🌨️ 🤖 🔁 ABBYY FlexiCapture इंजन 10.0: एक नए उपकरण के साथ लचीलेपन का प्रशिक्षण 🙋🏻 👨🏿‍🎨 👩🏿‍🤝‍👨🏼

डेवलपर्स पुनःपूर्ति के लिए हमारे उत्पादों में - एबीबीवाई फ्लेक्सीकैप्ट्योर इंजन का अगला संस्करण जारी किया गया है। मैं आपको याद दिलाता हूं कि यह एक ऐसा उत्पाद है जो आपको उपयोगकर्ता समाधान में छवियों (डेटा कैप्चर) से डेटा दर्ज करने के लिए प्रौद्योगिकी को एम्बेड करने की अनुमति देता है।

नए संस्करण की दिलचस्प विशेषताओं में से एक सरल प्रकार के दस्तावेजों से डेटा निकालने के लिए जल्दी से कॉन्फ़िगर करने की क्षमता थी। मेरे सहयोगियों ने पहले ही Habr के पाठकों को इस बारे में बताया है कि यह फ़ंक्शन FlexiLayout Studio 10. में कैसे लागू किया गया है। इस कार्यक्षमता के पूर्ण प्रोग्रामेटिक एक्सेस को देते हुए, उत्पाद के नए संस्करण में एक एपीआई जोड़ा गया है। इसके अलावा, हमने एक आसानी से उपयोग किया जाने वाला उपकरण बनाया (स्रोत कोड के रूप में भी उपलब्ध है) जो आपको उपयोगकर्ता के कार्य को कुछ ही मिनटों में ट्यून करने की अनुमति देता है (जैसा कि इस वीडियो में दिखाया गया है) और तकनीक की सूक्ष्मताओं में गहराई से बिना किसी समाधान के त्वरित कार्यशील प्रोटोटाइप बनाते हैं।

यह लेख डेवलपर्स के लिए डेवलपर द्वारा लिखा गया था और आपको इस तकनीक की संभावनाओं और सीमाओं के बारे में बताएगा - कुछ ऐसा जो आपको विपणन सामग्रियों में नहीं मिलेगा।

डेटा कैप्चर प्रौद्योगिकियों के व्यापक उपयोग के रास्ते में खड़ी ज्ञात समस्याओं में से एक आवश्यक छवि प्रकारों के साथ काम स्थापित करने में समय और प्रयास का उच्च प्रारंभिक निवेश है। एक इंटीग्रेटर-डेवलपर को कई उपकरणों के साथ काम करना सीखना होगा और एक जटिल तकनीक की पेचीदगियों को समझना होगा, जो अक्सर उनके मुख्य कार्य प्रोफ़ाइल और पिछले अनुभव के अनुरूप नहीं होते हैं। उसके बाद ही वह टर्नकी समाधान के सबसे सरल प्रोटोटाइप को इकट्ठा कर सकता है और पूरे प्रोजेक्ट की प्रभावशीलता और व्यवहार्यता का मूल्यांकन कर सकता है।

नया टूलकिट आपको तकनीक के साथ एक गहरे परिचित को स्थगित करने की अनुमति देता है, या तो रिलीज से पहले तैयार-किए गए समाधान को ठीक करने के चरण में, या यहां तक कि दो संस्करण के लिए भी। यह FlexiLayout Studio जैसे एक उन्नत टूल को पूरी तरह से बदल नहीं सकता है, लेकिन यह आपको सरल मामलों में या अधिक जटिल मामलों में काम को फिर से जटिल नहीं करने देता है, जल्दी से एक सरलीकृत कार्य प्रोटोटाइप प्राप्त करता है।

जैसा कि हमने इस लेख में पहले ही यहां बताया है, वास्तव में एपीआई का उपयोग करके डेटा निकालने के लिए कोड की केवल कुछ पंक्तियों की आवश्यकता होती है, जिनमें से, हालांकि, यहां एक ही है:

