Szövegfelismerés

Termékleírás

A szoftver működése és jellemzői

Az ABBYY FlexiCapture 8.0 Professional egy költséghatékony, könnyen telepíthető, erőteljes adatbeviteli rendszer, amely a kis és közepes méretű vállalkozások papír dokumentumainak kezelését hivatott kielégíteni. Ez egy önállóan dolgozó rendszer, amely egy munkaállomáson képes egyesíteni az összes feladatot - az adat importálásától, bevitelétől az adatok mentéséig, exportjáig. E mellett a FlexiCapture 8.0 Professional egy jól méret-növelhető desktop rendszer, amely helyi hálózatban alkalmazva az adatbeviteli és feldolgozási feladatok munkaállomások közötti megosztását teszi lehetővé, növelvén ezáltal a hatékonyságot és a feldolgozási sebességet.

Az adatbeviteli/feldolgozási folyamat két részből áll: Előkészítés és Feldolgozás, amelyeket általában két különböző személy - az adminisztrátor és az operátor - végez. Ennek megfelelően az ABBYY FlexiCapture 8.0 két üzemmódban használható:

• Adminisztrátori mód
  • Ebben a fázisban van előkészítve az egész adatbeviteli folyamat, készülnek el a dokumentum sablonok és az előkészítés letesztelésre is kerül. Itt az adminisztrátor teljes hozzáféréssel rendelkezik a program összes funkciója felett (lásd. az Előkészítés eszközei).
    
    
• Operátori mód
  • Ebben a fázisban csak maga az adatbevitel és feldolgozás történik; (1) dokumentum importálása vagy szkennelése, (2) szövegfelismerés, (3) ellenőrzés, (4) adatok exportálása. Mindez a minden napi munkát jelentősen megkönnyítő egyszerű, intuitív és ergonomikus felhasználói felületen keresztül történik.
    
    

Előkészítés

Az előkészítés során megtörténik a rendszer létrehozása, a feldolgozási szabályok definiálása, és dokumentum/űrlap sablonok létrehozása. Ezekhez a feladatokhoz a FlexiCapture 8.0 igen hatékony eszközöket kínál. Az Előkészítés eszközei:

• FormDesigner
  • Egy grafikai program, amely kitöltendő rubrikákat tartalmazó strukturált űrlapok létrehozására szolgál. A legkülönfélébb űrlapokat lehet elkészíteni vele, legyen az fekete-fehér, vagy színes, vonalas, raszteres, drop-out-os, egy vagy több oldalas. Az így létrehozott űrlap kiválóan alkalmas a FlexiCapture 8.0-al való felismerési feladatok megvalósításához.
    
• FlexiLayout Studio
  • Nagyon hatékony eszköz, amivel félig strukturált űrlapokhoz (hasonló adatokat, de változó elrendezésben tartalmazó dokumentumokhoz) készíthető sablon. A létrejövő ún. FlexiLayout lehetővé teszi a félig strukturált dokumentumból a speciális adatok; szövegrészek, vonalkód, dátum, pénznem, számok, táblázatok, stb. kinyerését. Mindössze egy FlexiLayout elegendő pl. hogy a különböző partnerektől érkező különböző formátumú számlákból, akár több oldalasból is, a szükséges adatokat kinyerjük. A FlexiLayout Studio a teszteléshez és módosításhoz számos hatékony és kényelmes eszközt kínál; hipotézis fa, referencia szerkezet, FlexiLayout nyelv.
    
• Dokumentum sablon szerkesztő
  • A dokumentum sablon számos beállítást és szabályt tartalmaz, amelyek meghatározzák, hogy hogyan kell a dokumentumot feldolgozni. A dokumentum sablon segítségével az adminisztrátor beállíthatja, hogy mely adatokat kell kinyerni, hogyan kell az adatokat megtalálni, felismerni, ellenőrizni majd exportálni.
    
• Projekt létrehozása
  • Az előkészítési folyamat végén az adminisztrátor létrehozza a Projektet, amely minden szükséges elemet tartalmaz ahhoz, hogy az operátor elvégezhesse a munkát a dokumentumokkal.
    

