OCR ತಂತ್ರಜ್ಞಾನ ಎಂದರೇನು?
ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್ (ಇಂಗ್ಲಿಷ್: ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್, ಒಸಿಆರ್) ಪಠ್ಯ ಮತ್ತು ಲೇಔಟ್ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಪಠ್ಯ ಸಾಮಗ್ರಿಗಳ ಇಮೇಜ್ ಫೈಲ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮತ್ತು ಗುರುತಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.
ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ಯಂತ್ರ ದೃಷ್ಟಿ ತಂತ್ರಜ್ಞಾನದಂತೆಯೇ, OCR ತಂತ್ರಜ್ಞಾನದ ಸಂಸ್ಕರಣಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಇನ್‌ಪುಟ್, ಪೂರ್ವ-ಸಂಸ್ಕರಣೆ, ಮಧ್ಯ-ಅವಧಿಯ ಸಂಸ್ಕರಣೆ, ಪೋಸ್ಟ್-ಪ್ರೊಸೆಸಿಂಗ್ ಮತ್ತು ಔಟ್ಪುಟ್ ಪ್ರಕ್ರಿಯೆಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
ನಮೂದಿಸಿ
ವಿಭಿನ್ನ ಇಮೇಜ್ ಫಾರ್ಮ್ಯಾಟ್‌ಗಳಿಗಾಗಿ, ವಿಭಿನ್ನ ಶೇಖರಣಾ ಸ್ವರೂಪಗಳು ಮತ್ತು ವಿಭಿನ್ನ ಸಂಕೋಚನ ವಿಧಾನಗಳಿವೆ.ಪ್ರಸ್ತುತ, OpenCV, CxImage, ಇತ್ಯಾದಿಗಳಿವೆ.
ಪೂರ್ವ ಸಂಸ್ಕರಣೆ - ಬೈನರೈಸೇಶನ್
ಇಂದು ಡಿಜಿಟಲ್ ಕ್ಯಾಮೆರಾಗಳಿಂದ ತೆಗೆದ ಹೆಚ್ಚಿನ ಚಿತ್ರಗಳು ಬಣ್ಣದ ಚಿತ್ರಗಳಾಗಿವೆ, ಅವುಗಳು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ ಮತ್ತು OCR ತಂತ್ರಜ್ಞಾನಕ್ಕೆ ಸೂಕ್ತವಲ್ಲ.
ಚಿತ್ರದ ವಿಷಯಕ್ಕಾಗಿ, ನಾವು ಅದನ್ನು ಸರಳವಾಗಿ ಮುಂಭಾಗ ಮತ್ತು ಹಿನ್ನೆಲೆಯಾಗಿ ವಿಂಗಡಿಸಬಹುದು.ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ವೇಗವಾಗಿ ಮಾಡಲು ಮತ್ತು OCR ಸಂಬಂಧಿತ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಉತ್ತಮವಾಗಿ ನಿರ್ವಹಿಸಲು, ನಾವು ಮೊದಲು ಬಣ್ಣದ ಚಿತ್ರವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕಾಗಿದೆ, ಇದರಿಂದಾಗಿ ಮುಂಭಾಗದ ಮಾಹಿತಿ ಮತ್ತು ಹಿನ್ನೆಲೆ ಮಾಹಿತಿ ಮಾತ್ರ ಚಿತ್ರದಲ್ಲಿ ಉಳಿಯುತ್ತದೆ.ಬೈನರೈಸೇಶನ್ ಅನ್ನು "ಕಪ್ಪು ಮತ್ತು ಬಿಳಿ" ಎಂದು ಸರಳವಾಗಿ ಅರ್ಥೈಸಿಕೊಳ್ಳಬಹುದು.