//            IFlexiCaptureProcessor processor = engine.CreateFlexiCaptureProcessor(); processor.AddDocumentDefinitionFile( sampleFolder + "Invoice_eng.fcdot" );

कोड की यह एकल पंक्ति एक निश्चित प्रकार के दस्तावेज़ के लिए काम करती है। FCDOT एक्सटेंशन ( F lexi C apture DO cument T emplate) के साथ एक फ़ाइल में लगाए गए प्रतिबंधों के साथ निकाले गए डेटा का विवरण होता है, छवि में इस डेटा को खोजने का एक तरीका, मान्यता सेटिंग्स और, वैकल्पिक रूप से, दस्तावेज़ डेटा निर्यात करने के लिए सेटिंग्स।

उदाहरणों के साथ काम करते समय, सब कुछ सरल है - आवश्यक दस्तावेज़ परिभाषा फ़ाइल संलग्न है। हालांकि, मौजूदा कार्य के लिए एक दस्तावेज़ की समान परिभाषा कैसे प्राप्त करें, बस "महसूस" करने के लिए कि यह कैसे काम करेगा?

10 के रिलीज से पहले, किसी भी मामले में, फ्लेक्सीकैप्चर के डेस्कटॉप संस्करण को स्थापित करना और कम से कम दस्तावेज़ परिभाषा संपादक (अच्छी तरह से परिभाषित संदर्भ बिंदुओं के साथ एक कठोर संरचना वाले दस्तावेजों के साथ काम करने के लिए) के साथ काम करना सीखना आवश्यक था, और अधिकांशतः "महत्वपूर्ण" मामलों में भी यह आवश्यक था। दस्तावेज़ों के लचीले लेआउट का वर्णन करने के लिए FlexiLayout Studio टूल के साथ काम करना सीखें। एक ही समय में, आप शायद ही "मीटिंग" का सबसे सरल कार्य संस्करण भी बना पाएंगे - लगभग निश्चित रूप से आपको दोनों टूल के लिए प्रलेखन को ध्यान से पढ़ना होगा या प्रशिक्षण पाठ्यक्रम लेना होगा।

अब क्या? अब हमारे पास एक सरल उदाहरण है, स्वचालित टेम्प्लेट जनरेशन टूल, जिसे विज़ार्ड के रूप में बनाया गया है, जो आपको कुछ ही मिनटों में एक संतोषजनक कामकाजी प्रोटोटाइप प्राप्त करने में मदद करेगा। आइए एक उदाहरण देखें कि यह कैसे काम करता है।

कार्य

मान लीजिए हम कुछ लेखा प्रणाली में चेक दर्ज करने के लिए एक आवेदन लिखना चाहते हैं और हमारे पास स्कैन किए गए चेक का एक गुच्छा है। हम इस पैक से एक ही प्रकार के चेक का चयन करेंगे और अपने आवेदन के लिए दस्तावेज़ की परिभाषा (दस्तावेज़ टेम्पलेट) का एक प्रोटोटाइप बनाने का प्रयास करेंगे।

मैं संभावनाओं और सीमाओं के बारे में पहले से कहूंगा:

• हम एक सार्वभौमिक टेम्प्लेट नहीं बना पाएंगे जो मनमाने ढंग से जांच के साथ काम करता है - हमारा टेम्पलेट एक ही स्रोत से अधिक या कम एक ही प्रकार के चेक के साथ अच्छी तरह से काम करेगा।
• वर्तमान संस्करण में, हम तालिकाओं जैसे जटिल संरचनाओं का वर्णन करने में सक्षम नहीं होंगे ; ऐसी चीजों के लिए आपको FlexiLayout Studio सीखने की आवश्यकता है
• लेकिन हम संख्या, दिनांक, राशि , आदि जैसे "फ्लैट" डेटा को काफी निकाल सकते हैं।

