Belgelerdeki el yazısı alanları için ICR nasıl yapılandırılır
ICR, bir formun belirli alanlarında (genellikle blok harflerle) yazılan el yazısı karakterlerini tanıma işlemidir: hücrelere yazılan ad-soyad, tarihler, kodlar, numaralar. ICR en iyi kısa değerlerde ve format kısıtlamaları olduğunda çalışır; bitişik el yazısını (kursiv) ise belirgin şekilde daha kötü tanır ve genellikle ayrı bir yaklaşım gerektirir.
ICR, "her türlü el yazısını okuma" değildir. Eğer satır halinde uzun el yazısı yorumlarınız veya kursiviniz varsa, operatör kontrolü ve/veya daha karmaşık HTR/ML modellerini planlamanız gerekir.
İçindekiler
ICR, OCR ve HTR: Fark nedir
ICR genellikle, tüm sayfayı "metin olarak okumak" yerine alanları çıkarmmanın önemli olduğu form işleme akışlarında kullanılır.
Tanıma yaklaşımlarının karşılaştırılması
| Yaklaşım | Neyi daha iyi tanır | Tipik sonuç |
|---|---|---|
| OCR | Baskı/makine yazısı metin | Metin blokları, tablolar, bilgiler |
| ICR | Alanlardaki el yazısı ayrı karakterler | Alan değerleri (tarih, numara, posta kodu) |
| HTR | "Serbest" el yazısı metin, satırlar, kursiv | Daha fazla değişkenlik ve hata içeren metin |
Doğruluğu artırmanın en ucuz yolu, alanı "kurallarla daraltmaktır": sadece rakamlar, sabit uzunluk, format maskesi, izin verilen alfabe.
ICR'nin daha iyi tanıdığı şeyler (ve doğruluğu bozan unsurlar)
İyi tanınanlar:
- Rakamlar ve kısa kodlar (tarih, telefon, posta kodu, ID);
- Bitişik olmayan baskı harfler;
- İşaretli alanlar: hücreler, çerçeveler, "tarak" çizgileri;
- Formatı belirlenebilen değerler (
GG.AA.YYYY, 10–11 rakam, seri+numara).
Kötü tanınanlar:
- Bitişik el yazısı ve kursiv;
- Kısıtlama olmadan "satır halinde" uzun cümleler;
- Parlamalar, gölgeler ve perspektif bozukluğu olan fotoğraflar;
- Düşük kontrast (ince kalem, gri arka plan, metin üzerindeki çizgiler).
Eğer form tasarımını etkileyebiliyorsanız, basit kurallar kullanın: Alanda daha fazla boşluk, kontrastlı çizgiler, "BLOK HARFLERLE YAZINIZ" ipucu, kritik veriler hücrelere yazılmalı.
Pratik süreç: Taramadan hazır verilere
ICR çalışma şeması neredeyse her zaman 5 adımdan oluşur:
- Giriş: Tarama/fotoğraf/PDF (tercihen kalitesi stabil).
- Ön işleme: Hizalama, gürültü temizleme, kontrast artırma, perspektif düzeltme.
- Bölge çıkarımı: Tüm sayfayı değil, sadece gerekli alanları tanıma.
- Tanıma (ICR): Metin elde etme + güven skoru (confidence).
- Son kontrol: Format kuralları, maskeler, sözlükler, kontrol toplamları, veri tabanı ile karşılaştırma (izin veriliyorsa), ardından sisteme aktarma.
Uygulamanın "hayal kırıklığına" uğramaması için önceden bir kalite politikası belirleyin:
- Güven skorunun eşiğin altında kalanları → operatör kontrolüne;
- Eşiğin üzerindekileri → otomatik geçiş + seçmeli denetim;
- Hataları ve düzeltmeleri, şablonları/kuralları iyileştirmek üzere bir veri setinde toplayın.
Kaliteyi 10–20 belgeye bakarak değerlendirinmeyin. Adil bir resim için, farklı el yazısı stillerine ve farklı tarama/fotoğraf kalitelerine sahip en az 200–500 sayfalık bir test setine ihtiyacınız vardır.
Sık yapılan hatalar
- Gerekli olan 5–10 alan yerine tüm belgeyi tanımlamaya çalışmak (doğruluk düşer, maliyet artar).
- Alan formatını belirtmemek: Sistem benzer karakterler arasında (
0/O,1/I,З/3) tahmin yapmak zorunda kalır. - Maske ve uzunluk belirtmeden bir alanda harf ve rakamları karıştırmak.
- "Gösterişli demo sonuçlarını", kendi verilerinizde pilot uygulama yapmadan gerçek doğruluk sanmak.
- Sınır durumdaki alanlar için operatör kontrolünü kullanmamak.
SSS
ICR Rusça el yazısı metni tanır mı? Evet, ancak en öngörülebilir şekilde rakamları ve alanlardaki ayrı baskı harfleri tanır. Kiril alfabesi için bölgeler, maskeler ve son doğrulama özellikle önemlidir.
Neden ICR karakterleri karıştırır? Çünkü el yazısı şekilleri birbirine benzer. Bağlam ve kısıtlamalar kurtarıcıdır: uzunluk, alfabe, şablon, sözlük kontrolü.
"Satır halinde kursiv" için ne seçilmeli? Bu daha çok HTR'ye yakındır: Daha fazla veri, ayarlama/eğitim ve neredeyse her zaman insan kontrolü gerektirecektir.
ICR'nin sürecime uygun olup olmadığını hızlıca nasıl anlarım? 200–500 gerçek belge toplayın, hedef alanları işaretleyin, format kurallarını belirleyin ve alan bazında doğruluğu (field accuracy) plus kontrole giden oranı (güven skoruna göre) hesaplayın. Bu, uygulamanın ekonomisini net bir şekilde gösterecektir.