OCR i obrada dokumenata – automatsko čitanje formulara
Automatsko prepoznavanje teksta, obrada formulara i klasifikacija dokumenata – od snimanja slike do strukturiranog prijenosa podataka.
OCR sistemi iz prakse – izgrađeni za produkciju
Razvili smo OCR rješenja u produktivnim okruženjima: za vodećeg pružaoca usluga u oblasti obaveznog zdravstvenog osiguranja (GKV), za distribuirane platforme za obradu dokumenata i za automatizaciju testiranja robotike. Ne teoretsko znanje – stvarno iskustvo na projektima sa stvarnim podacima.
Zašto BitPointer za OCR?
Prepoznavanje formulara iz prakse
Implementirali smo OCR za medicinske obrasce za obračun, obrasce za pomoćna sredstva i podatke pacijenata za vodećeg pružaoca usluga GKV. Ne teoretsko znanje – stvarno iskustvo na projektima.
Skalabilna arhitektura
Naše distribuirano OCR rješenje sastoji se od odvojenih servisa: korekcija slike, prepoznavanje teksta, klasifikacija i indeksiranje rade nezavisno i mogu se zasebno skalirati.
Validacija i osiguranje kvaliteta
Pročitani podaci se automatski provjeravaju na sintaksičku i logičku plausibilnost i validiraju prema referentnim bazama podataka – prije nego se proslijede dalje.
Tehnologije i alati
OCR engine-i
Tesseract (open source, konfigurabilan), Abby Finereader SDK (najviša stopa prepoznavanja), IMAQ Vision (baziran na LabView-u za industriju)
Zonski OCR, treniranje jezika, prilagođeni skupovi znakova
Obrada slika
OpenCV (korekcija slike, prepoznavanje objekata, predobrada), C++ image processing, Qt Multimedia
Deskewing, binarizacija, filtriranje šuma, izravnavanje
Pretraga i klasifikacija
Apache Solr (indeksiranje punog teksta), Elasticsearch, klasifikatori zasnovani na pravilima, ML klasifikacija (scikit-learn, PyTorch)
Fuzzy pretraga, rangiranje dokumenata, automatska kategorizacija
Integracija
MQTT (event-based prijenos), REST API-ji, Docker, MS-SQL, MySQL, Java (Apache Solr klijent), C++/Qt (glavna implementacija)
Povezivanje s ERP-om, CRM-om i arhivom, error queues, audit logging
Referentni projekti
Distribuirani OCR sistem
Servisno orijentisana platforma za prepoznavanje teksta, pretragu i klasifikaciju s Qt/QML GUI-jem, Apache Solr indeksiranjem i MQTT-based orkestracijom servisa.
Tech: C++, Qt 5.x, QML, Tesseract, Java, Apache Solr, Docker, OpenCV, MQTT, MySQL
OCR podataka pacijenata (GKV)
OCR za medicinske obrasce za obračun i obrasce za pomoćna sredstva za vodećeg pružaoca usluga GKV. S validacijom dijagnoza, indikacija i podataka osiguranja u bazi podataka.
Tech: C++, Qt 5.x, C#, Visual Basic, Abby Finereader, Docker, Java, MS-SQL, Regex
Robotičko testiranje s OCR-om
OCR za upravljanje robotom i automatizaciju testiranja: prepoznavanje teksta u BDD test pipeline-u (Cucumber/Gherkin) s obradom slika zasnovanom na OpenCV-u za prepoznavanje objekata.
Tech: C++, Qt, OpenCV, Tesseract, Cucumber/Gherkin
Naš pristup
Analiza dokumenata
Koji formulari, rasporedi, jezici? Procjena kvaliteta skeniranja i stepena težine za OCR.
Odabir i konfiguracija engine-a
Tesseract za open-source postavke, Abby Finereader SDK za najviše stope prepoznavanja, konfiguracija zonskih modela za strukturirane formulare.
Predobrada slike
Izravnavanje, binarizacija, filtriranje šuma, deskewing – kako bi OCR engine dobio optimalne ulaze.
Validacija i upoređivanje
Provjera pročitanih vrijednosti prema bazi podataka, primjena pravila plausibilnosti, označavanje odstupanja za ručnu doradu.
Integracija i rad
Povezivanje s trećim sistemima, monitoring, error queues, reporting dashboard.
FAQ
Česta pitanja o OCR-u i obradi dokumenata
Neka se formulari čitaju automatski
Recite nam o svojim dokumentima i formularima – besplatno procjenjujemo stopu prepoznavanja i potreban napor.