निर्णय

तो चलिए शुरू करते हैं। सबसे पहले, हमें उस प्रकार के कई (3-5 टुकड़े) चित्रों के साथ एक डैडी की आवश्यकता है, जिसमें हम रुचि रखते हैं। यह ट्रेनिंग इमेज फोल्डर होगा। इस स्तर पर, अच्छी गुणवत्ता वाली छवियां हमारे लिए वांछनीय हैं ताकि डेटा में कोई अतिरिक्त "शोर" न हो और टेम्पलेट पूर्ण मान्यता के मामले से मेल खाता हो।

1. विज़ार्ड चलाएँ और हमारे फ़ोल्डर के लिए पथ निर्दिष्ट करें:

2. एक भाषा चुनें:

3. निकाले गए क्षेत्रों को "ड्रा" करें और उन्हें नाम दें:

4. अब हमें संदर्भ तत्वों (रेफरेंस एलिमेंट्स) को आकर्षित करने की आवश्यकता है। पूरी प्रक्रिया में यह एकमात्र एकमात्र तुच्छ कदम नहीं है। सहायक तत्व एक छवि (आमतौर पर पाठ) में कुछ चयनित स्थिर (यानी, स्थायी) ऑब्जेक्ट हैं, जिनके खिलाफ चर सामग्री वाले क्षेत्रों की खोज की जाती है। आमतौर पर, हमारे उदाहरण के रूप में (स्क्रीनशॉट देखें), फ़ील्ड नाम समर्थन तत्वों की भूमिका के लिए अच्छे उम्मीदवार हैं।

मालकिन नोट

एनबी। एक समर्थन तत्व प्रत्येक क्षेत्र में होना आवश्यक नहीं है। यह एक छोटे से दस्तावेज़ पर एक स्थायी रेखा हो सकती है, जिसके संबंध में खेतों को काफी कठोर रूप से व्यवस्थित किया जाता है। बहुत सारे समर्थन तत्व नहीं होने चाहिए ताकि अनावश्यक भ्रम का परिचय न हो। सहायक तत्व का पाठ बदल सकता है, मुख्य बात यह है कि शब्दार्थ को संरक्षित करने के लिए: हमारे मामले में, "चेक:" के बजाय कुछ जांचों पर, "कुल:" हो सकता है - सीखने की प्रक्रिया में, आपको बस एक बार यह इंगित करने की आवश्यकता है कि यह एक और एक ही है। यह महत्वपूर्ण है कि पाठ अद्वितीय है - उदाहरण के लिए, यदि "कुल" और "कुल मिलाकर वैट" दस्तावेज़ पर एक साथ मौजूद हैं, तो एक अलग शब्द "कुल" एक बुरा समर्थन होगा।

5. इसके बाद, हम क्रमिक रूप से हमारे प्रशिक्षण पैकेज में सभी छवियों के माध्यम से जाते हैं और मार्कअप की जांच करते हैं। प्रत्येक तस्वीर के लिए सिस्टम एक मार्कअप विकल्प प्रदान करता है, जो पहले से ही परीक्षण किए गए चित्रों पर प्रशिक्षण के परिणामों के अनुसार प्राप्त किया जाता है। हमारा काम त्रुटियों को सही करना है: खेतों की ज्यामिति को ठीक करना, जो नहीं मिला है उसे खींचना, अतिरिक्त लोगों को निकालना। हमारे मामले में, पहली तस्वीर के बाद ओवरले में कोई त्रुटि नहीं है, लेकिन मान्यता के साथ छोटी समस्याएं हैं।

मालकिन नोट

एनबी। मान्यता की समस्याएं इस तथ्य के कारण होती हैं कि हम डिफ़ॉल्ट मान्यता विकल्पों का उपयोग करते हैं जहां हम उन्हें स्पष्ट कर सकते हैं (उदाहरण के लिए, फ़ॉन्ट प्रकार को एक डॉट मैट्रिक्स प्रिंटर पर सेट करें और संभव वर्णमाला को सीमित करें या कुछ क्षेत्रों के लिए एक नियमित अभिव्यक्ति सेट करें)। अभी एपीआई में ऐसा अवसर है, लेकिन अभी तक विचाराधीन टूल में ऐसी कोई कार्यक्षमता नहीं है।

