التعرّف البصري على الحروف (OCR)

  • 3 دقائق

Tip

راجع علامة التبويب النص والصور لمزيد من التفاصيل!

التعرف البصري على الحروف (OCR) هو تقنية تقوم تلقائيا بتحويل النص البصري في الصور - سواء من المستندات الممسوحة ضوئيا، أو الصور الفوتوغرافية، أو الملفات الرقمية - إلى بيانات نصية قابلة للتحرير وقابلة للبحث. بدلا من نسخ المعلومات يدويا، يتيح OCR استخراج البيانات تلقائيا من:

  • الفواتير والإيصالات الممسوحة ضوئيا
  • الصور الرقمية للوثائق
  • ملفات PDF تحتوي على صور نصية
  • لقطات الشاشة والمحتوى الملتقط
  • النماذج والملاحظات المكتوبة بخط اليد

خط أنابيب التعرف الضوئي على الحرارة: عملية خطوة بخطوة

يتكون خط أنابيب OCR من خمس مراحل أساسية تعمل معا لتحويل المعلومات البصرية إلى بيانات نصية.

مخطط لخط أنابيب الروابط الضوئية.

مراحل عملية الرقابة الضمادية (OCR) هي:

  1. اكتساب الصور وإدخالها.
  2. المعالجة المسبقة وتحسين الصورة.
  3. اكتشاف منطقة النص.
  4. التعرف على الشخصيات وتصنيفها.
  5. توليد المخرجات والمعالجة اللاحقة.

دعونا نفحص كل مرحلة بعمق أكبر.

المرحلة الأولى: اكتساب الصور والمدخلات

يبدأ خط الأنابيب عندما تدخل صورة تحتوي على نص إلى النظام. قد يكون هذا:

  • صورة التقطت بكاميرا هاتف ذكي.
  • مستند ممسح ضوئيا من جهاز مسطح أو ماسح ضوئي للمستندات.
  • إطار مستخرج من تدفق فيديو.
  • صفحة PDF تعرض كصورة.

Tip

جودة الصورة في هذه المرحلة تؤثر بشكل كبير على الدقة النهائية لاستخراج النص.

المرحلة 2: المعالجة المبدئية وتحسين الصورة

قبل بدء اكتشاف النصوص، تستخدم التقنيات التالية لتحسين الصورة من أجل دقة أفضل في التعرف:

  • يقلل الضوضاء من الشوائب البصرية، وبقع الغبار، والعيوب التي قد تعيق اكتشاف النص. تشمل التقنيات المحددة المستخدمة لتقليل الضوضاء ما يلي:

    • خوارزميات التصفية ومعالجة الصور: مرشحات غاوسية، مرشحات وسيط، وعمليات شكلية.
    • نماذج التعلم الآلي: مشفرات ذاتية إزالة الضوضاء وشبكات عصبية الالتفافية (CNNs) مدربة خصيصا لتنظيف صور الوثائق.

  • تعديل التباين يعزز الفرق بين النص والخلفية لجعل الشخصيات أكثر تميزا. مرة أخرى، هناك عدة طرق ممكنة:

    • الطرق الكلاسيكية: معادلة المدرجات التكرارية، العتبة التكيفية، وتصحيح غاما.
    • تعلم الآلة: نماذج التعلم العميق التي تتعلم معايير التحسين المثلى لأنواع المستندات المختلفة.

  • يكتشف تصحيح الانحراف ويصحح دوران المستندات، مما يضمن أن أسطر النص محاذاة أفقيا بشكل صحيح. تشمل تقنيات تصحيح الانحراف ما يلي:

    • التقنيات الرياضية: تحويل هوف لاكتشاف الخطوط، ملفات الإسقاط، وتحليل المكونات المتصلة.
    • نماذج الشبكات العصبية: شبكات CNN الانحدارية التي تتنبأ بزوايا الدوران مباشرة من ميزات الصورة.

