล้องระหว่างเอาต์พุตไม่สามารถแทนที่ภาพต้นฉบับได้ โดยเฉพาะอย่างยิ่งในกรณีที่ตัวอักษรหรือข้อความยังคงมีความคลุมเครือ
ความแม่นยำขึ้นอยู่กับเนื้อหาและงานที่กำลังวัดผล
ตัวเลขความแม่นยำจะมีความหมายก็ต่อเมื่อมีการทดสอบที่กำหนดไว้ชัดเจนเท่านั้น ผลลัพธ์ขึ้นอยู่กับเอกสาร การถอดความอ้างอิง และการจัดการช่องว่าง เครื่องหมายวรรคตอน และความแตกต่างอื่นๆ ตัวอย่างของย่อหน้าสิ่งพิมพ์ที่ชัดเจนไม่ได้เป็นตัวกำหนดประสิทธิภาพของแบบฟอร์มลายมือเขียนหรือหนังสือพิมพ์ที่ชำรุด การประเมินที่เป็นตัวแทนต้องรวมถึงหน้าเอกสารที่ยากและรูปแบบการจัดวางที่ผิดปกติซึ่งมีความสำคัญต่องานที่ตั้งใจไว้
อัตราความผิดพลาดของตัวอักษรจะวัดการแทนที่ การละเว้น และการแทรกตัวอักษรเทียบกับความยาวของข้อความ ส่วนอัตราความผิดพลาดของคำจะใช้การเปรียบเทียบในลักษณะเดียวกันกับคำ OCR-D มีคำแนะนำในการประเมินผลที่แยกการวัดเหล่านี้ออกจากการจัดวางและลำดับการอ่าน แม้ว่าสิ่งเหล่านี้จะช่วยตอบคำถามที่เป็นประโยชน์ แต่อัตราความผิดพลาดโดยรวมที่ต่ำก็อาจบดบังเลขบัญชีที่ผิดพลาดหรือการละคำปฏิเสธที่ทำให้ความหมายของประโยคเปลี่ยนไปได้
ดังนั้น การประเมินผลควรครอบคลุมถึงความครบถ้วน โครงสร้าง และรายละเอียดที่สำคัญ นอกเหนือไปจากคะแนนรวม การค้นหาในคลังข้อมูล การอ้างอิง และตารางที่ใช้สำหรับการคำนวณมีความต้องการที่แตกต่างกัน การทำเครื่องหมายส่วนที่อ่านไม่ออกนั้นมีประโยชน์มากกว่าการเดาคำที่ดูสละสลวย และการเก็บลิงก์ไปยังแหล่งที่มาจะช่วยให้สามารถแก้ไขได้ในภายหลังเมื่อมีหลักฐานที่ดีกว่าหรือเมื่อมีการตรวจสอบเกิดขึ้น
รูปแบบของข้อผิดพลาดบ่งชี้ถึงสาเหตุที่เป็นไปได้
สาเหตุหลายประการอาจทำให้เกิดอาการที่มองเห็นได้เหมือนกัน ดังนั้นการวินิจฉัยจึงเป็นวิธีจำกัดขอบเขตความเป็นไปได้มากกว่าการรับประกัน ความสับสนซ้ำๆ ระหว่างตัวอักษรที่คล้ายกันบ่งชี้ถึงการตรวจสอบที่แตกต่างจากการที่คำที่สะกดถูกต้องปรากฏในลำดับที่ผิด ตัวอย่างด้านล่างนี้เชื่อมโยงอาการทั่วไปเข้ากับข้อมูลที่อาจสูญหายไป
เมื่อเข้าใจถึงความล้มเหลวแล้ว การตอบสนองก็จะสามารถมุ่งเน้นได้มากขึ้น เช่น การหาแหล่งที่มาที่ชัดเจนขึ้น การแก้ไขรูปทรง การตรวจสอบการตีความของพื้นที่ หรือการซ่อมแซมข้อความถอดความขั้นสุดท้าย คู่มือการปรับปรุงผลลัพธ์ OCR แยกต่างหากมีขั้นตอนการเตรียมการและการตรวจสอบให้ เป้าหมายคือการรักษาข้อมูลของเอกสาร ไม่ใช่เพียงแค่สร้างข้อความที่ดูสะอาดตา
| อาการที่มองเห็นได้ | ความล้มเหลวที่เป็นไปได้ | ข้อมูลที่เสี่ยงต่อการสูญหาย |
|---|---|---|
| ตัวอักษรที่คล้ายกันถูกสับสนซ้ำๆ | รายละเอียดไม่เพียงพอหรือรูปทรงตัวอักษรที่ไม่คุ้นเคย | การสะกดคำ ชื่อ และตัวระบุที่ถูกต้อง |
| รอยจางๆ หรือเครื่องหมายวรรคตอนหายไป | ความคมชัดต่ำหรือการกรองที่มากเกินไป | เครื่องหมายเน้นเสียง จุดทศนิยม และคำอธิบายประกอบขนาดเล็ก |
| คำที่ถูกต้องปรากฏในลำดับที่ไม่คาดคิด | คอลัมน์ผสมกันหรือลำดับพื้นที่ไม่ถูกต้อง | ความหมายของประโยคและโครงสร้างย่อหน้า |
| ค่าต่างๆ ปรากฏอยู่ใต้หัวข้อที่ไม่ถูกต้อง | ความสัมพันธ์ของแถว คอลัมน์ หรือป้ายกำกับสูญหาย | ความหมายของตัวเลขที่ถูกต้องในส่วนอื่น |
| ข้อความที่มีทิศทางผสมกันปรากฏแบบสลับตำแหน่ง | การจดจำ ลำดับเชิงตรรกะ หรือพฤติกรรมการแสดงผล | ลำดับของคำ เครื่องหมายวรรคตอน และตัวระบุ |
| คำศัพท์ที่ไม่ปกติกลายเป็นคำที่คุ้นเคยมากขึ้น | การแทนที่หรือการเขียนใหม่โดยอิงจากบริบท | ชื่อ การสะกดคำ และคำพูดที่ซื่อตรงต่อต้นฉบับ |
| บันทึกหรือย่อหน้าทั้งหมดหายไป | พื้นที่ถูกตัดออก พลาด หรือละเว้น | ความครบถ้วนของข้อความถอดความ |