एनबी। कुछ फ़ील्ड कुछ छवियों पर दिखाई नहीं दे सकती हैं।

एनबी। टेम्प्लेट \ संशोधित भाषा और फ़ील्ड्स मेनू का उपयोग करके, यदि आप कुछ भूल जाते हैं, तो आप किसी भी समय भाषा और फ़ील्ड का संपादन कर सकते हैं।

6. जब हमने चयनित छवियों पर प्रशिक्षण समाप्त कर लिया है, तो परिणामी टेम्पलेट की जांच करना प्रस्तावित है। हम "हां" का जवाब देते हैं और एक परीक्षण फ़ोल्डर के रूप में चयन करते हैं, जहां वांछित प्रकार की सभी छवियां जो हम स्थित हैं।

फ़ोल्डर से प्रत्येक चित्र के लिए लगातार, हमें ओवरले परिणाम की पेशकश की जाती है। हमारा काम आंकड़ों को इकट्ठा करने के लिए सफल या असफल पर क्लिक करना है। यदि टेम्पलेट कुछ चित्र के साथ ओवरलैप नहीं होता है, और चित्र काफी सामान्य दिखता है, तो हम बटन पर क्लिक करके परीक्षण के लिए पैकेज में जोड़ सकते हैं वर्तमान छवि को प्रशिक्षण बैच में जोड़ें। परीक्षण पूरा होने के बाद, "जोड़े गए चित्रों पर पुनः प्रयास करना" संभव होगा और इस प्रकार, टेम्पलेट में लगातार सुधार होगा।

मालकिन नोट

एनबी। इस स्तर पर, आप सामान्य त्रुटियों को ध्यान में रखने के लिए प्रशिक्षण पैकेज में सबसे खराब गुणवत्ता वाली छवियों को मिला सकते हैं। मुख्य बात यह ज़्यादा नहीं है।
एनबी। आवेदन के साथ काम किसी भी समय बाधित हो सकता है। जब आप पुनः आरंभ करते हैं, तो आप उस स्थान से जारी रख सकते हैं जहाँ आपने समाप्त किया था। इसके अलावा, हम हमेशा अपने "प्रोजेक्ट" पर लौट सकते हैं यदि एक सप्ताह या एक महीने में नई छवियां दिखाई दीं, जिस पर हम काम में सुधार करना चाहते हैं।

7. परिणाम से हमें संतुष्ट होने के बाद, आखिरी चीज जो हमें करने की ज़रूरत है वह परिणामी टेम्पलेट को एक एफसीडीओटी फ़ाइल में निर्यात करना है, जहां यह सब शुरू हुआ, और हमारे आवेदन के लिए कोड लिखने पर वापस लौटें।

परिणाम

नतीजतन, हमें एक ऐसा टेम्पलेट मिला, जो हमारी छवियों (90 से अधिक गुणवत्ता के साथ) पर बहुत अच्छी तरह से लागू होता है, लेकिन फ़ील्ड को पहचानने में कुछ समस्याएं हैं, क्योंकि फ़ॉन्ट सुविधाओं और फ़ील्ड्स के डेटा प्रकार (दिनांक, संख्या,) को ध्यान में नहीं रखा जाता है। प्रोटोटाइप के लिए, यह काफी अच्छा है।

एक बार फिर, वर्णित उपकरण सार्वभौमिक होने के लिए शुद्ध नहीं करता है। यदि आपको बहुमुखी प्रतिभा की आवश्यकता है, तो आपको सीखना होगा कि फ्लेक्सिलेटआउट स्टूडियो और लचीले विवरण की भाषा का उपयोग कैसे करें। लेकिन वास्तव में सरल कार्यों जैसे "कई क्षेत्रों को निकालने" के लिए, यह बहुत अच्छी तरह से काम करता है और आपको तेजी से और आसान काम करने की अनुमति देता है।

