Из полевого офиса приходит стопка рукописных форм. Формы приема клиентов. Отчеты проверок. Анкеты истории болезни. Каждый из них заполняется от руки, с ответами, написанными разными почерками, флажками, отмеченными крестиками, и подписями внизу. Эти формы должны быть доступны для поиска в системе управления документами. OCR — единственный способ сделать рукописный контент доступным для поиска. Однако распознавание рукописных форм значительно сложнее, чем распознавание текста в печатном тексте. Почерк варьируется от человека к человеку. В формах есть строки, поля и метки, которые механизм OCR может спутать с рукописным содержимым. Для достижения максимально возможной точности требуется подготовка и настройки конкретной формы.
Точность распознавания рукописных форм зависит от дизайна формы, качества рукописного ввода, качества сканирования и возможностей механизма распознавания. Улучшение любого из этих факторов улучшает результат. Лучший подход касается всех четырех.
Согласно контрольному показателю NIST 2025 года, точность распознавания рукописных форм составляет в среднем от 82 до 90 процентов в зависимости от последовательности рукописного ввода по сравнению с 99 процентами для печатного текста (NIST, «Оценка технологии распознавания рукописного текста», 2025 г.). Разрыв в точности реален, но его можно устранить при правильной подготовке и редактировании после оптического распознавания символов.
Требования к качеству сканирования рукописных форм
| Фактор | Рекомендация | Влияние на точность |
|---|---|---|
| Разрешение | Минимум 300 DPI. 400–600 точек на дюйм для форм с мелким почерком или тонкими мазками пера. | Более высокое разрешение сохраняет мелкие детали штрихов пера. Низкое разрешение объединяет штрихи и ухудшает распознавание символов. |
| Цветовой режим | Оттенки серого для форм, написанных темными чернилами на белой бумаге. Цвет только в том случае, если в форме используются поля с цветовой кодировкой, влияющие на смысл. | Оттенки серого обеспечивают лучший контраст для оптического распознавания символов, чем цвет. Цветные сканы имеют больший размер и могут содержать шум. |
| Устранение перекосов | Выпрямите каждую страницу перед распознаванием текста. Почерк, который и без того неровный, становится нечитаемым при наклоне | Наклонный почерк нарушает сегментацию символов. Механизм OCR не может определить, где заканчивается один символ и начинается следующий. |
| Повышение контрастности | Увеличьте контрастность, чтобы затемнить рукописный текст и осветлить фон формы. Удалить шум сканера и текстуру бумаги | Более чистый ввод приводит к меньшему количеству ложных обнаружений символов в строках формы, полях и фоновых артефактах. |
Попробуйте PDF-распознавание текста
Никакой установки не требуется. Работает прямо в вашем браузере.
Подготовка к распознаванию текста для конкретной формы
Прежде чем запускать распознавание текста, подготовьте изображения формы, чтобы минимизировать влияние структуры формы. Если возможно, используйте обработку изображений, чтобы удалить или осветлить линии и поля формы, сохранив при этом рукописный контент. Это технически сложно, но значительно повышает точность распознавания, поскольку движок больше не путает линии формы с рукописными штрихами. Если удаление линии формы нецелесообразно, обрежьте каждое поле формы отдельно и запустите распознавание текста для каждого поля отдельно. Подход на уровне полей предотвращает путаницу механизма OCR из-за соседних полей и элементов формы.
WukongPDF Инструменты оптического распознавания символов обрабатывают отсканированные формы. Качество OCR PDF для рукописного содержимого зависит от подготовки сканирования. Чистый ввод обеспечивает лучшее распознавание. Шумный ввод приводит к ошибкам, которые необходимо исправлять вручную.
Редактирование и проверка после OCR
Ожидайте редактирования вывода OCR из рукописных форм. Сосредоточьтесь на исправлениях имен, чисел, дат и любых полей, где ошибка меняет значение. Неправильно прочитанная галочка, которая меняет «Да» на «Нет», более значима, чем обычное слово с ошибкой. Сравните выходные данные OCR с исходной формой для критических полей. Отсканированный PDF с рукописным содержимым потребует большего редактирования, чем печатный документ. Соответственно планируйте время.