  • تحسين الدقة يضبط دقة الصورة إلى المستوى الأمثل لخوارزميات التعرف على الحروف. يمكنك تحسين دقة الصورة من خلال:

    • طرق الاستيفاء: خوارزميات إعادة العينات Bicubic، ثنائية الخطية، وخوارزميات Lanczos.
    • نماذج فائقة الدقة: الشبكات العدائية التوليدية (GANs) والشبكات المتبقية التي تقوم بذكاء برفع حجم الصور النصية منخفضة الدقة.

المرحلة 3: اكتشاف مناطق النص

يقوم النظام بتحليل الصورة المعالجة مسبقا لتحديد المناطق التي تحتوي على نص باستخدام التقنيات التالية:

  • تحليل التخطيط يميز بين مناطق النص، والصور، والرسومات، ومناطق المساحات البيضاء. تشمل تقنيات تحليل التخطيط:

    • الأساليب التقليدية: تحليل المكونات المتصلة، الترميز بطول التشغيل، والتقسيم القائم على الإسقاط.
    • نماذج التعلم العميق: شبكات تقسيم دلالي مثل U-Net وMask R-CNN، ونماذج تحليل تخطيط المستندات المتخصصة (مثل LayoutLM أو نماذج مدربة من PubLayNet).

  • يجمع تحديد كتل النص الحروف الفردية إلى كلمات وأسطار وفقرات بناء على العلاقات المكانية. تشمل الأساليب الشائعة ما يلي:

    • الطرق الكلاسيكية: التجميع القائم على المسافة، تحليل الفراغ الأبيض، والعمليات الشكلية
    • الشبكات العصبية: رسم بياني للشبكات العصبية ونماذج المحولات التي تفهم بنية الوثائق المكانية

  • تحديد ترتيب القراءة يحدد تسلسل قراءة النص (من اليسار إلى اليمين، من الأعلى إلى الأسفل في اللغة الإنجليزية). يمكن تحديد الترتيب الصحيح من خلال:

    • الأنظمة القائمة على القواعد: خوارزميات هندسية تستخدم إحداثيات صناديق الحدود والقواعد الفضائية.
    • نماذج التعلم الآلي: نماذج التنبؤ بالتسلسل والأساليب القائمة على الرسوم البيانية التي تتعلم أنماط القراءة من بيانات التدريب.

  • تصنيف المناطق يحدد أنواعا مختلفة من مناطق النصوص (الرؤوس، النص الرئيسي، الترجمات، الجداول).

    • مصنفات قائمة على الميزات: أجهزة متجهة تدعم (SVMs) تستخدم ميزات يدوية مثل حجم الخط، الموضع، والتنسيق
    • نماذج التعلم العميق: الشبكات العصبية الالفافية ومحولات الرؤية المدربة على مجموعات بيانات الوثائق المعنونة

المرحلة 4: التعرف على الشخصيات وتصنيفها

هذا هو جوهر عملية التعرف الضوئي على الحروف حيث يتم تحديد الشخصيات الفردية:

  • استخراج الميزات: يحلل الشكل والحجم والخصائص المميزة لكل حرف أو رمز.

    • الطرق التقليدية: السمات الإحصائية مثل العزوم، وواصفات فورييه، والميزات البنيوية (الحلقات، نقاط النهاية، التقاطعات)
    • أساليب التعلم العميق: الشبكات العصبية الالتفافية التي تتعلم تلقائيا الميزات التمييزية من بيانات البكسل الخام

  • مطابقة الأنماط: تقارن الميزات المستخرجة مع نماذج مدربة تتعرف على خطوط وأحجام وأنماط كتابة مختلفة.

    • مطابقة القوالب: مقارنة مباشرة مع قوالب الحروف المخزنة باستخدام تقنيات الارتباط
    • المصنفات الإحصائية: نماذج ماركوف المخفية (HMMs)، آلات متجهات الدعم، وأقرب الجيران باستخدام متجهات الميزات
    • الشبكات العصبية: البيرسيبترونات متعددة الطبقات، CNNs، والهياكل المتخصصة مثل LeNet للتعرف على الأرقام
    • التعلم العميق المتقدم: الشبكات المتبقية (ResNet)، DenseNet، وEfficientNet لتصنيف الأحرف المتين

  • تحليل السياق: يستخدم الحروف والكلمات المحيطة لتحسين دقة التعرف من خلال البحث في القواميس ونماذج اللغة.

    • نماذج N-gram: نماذج لغوية إحصائية تتنبأ بتتابع الأحرف بناء على توزيعات الاحتمالات.
    • التصحيح المعتمد على القاموس: البحث عن المعجم باستخدام خوارزميات مسافة التحرير (مثل مسافة ليفنشتين) لتصحيح الإملاء.
    • نماذج اللغة العصبية: نماذج LSTM ونماذج قائمة على المحولات (مثل متغيرات BERT) التي تفهم العلاقات السياقية.
    • آليات الانتباه: نماذج ترانسفورمر تركز على الأجزاء ذات الصلة من المدخلات عند إجراء توقعات الشخصية.

  • تقييم الثقة: يمنح درجات احتمالية لكل شخصية معترف بها بناء على مدى يقين النظام بشأن تحديدها.

    • المناهج البايزية: نماذج احتمالية تقيس عدم اليقين في توقعات الشخصية.
    • مخرجات سوفت ماكس: تم تحويل تفعيل الطبقة النهائية لشبكة الأعصاب إلى توزيعات احتمالية.
    • طرق المجموعة: دمج التنبؤات من نماذج متعددة لتحسين تقديرات الثقة.

المرحلة 5: توليد المخرجات والمعالجة اللاحقة

المرحلة النهائية تحول نتائج التعرف إلى بيانات نصية قابلة للاستخدام:

  • تجميع النصوص: يجمع التعرف على الشخصيات الفردية في كلمات وجمل كاملة.

    • التجميع القائم على القواعد: خوارزميات حتمية تجمع بين توقعات الأحرف باستخدام عتبات القرب المكاني وثقة الثقة.
    • نماذج التسلسل: شبكات عصبية متكررة (RNNs) وشبكات ذاكرة Short-Term طويلة (LSTM) التي تنمذج النص كبيانات متسلسلة.
    • نماذج قائمة على الانتباه: هياكل ترانسفورمر يمكنها التعامل مع تسلسلات متغيرة الطول وتخطيطات نصوص معقدة.

  • حفظ التنسيق: يحافظ على هيكل المستند بما في ذلك الفقرات، فواصل الأسطر، والتباعد.

    • الخوارزميات الهندسية: أنظمة قائمة على القواعد تستخدم إحداثيات صناديق الحدود وتحليل المساحات البيضاء.
    • نماذج فهم التخطيط: رسم الشبكات العصبية البيانية وتوثق نماذج الذكاء الاصطناعي التي تتعلم العلاقات الهيكلية.
    • المحولات متعددة الوسائط: نماذج مثل LayoutLM تجمع بين النص ومعلومات التخطيط للحفاظ على الهيكل.

  • تعيين الإحداثيات: يسجل الموقع الدقيق لكل عنصر نصي داخل الصورة الأصلية.

    • تحويل الإحداثيات: التعيين الرياضي بين بكسلات الصورة وإحداثيات المستندات.
    • الفهرسة المكانية: هياكل بيانات مثل أشجار R وأشجار الرباعية لاستعلامات مكانية فعالة.
    • نماذج الانحدار: شبكات عصبية مدربة على التنبؤ بدقة بإحداثيات تحديد موقع النص.

  • التحقق من الجودة: يطبق فحوصات الإملاء والقواعد لتحديد أخطاء التعرف المحتملة.

    • التحقق المعتمد على القاموس: ابحث مع قوائم كلمات شاملة ومفردات المجالات المتخصصة.
    • نماذج اللغة الإحصائية: نماذج N-gram ومحللات احتمالية للقواعد والتحقق من السياق.
    • نماذج اللغة العصبية: نماذج مدربة مسبقا مثل GPT أو BERT مضبوطة بدقة لاكتشاف وتصحيح أخطاء التعرف الضوئي على الحرارة.
    • التحقق الجماعي: يجمع بين عدة طرق تحقق لتحسين دقة اكتشاف الأخطاء.