Данные, полученные при обработке документов программой

FREE ONLINE OCR SERVICE

№	Количество слов	Слов с ошибками (нет слов)	Без ошибок	Качество обработки %
1	111	14	97	87,39
2	124	61	63	50,81
3	273	120	153	56,04
4	151	20	131	86,75
5	144	22	122	84,72
6	178	156	22	12,36
7	199	5	194	97,49
8	201	12	189	94,03
9	121	73	48	39,67
10	126	43	83	65,87
Среднее значение	162,8	52,6	110,2	67,51
MIN	111	5	22	12,36
MAX	273	156	194	97,49

Рисунок 9. Соотношение слов без ошибок к общему количеству слов (обработано FREE ONLINE OCR SERVICE)

Исходя из полученных результатов, можно сделать вывод, что данный сервис имеет высокий уровень распознавания текста. В среднем, количество распознанных слов составляет 67,5 %. Данный сервис является хорошим способом быстро распознать графический файл и перевести его в текстовый формат, но для оптимизации реального бизнес-процесса данный продукт не подходит из-за узкого спектра функциональных возможностей.

Плюсы: простота в использовании, быстрый доступ с любого устройства с выходом в интернет, множество языков для распознавания.

Минусы: в отличие от загруженных программ для оптического распознавания текста, данный продукт не имеет таких широких функциональных возможностей.

CuneiForm – это программа, используемая для распознавания текста документов и дальнейшего перевода в редактируемый вид. Данный продукт бесплатный и доступный любому пользователю. В результате работы программы можно получить файл в нужном формате с отредактированным текстом.

Форматы выходных файлов в CuneiForm представлены на рисунке 10.

Рисунок 10. Поддерживаемые форматы в CuneiForm

Исходя из увиденного выше, делаем вывод, что данное ПО не поддерживает одни из основных форматов файлов, как Microsoft Word (расширение .doc) и Acrobat Reader DC (расширение .pdf). Следовательно, данный продукт будет проигрывать по широте использования тому же ABBYY FineReader 12. Но в этой дипломной работе как раз необходим текст исполнительного листа в формате .txt, поэтому сравним качество обработанного документа и вероятность некорректного перевода текста (Таблица 3, Рисунок 11).

Таблица 3

Данные, полученные при обработке документов программой ocr CuneiForm

№	Количество слов	Слов с ошибками (нет слов)	Без ошибок	Качество обработки %
1	111	18	93	83,78
2	124	120	4	3,23
3	273	273	0	0,00
4	151	147	4	2,65
5	144	141	3	2,08
6	178	175	3	1,69
7	199	166	33	16,58
8	201	175	26	12,94
9	121	119	2	1,65
10	126	122	4	3,17
Среднее значение	162,8	145,6	17,2	12,78
MIN	111	18	0	0,00
MAX	273	273	93	83,78

Рисунок 11. Соотношение слов без ошибок к общему количеству слов (обработано OCR CuneiForm)

Как можем видеть, OCR CuneiForm является низкокачественным программным продуктов для распознавания оптического текста. Основную часть слов переводит в непонятный набор символов или вообще не распознает. В среднем, количество распознанных слов составляет 12,8 %. Это очень низкое качество.

Плюсы: данная программа бесплатная, русифицированная, имеется доступ к исходным кодам программы (используя их, можно запускать программу для анализа графического документа с помощью написанного кода на С#). Минусы: низкое качество распознавания.

Ниже представлена диаграмма, сравнивающая количество обработанных слов различными программами (Рисунок 12).

Рисунок 12. Соотношение слов без ошибок к общему количеству слов для разных программ по распознаванию текста

Анализ проводился без корректировки активных полей для распознавания, т.е. программы переводили текст только в тех местах графического файла, где они его определили. Суть распознавания без корректировки в том, что мы не тратим время на выбор того или иного поля, соответственно, не затрачиваем время на обработку. В таком виде анализа возможны потери качества, но так как основная цель дипломной работы – оптимизировать бизнес-процесс, значит, будем полагаться на корректную обработку документа программой для оптического распознавания текста (Рисунок 13).

Рисунок 13. Качество обработки документов (количество обработанных слов, выраженное в процентах, %)

Исходя из результатов анализа, можно сделать вывод, что программа ABBYY FineReader является наилучшим продуктом для оптического распознавания графического файла. Данная программа имеет широкий спектр возможностей и множество плюсов. Сервис FREE ONLINE OCR SERVICE также неплох для быстрого распознавания текста на картинке, но не подходит для автоматизации бизнес-процесса из-за минимального функционала. Программное обеспечение OCR CuneiForm оказалось низкокачественным продуктом и не будет использовано в качестве программы, используемой в данной дипломной работе. ³²

Также были проанализированы программы для распознавания текстов, такие как TopOCRDemo и Capture Text, но ни одна из них в нашем случае не показала достойных результатов в качественном переводе текста из графического формата в текстовый.

В данной дипломной работе будет использована программа ABBYY FineReader 12.