ಚಿತ್ರದ ಶಬ್ದ ಕಡಿತ
ವಿಭಿನ್ನ ಚಿತ್ರಗಳಿಗೆ, ಶಬ್ದದ ವ್ಯಾಖ್ಯಾನವು ವಿಭಿನ್ನವಾಗಿರಬಹುದು ಮತ್ತು ಶಬ್ದದ ಗುಣಲಕ್ಷಣಗಳ ಪ್ರಕಾರ ಡಿನಾಯ್ಸಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಶಬ್ದ ಕಡಿತ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಟಿಲ್ಟ್ ತಿದ್ದುಪಡಿ
ಏಕೆಂದರೆ ಸಾಮಾನ್ಯ ಬಳಕೆದಾರರು, ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳ ಚಿತ್ರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಾಗ, ಸಮತಲ ಮತ್ತು ಲಂಬ ಜೋಡಣೆಗೆ ಅನುಗುಣವಾಗಿ ಸಂಪೂರ್ಣವಾಗಿ ಶೂಟ್ ಮಾಡುವುದು ಕಷ್ಟ, ಆದ್ದರಿಂದ ತೆಗೆದ ಚಿತ್ರಗಳು ಅನಿವಾರ್ಯವಾಗಿ ಓರೆಯಾಗುತ್ತವೆ, ಇದನ್ನು ಸರಿಪಡಿಸಲು ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ ಸಾಫ್ಟ್‌ವೇರ್ ಅಗತ್ಯವಿರುತ್ತದೆ.
ಮಧ್ಯಾವಧಿಯ ಪ್ರಕ್ರಿಯೆ - ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆ
ಡಾಕ್ಯುಮೆಂಟ್ ಚಿತ್ರಗಳನ್ನು ಪ್ಯಾರಾಗಳು ಮತ್ತು ಶಾಖೆಗಳಾಗಿ ವಿಭಜಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.ನೈಜ ದಾಖಲೆಗಳ ವೈವಿಧ್ಯತೆ ಮತ್ತು ಸಂಕೀರ್ಣತೆಯ ಕಾರಣದಿಂದಾಗಿ, ಈ ಹಂತವನ್ನು ಇನ್ನೂ ಆಪ್ಟಿಮೈಸ್ ಮಾಡಬೇಕಾಗಿದೆ.
ಪಾತ್ರ ಕತ್ತರಿಸುವುದು
ಛಾಯಾಗ್ರಹಣ ಮತ್ತು ಬರವಣಿಗೆಯ ಪರಿಸ್ಥಿತಿಗಳ ಮಿತಿಗಳಿಂದಾಗಿ, ಅಕ್ಷರಗಳು ಹೆಚ್ಚಾಗಿ ಅಂಟಿಕೊಂಡಿರುತ್ತವೆ ಮತ್ತು ಪೆನ್ನುಗಳು ಮುರಿಯಲ್ಪಡುತ್ತವೆ.OCR ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಅಂತಹ ಚಿತ್ರಗಳನ್ನು ನೇರವಾಗಿ ಬಳಸುವುದು OCR ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೆಚ್ಚು ಮಿತಿಗೊಳಿಸುತ್ತದೆ.ಆದ್ದರಿಂದ, ಅಕ್ಷರ ವಿಭಜನೆಯ ಅಗತ್ಯವಿದೆ, ಅಂದರೆ, ವಿಭಿನ್ನ ಅಕ್ಷರಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು.
ಪಾತ್ರ ಗುರುತಿಸುವಿಕೆ
ಆರಂಭಿಕ ಹಂತದಲ್ಲಿ, ಟೆಂಪ್ಲೇಟ್ ಹೊಂದಾಣಿಕೆಯನ್ನು ಮುಖ್ಯವಾಗಿ ಬಳಸಲಾಯಿತು, ಮತ್ತು ನಂತರದ ಹಂತದಲ್ಲಿ, ವೈಶಿಷ್ಟ್ಯದ ಹೊರತೆಗೆಯುವಿಕೆಯನ್ನು ಮುಖ್ಯವಾಗಿ ಬಳಸಲಾಯಿತು.ಪಠ್ಯ ಸ್ಥಳಾಂತರ, ಸ್ಟ್ರೋಕ್ ದಪ್ಪ, ಮುರಿದ ಪೆನ್, ಅಂಟಿಕೊಳ್ಳುವಿಕೆ, ತಿರುಗುವಿಕೆ ಮುಂತಾದ ಅಂಶಗಳ ಪ್ರಭಾವದಿಂದಾಗಿ, ವೈಶಿಷ್ಟ್ಯದ ಹೊರತೆಗೆಯುವಿಕೆಯ ತೊಂದರೆಯು ಹೆಚ್ಚು ಪರಿಣಾಮ ಬೀರುತ್ತದೆ.