एपीआई के बारे में थोड़ा सा

वर्णित टूल पूरी तरह से एक सार्वजनिक एपीआई में लिखा गया है, स्रोत कोड के साथ आता है, और हमारे ग्राहक इसे अपनी आवश्यकताओं के लिए संशोधित कर सकते हैं या अंतिम उपयोगकर्ताओं के लिए विनिर्माण उपकरण के लिए आधार के रूप में उपयोग कर सकते हैं। अंतिम उपयोगकर्ताओं के लिए, इस तरह की कार्यक्षमता नए दस्तावेज़ों के लिए सिस्टम को जल्दी से कॉन्फ़िगर करने की क्षमता के लिए उपयोगी हो सकती है।

एपीआई कॉल के स्तर पर उदाहरण का काम इस तरह दिखता है (नीचे टिप्पणी देखें):

SCENARIO 1 - लाइनर। IDEAS शुरुआत से अंत तक अनुमानित हैं। UNDERSTAND के लिए आसान है

कोड

 //        ITrainingBatch trainingBatch = engine.CreateTrainingBatch( rootFolder, "_TrainingBatch", "English" ); try { trainingBatch.AddImageFile( rootFolder + "\\00.jpg" ); trainingBatch.AddImageFile( rootFolder + "\\01.jpg" ); //       ITrainingPage firstPage = trainingBatch.Pages[0]; //      .        //   (    UI   ) firstPage.PrepareLayout(); //  “”      .    for( int j = 0; j < firstPage.ImageObjects.Count; j++ ) { ITrainingImageObject obj = firstPage.ImageObjects[j]; string text = obj.RecognizedText; //  “”  if( text == "978-1-4095-3439-6" ) { // “”  ITrainingField isbnField = trainingBatch.Definition.Fields.AddNew( "ISBN", TrainingFieldTypeEnum.TFT_Field ); firstPage.SetFieldBlock( isbnField, obj.Region ); break; } } for( int j = 0; j < firstPage.ImageObjects.Count; j++ ) { ITrainingImageObject obj = firstPage.ImageObjects[j]; string text = obj.RecognizedText; //  “”    if( text == "ISBN" ) { // “”   ITrainingField isbnTag = trainingBatch.Definition.Fields.AddNew( "ISBNTag", TrainingFieldTypeEnum.TFT_ReferenceText ); firstPage.SetFieldBlock( isbnTag, obj.Region ); break; } } assert( trainingBatch.Definition.Fields.Count == 2 ); //      trainingBatch.SubmitPageForTraining( firstPage ); //      for( int i = 1; i < trainingBatch.Pages.Count; i++ ) { ITrainingPage page = trainingBatch.Pages[i]; //    ,     page.PrepareLayout(); //    trainingBatch.SubmitPageForTraining( page ); } //   .        CreateDocumentDefinitionFromAFL trainingBatch.Definition.ExportToAFL( rootFolder + "\\_TrainingBatch\\NewTemplate.afl" ); } finally { trainingBatch.Close(); }

SCENARIO 2 - नोनारार। पेजर द्वारा उपयोग किए गए आइटम्स का उपयोग करता है और किसी भी क्षण में विवरण को बदल देता है। उपयोगकर्ता के लिए सहमति