Научитесь распознавать распространенные ошибки оптического распознавания символов в формах
Обработав несколько рукописных форм, вы заметите закономерности. Механизм OCR постоянно путает определенные символы. Цифра 4 становится 9. Буква а становится о. Распознавание этих закономерностей ускоряет исправление, потому что вы знаете, где искать.
Создайте персональную ссылку на ошибку для форм, которые вы регулярно обрабатываете. Обратите внимание на повторяющиеся ошибки OCR. При редактировании следующей формы сначала проверьте наличие этих конкретных ошибок. Процесс исправления OCR PDF становится быстрее с опытом.
Использование полей формы для управления обработкой OCR
Если в рукописной форме четко определены поля с прямоугольниками или линиями, обрежьте каждое поле отдельно и запустите распознавание текста для каждого поля отдельно. Подход на уровне полей предотвращает путаницу механизма OCR из-за соседних полей и меток формы. Одно только поле имени, распознанное OCR, обеспечивает более чистый вывод, чем то же поле, распознанное OCR, как часть полной страницы.
Метод оптического распознавания символов Scanned PDF более трудоемкий, чем полностраничный OCR, но обеспечивает более высокую точность, особенно для форм с мелким рукописным текстом или плотно упакованными полями.
Использование контекста для устранения неоднозначности ошибок OCR
Рукописное поле формы с надписью «Город». должно содержать название города. Если выходные данные OCR для этого поля читаются как «N3w Y0rk»; с цифрой 3 и цифрой 0 контекст подсказывает вам, что это должно быть «Нью-Йорк». Используйте метку поля и ожидаемый тип контента, чтобы выявить и исправить ошибки оптического распознавания символов. Поле имени не должно содержать цифр. Поле номера телефона должно содержать только цифры и разделители.
Коррекция OCR PDF с использованием контекста поля выполняется быстрее, чем сравнение каждого символа с оригиналом. Метка поля сообщает вам, какие данные следует ожидать. Символы, нарушающие это ожидание, скорее всего, являются ошибками оптического распознавания символов.
Пакетное сканирование форм для обеспечения стабильного качества
Если вы можете контролировать процесс сканирования, сканируйте все формы одновременно с одинаковыми настройками. Постоянное качество сканирования обеспечивает постоянную точность оптического распознавания символов. Пакет, в котором некоторые формы были отсканированы с разрешением 200 DPI, а другие — с разрешением 400 DPI, будет иметь разное качество оптического распознавания символов, что потребует разного уровня усилий по исправлению.
Пакетное сканирование Scanned PDF стандартизирует качество ввода. Последовательный ввод обеспечивает последовательный результат. Переменные входные данные дают переменные результаты, которые требуют большего внимания человека.
Отделение рукописного ввода от элементов печатной формы
Форма содержит напечатанные этикетки, строки и поля, а также рукописные ответы. Механизм OCR должен распознавать только рукописный текст и игнорировать печатные элементы. Но печатные элементы могут сбить с толку систему, заставляя ее распознавать линии формы как букву I или цифру 1. Предварительная обработка изображения, которая удаляет или осветляет элементы печатной формы, сохраняя при этом почерк, значительно повышает точность.
Некоторые инструменты оптического распознавания текста предлагают режимы обработки для конкретных форм, которые предназначены для отделения рукописного текста от печатного фона. Если ваш инструмент предлагает это, включите его. Режим обработки формы OCR PDF обеспечивает более чистый вывод, чем режим оптического распознавания символов общего назначения.
Создание библиотеки распространенных стилей почерка для справки
Если вы регулярно обрабатываете формы от одних и тех же людей, их почерк становится знакомым. Вы узнаете, что Джейн всегда пишет букву S как 5, а Марк ставит точку I далеко вправо. Создайте справочный лист с указанием почерка каждого человека и примечаниями об их отличительных характеристиках. Эталон ускоряет коррекцию, поскольку вы знаете, на что обращать внимание.
Справочник по личному почерку Scanned PDF наиболее полезен для групп, которые обрабатывают формы от постоянного набора участников. Эталонная форма повышает скорость и точность коррекции для каждой последующей формы.
Попробуйте PDF-распознавание текста
Никакой установки не требуется. Работает прямо в вашем браузере.