Feldolgozás

A FlexiCapture 8.0 az ABBYY kiemelkedően pontos és stabil szöveg-felismerési (OCR) technológiáját alkalmazza. Nyomtatott szövegek esetén 190 különféle nyelven képes a szöveg-felismerést elvégezni, de 90 nyelven a nyomtatott betűvel, kézzel írott (ICR) szöveget is felismeri, de nem akadály a vonalkód, vagy a jelölők felismerése sem. Végül, de nem utolsó sorban, alkalmas teljesen strukturálatlan dokumentumokból is a teljes szöveg kinyerésére és szövegesen kereshető PDF fájlban való mentésére.

Miután az adminisztrátor elkészítette a beállításokat az operátor könnyedén és automatikusan tud dolgozni. A Feldolgozás főbb lépései a következők:

• Dokumentum import
  • A papír alapú dokumentumok bevitele közvetlenül TWAIN vagy ISIS rendszerű szkennerrel (vagy multi funkciós nyomtatóval /MFP/) történhet. De a dokumentumképek nyerhetők egy tetszőleges mappából vagy automatikusan importálhatók is az ún. forró mappából. A szoftver a következő képfájl formátumokat támogatja: PDF, BMP, PCX, PNG, JPEG, JPEG 2000, és TIFF DCX. Az import ún. import profil létrehozásával leegyszerűsíthető és automatizálható.
    
    
• Dokumentum osztályozása és felismerése
  • A felismerési folyamat a következő lépésekből áll:
    - Kép előkészítés: A kép minőség javítását szolgája.
    - Automatikus dokumentumosztályozás
    A FlexiCapture 8.0 az új IDR (intelligens dokumentum felismerési) technológiájának köszönhetően a bejövő dokumentumok képét összeveti a dokumentum sablonnal, s ennek alapján a különféle dokumentumokat szétválogatja, legyenek azok több oldalas anyagok vagy akár több oldalra áthúzódó táblázatot tartalmazó dokumentumok.
    - Adatok és a szöveg kinyerése
    Ha dokumentum sablon hozzárendelése megtörtént az adatok automatikusan kinyerhetők.
    
    - Automatikus adat ellenőrzés
    Az adminisztrátor által létrehozott ellenőrzési szabályok automatikusan működésbe lépnek a felismerési folyamat során. A leggyakrabban alkalmazott ellenőrzési szabályok: formátum ellenőrzés, adatok összevetése adatbázissal, összegek ellenőrzése, dátumok, árak formátumra konvertálása, stb.
    
    

• Adatok ellenőrzése
  • A felismerési folyamat végén minden karakterhez egy státusz jelölő van rendelve, amely megmondja, hogy az a bizonyos karakter megbízhatóan, bizonytalanul vagy egyáltalán nem lett felismerve. Az utóbbi két esetben az operátor vagy elfogadja a felkínált eredményt, vagy módosíthatja azt. Itt sokkal több kézi beavatkozásra van szükség, mint az összes többi fázisnál. A folyamat gyorsítása és egyszerűsítése érdekében a FlexiCapture 8.0 rendelkezik egy egyszerűen használható interfésszel, amelyben 3 ellenőrzési mód közül választhat a felhasználó: csoportok ellenőrzése (főképp jelölőknél és számoknál használatos), mezők ellenőrzése (szöveges tartalomra), s ellenőrzés a teljes dokumentum áttekintésével.
    
    Csoportok ellenőrzése
    
    
    Mezők ellenőrzése
    
    
    Teljes dokumentum áttekintése
    

• Adatok exportja/mentése és dokumentum archiválás
  • Az utolsó lépés a kinyert adatok külső adatbázisba exportálása (ODBC-n keresztül), vagy mentése valamilyen fájlformátumba. Az adatok exportálhatók önmagukban, de akár kép- ill. szövegmelléklettel is. Archiválási célra kitűnően alkalmas, a szövegre kereshető, PDF vagy PDF/A fájlformába történő mentés. A FlexiCapture 8.0 még nagyon sok további fájlformátumba tud menteni: TXT, XLS, DBF, CSV, és XML vagy kép formátumként: TIFF, JPEG, JPEG 2000, PDF, PDF/A, PCX, BMP, PNG, és DCX.