कोड

 //        ITrainingBatch trainingBatch = engine.CreateTrainingBatch( rootFolder, "_TrainingBatch", "English" ); try { trainingBatch.AddImageFile( rootFolder + "\\00.jpg" ); trainingBatch.AddImageFile( rootFolder + "\\01.jpg" ); //  ,        ITrainingPage page = trainingBatch.PrepareNextPageNotSubmittedForTraining(); while( page != null ) { //       ,       .   //  ,           if( page == trainingBatch.Pages[0] ) { for( int j = 0; j < page.ImageObjects.Count; j++ ) { TrainingImageObject obj = page.ImageObjects[j]; string text = obj.RecognizedText; //  “”  if( text == "978-1-4095-3439-6" ) { // “”  ITrainingField isbnField = trainingBatch.Definition.Fields.AddNew( "ISBN", TrainingFieldTypeEnum.TFT_Field ); page.SetFieldBlock( isbnField, obj.Region ); break; } } for( int j = 0; j < page.ImageObjects.Count; j++ ) { ITrainingImageObject obj = page.ImageObjects[j]; string text = obj.RecognizedText; //  “”    if( text == "ISBN" ) { // “”   ITrainingField isbnTag = trainingBatch.Definition.Fields.AddNew( "ISBNTag", TrainingFieldTypeEnum.TFT_ReferenceText ); page.SetFieldBlock( isbnTag, obj.Region ); break; } } assert( trainingBatch.Definition.Fields.Count == 2 ); } //    trainingBatch.SubmitPageForTraining( page ); //      page = trainingBatch.PrepareNextPageNotSubmittedForTraining(); } //   .        CreateDocumentDefinitionFromAFL trainingBatch.Definition.ExportToAFL( rootFolder + "\\_TrainingBatch\\NewTemplate.afl" ); } finally { trainingBatch.Close(); }

निष्कर्ष में

डेवलपर्स के लिए दिलचस्प सुविधाओं के अलावा, हमारे पास अब है:

• उन्नत छवि प्रसंस्करण उपकरण । उनमें से, एक उन्नत शोर में कमी और एक कस्टम फ़िल्टर जो फ़्रीवलेट्स की तरह फ़्रीक्वेंसी डोमेन में काम करता है। इस फ़िल्टर को समायोजित करने के बाद, आप फ़ोटो (आसान defocusing, शोर) के साथ काम करने की गुणवत्ता में काफी सुधार कर सकते हैं।
• शब्द और चरित्र पहचान विकल्पों तक पहुँचने के लिए एपीआई। यह कुछ मामलों में अनुमति देता है, जब निकाले गए डेटा का मॉडल अच्छी तरह से जाना जाता है, प्रोग्रामेटिक रूप से इस मॉडल के लिए सबसे उपयुक्त विकल्प का चयन करें और आउटपुट की गुणवत्ता में सुधार करें। उदाहरण के लिए, आप डेटाबेस में निहित डेटा के साथ सार्थक रूप से तुलना कर सकते हैं, या चेकसम पर विचार कर सकते हैं।
• हब्र पाठकों की टिप्पणियों के अनुसार! जावा के लिए निर्णायक समर्थन - वितरण में एक JAR शामिल है जिसमें ऑब्जेक्ट्स और इंटरफेस की संरचना (दोहराए गए इंटरफेस को दोहराते हैं। .NET), और कॉल के लिए सभी आवश्यक JNI एडेप्टर के साथ एक dll शामिल है। 99% मामलों के लिए, आप सीधे बॉक्स से बाहर का उपयोग कर सकते हैं। केवल कॉलबैक के लिए समर्थन नहीं है, जो उपयोगकर्ता चुनिंदा रूप से खुद को लागू कर सकते हैं यदि उन्हें वास्तव में जरूरत है (हम बताएंगे कि कैसे)।
आप ABBYY वेबसाइट पर ABBYY FlexiCapture Engine के बारे में अधिक पढ़ सकते हैं।

एलेक्सी कल्योहनी एलेक्सीकेआ
FlexiCapture इंजन विकास टीम लीडर

ABBYY FlexiCapture इंजन 10.0: एक नए उपकरण के साथ लचीलेपन का प्रशिक्षण

कार्य

निर्णय

परिणाम

एपीआई के बारे में थोड़ा सा

SCENARIO 1 - लाइनर। IDEAS शुरुआत से अंत तक अनुमानित हैं। UNDERSTAND के लिए आसान है

निष्कर्ष में

More articles: