Telefonla çekilmiş bir belge fotoğrafından metin kopyalayabilmek büyük kolaylık sağlar. OCR, yani optik karakter tanıma, görüntüdeki yazıları işlenebilir metne dönüştürmek için kullanılır. Ancak sonuç bir insanın okuduğu belgeyle her zaman birebir aynı olmaz. Özellikle sayılar, tablolar ve bozuk çekimler dikkat ister.
Önce giriş görüntüsünü iyileştirin
Eğik sayfa, gölge, parlama ve düşük çözünürlük tanımayı zorlaştırabilir. Belgeyi düz bir yüzeye koyun, bütün köşelerin görünmesini sağlayın ve okunabilir ışık kullanın. Ekranda rahatça seçemediğiniz küçük yazının yazılım tarafından kusursuz tanınmasını beklemeyin.
Tarayıcı veya belge çekim uygulamasının kırpma düzeltmesi yardımcı olabilir. Yine de otomatik kırpmanın kenardaki notları silip silmediğini kontrol edin. İkinci sayfanın eksik kalması, karakter hatasından daha büyük bir bilgi kaybı yaratabilir. Sayfa sayısını baştan kayıt altına alın.
Metin çıkarma ile belgeyi anlama işini ayırın
OCR harfleri tanıyabilir; belge işleme araçları bunun yanında alan, tablo veya düzen bilgisi çıkarabilir. Bu sonuçlar farklı seviyelerde değerlendirilmelidir. “Toplam” kelimesinin bulunması, yanındaki sayının doğru hücreyle eşleştirildiğini kanıtlamaz.
Örneğin bir stok listesinde ürün kodu, adet ve açıklama sütunları vardır. Satır kayması bir ürünün adedini diğerine bağlayabilir. Düz metin çıktısı okunabilir görünse bile tablo yapısının kaybolması sonraki hesaplamayı bozabilir. Çıktıyı işin gerektirdiği biçimde inceleyin.
Kritik alanları kaynakla karşılaştırın
Otomatik tanıma sonucundaki bir karakter farkı, bazı işlerde önemsizken bazı işlerde belirleyicidir. Ürün kodundaki sıfır ile O harfi, tarih ayracı veya ondalık işareti yanlış okunabilir. Parasal ya da kimlik belirleyen alanlarda ayrı kontrol gerekir.
Basit bir doğrulama listesi oluşturun:
- Sayfa sayısı kaynakla aynı mı?
- Başlıklar ve paragraflar doğru sırada mı?
- Tablo satırları birbirine karışmış mı?
- Sayılar, birimler ve tarihler doğru mu?
- El yazısı notlar veya dipnotlar atlanmış mı?
Aracın verdiği güven puanı varsa bunu önceliklendirme yardımı olarak kullanın; doğruluk garantisi gibi görmeyin.
Düzeltilebilir bir çalışma dosyası üretin
Kaynak görüntüyü saklayın ve çıkarılmış metni ayrı dosyada tutun. Sonradan bir hata fark edildiğinde hangi sayfadan geldiğini bulabilmek gerekir. Uzun belgelerde sayfa numarası veya kaynak bağlantısı eklemek incelemeyi hızlandırabilir.
Sadece arama yapılabilir PDF istiyorsanız gereksiz biçim dönüşümlerinden kaçının. Tabloyu hesaplamak istiyorsanız hücrelerin sayısal veri olarak tanındığını doğrulayın. Belgeyi özetletecekseniz OCR hatalarını önce düzeltin; yanlış metni akıcı bir özete dönüştürmek hatayı görünmez hâle getirebilir.
Tekrarlanan belge türlerinde örneklem kurun
Aynı formdan çok sayıda işliyorsanız farklı baskı, tarama ve doldurma örneklerini değerlendirin. Tek temiz sayfada başarı, bütün arşiv için yeterli kanıt değildir. Boş alan, kaşe, çok sütun ve düşük kontrast gibi durumları ayrıca deneyin.
Belgelerin kişisel veya kurumsal bilgi içerebileceğini de unutmayın. Yükleme yapılacak hizmetin veri koşullarını göreve uygun biçimde inceleyin. OCR en çok, görüntü kalitesiyle insan doğrulamasının birlikte planlandığı süreçlerde işe yarar; tek tuşla kusursuz arşiv üretimi olarak ele alındığında hayal kırıklığı yaratabilir.
Bir arşiv projesinde önce farklı kalitelerden küçük bir örnek grup seçin. Temiz baskı, eğik çekim, çok sütunlu sayfa ve el yazılı not içeren belge aynı zorlukta değildir. Her grup için gereken düzeltme süresini kaydedin; yalnızca işlem hızını ölçmeyin. Hızlı çıkarılan fakat uzun süre elle düzeltilen metin toplam işte avantaj sağlamayabilir. Sayısal bir tabloyu kontrol ederken satır sayısı ve toplam gibi yardımcı kontroller kullanabilirsiniz, ancak bunların karakter düzeyindeki bütün hataları bulacağını varsaymayın. Özgün görüntüyü korumak, ileride fark edilen sorunların yeniden incelenmesini mümkün kılar.