ಲೇಔಟ್ ಪುನಃಸ್ಥಾಪನೆ
ಗುರುತಿಸಲ್ಪಟ್ಟ ಪಠ್ಯವು ಇನ್ನೂ ಮೂಲ ಡಾಕ್ಯುಮೆಂಟ್ ಚಿತ್ರದಂತೆ ಜೋಡಿಸಲ್ಪಟ್ಟಿದೆ ಎಂದು ಜನರು ಭಾವಿಸುತ್ತಾರೆ ಮತ್ತು ಪ್ಯಾರಾಗಳು, ಸ್ಥಾನಗಳು ಮತ್ತು ಆದೇಶವು ವರ್ಡ್ ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳು, PDF ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳು ಇತ್ಯಾದಿಗಳಿಗೆ ಔಟ್ಪುಟ್ ಆಗಿರುತ್ತದೆ ಮತ್ತು ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಲೇಔಟ್ ಮರುಸ್ಥಾಪನೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಸಂಸ್ಕರಣೆಯ ನಂತರ
ನಿರ್ದಿಷ್ಟ ಭಾಷಾ ಸಂದರ್ಭದ ಸಂಬಂಧದ ಪ್ರಕಾರ, ಗುರುತಿಸುವಿಕೆಯ ಫಲಿತಾಂಶವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ.
ಔಟ್ಪುಟ್
ಗುರುತಿಸಲಾದ ಅಕ್ಷರಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ಸ್ವರೂಪದಲ್ಲಿ ಪಠ್ಯವಾಗಿ ಔಟ್ಪುಟ್ ಮಾಡಿ.
OCR ತಂತ್ರಜ್ಞಾನದ ಆಧಾರದ ಮೇಲೆ ಹ್ಯಾಂಡ್ಹೆಲ್ಡ್ ಟರ್ಮಿನಲ್‌ಗಳ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಯಾವುವು?
OCR ಅಕ್ಷರ ಗುರುತಿಸುವಿಕೆ ಸಾಫ್ಟ್‌ವೇರ್‌ನೊಂದಿಗೆ ಲೋಡ್ ಮಾಡಲಾದ ಹ್ಯಾಂಡ್ಹೆಲ್ಡ್ ಟರ್ಮಿನಲ್ PDA ಮೂಲಕ, ಅನೇಕ ದೃಶ್ಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಅರಿತುಕೊಳ್ಳಬಹುದು, ಅವುಗಳೆಂದರೆ: ಕಾರ್ ಪರವಾನಗಿ ಪ್ಲೇಟ್ ಗುರುತಿಸುವಿಕೆ, ಕಂಟೇನರ್ ಸಂಖ್ಯೆ ಗುರುತಿಸುವಿಕೆ, ಆಮದು ಮಾಡಿದ ಗೋಮಾಂಸ ಮತ್ತು ಮಟನ್ ತೂಕದ ಲೇಬಲ್ ಗುರುತಿಸುವಿಕೆ, ಪಾಸ್‌ಪೋರ್ಟ್ ಯಂತ್ರ-ಓದಬಲ್ಲ ಪ್ರದೇಶ ಗುರುತಿಸುವಿಕೆ, ವಿದ್ಯುತ್ ಮೀಟರ್ ಓದುವ ಗುರುತಿಸುವಿಕೆ , ಸ್ಟೀಲ್ ಕಾಯಿಲ್ ಸ್ಪ್ರೇ ಮಾಡಿದ ಪಾತ್ರಗಳ ಗುರುತಿಸುವಿಕೆ.
ಪೋಸ್ಟ್ ಸಮಯ: ನವೆಂಬರ್-16-2022