Použití OCR pro komplexní inženýrské výkresy

Optické rozpoznávání znaků (OCR) революционизovalo způsob, jakým podniky automatizují zpracování dokumentů. Nicméně, kvalita a přesnost této technologie nejsou dostatečné pro každou aplikaci. Čím je dokument složitější, tím méně přesná se stává. To platí zejména pro inženýrské výkresy. Ačkoli OCR technologie “out of the box” nemusí být vhodné pro tuto úlohu, existují jiné způsoby, jak dosáhnout svých cílů zpracování dokumentů pomocí OCR. V následujícím textu będu zkoumat několik životaschopných řešení, abych vám poskytl obecnou představu bez přílišného technického detailu.

Výzvy rozpoznávání inženýrských výkresů

Když se jedná o technické výkresy, OCR má potíže s porozuměním významu jednotlivých textových prvků. Technologie může číst text, ale nerozumí jeho významu. Existuje řada příležitostí pro inženýry a výrobce, aby zvažovali, zda-li automatické rozpoznávání technických dokumentů je nakonfigurováno správně. Vizte nejvýznamnější z nich níže.

Image source: Mobidev

Pro dosažení komplexní analýzy technické dokumentace je třeba vyškolit modely AI. Stejně jako lidé, modely AI potřebují zkušenosti a školení, aby pochopily tyto výkresy.

Jednou z výzev rozpoznávání výkresů a inženýrských výkresů je, že software musí rozumět, jak oddělit různé pohledy na výkres. Tyto jsou různé části výkresu, které poskytují základní představu o jeho rozložení. Oddělením pohledů a porozuměním jejich vzájemným vztahům může software vypočítat ohraničující rámeček.

Tento proces může zahrnovat několik výzev:

• Pohledy mohou překrývat
• Pohledy mohou být poškozeny
• Štítky mohou být stejně vzdáleny od dvou pohledů
• Pohledy mohou být vnořeny

Vztah mezi pohledy je další možný problém. Musíte zvažovat, zda je pohled rovinou součástí diagramu, otočenou částí, blokem nebo něčím jiným. Kromě toho mohou existovat další problémy, jako jsou řetězové měření, chybějící anotace, implicitně definované výšky odkazem na standard nebo jiné problémy.

Důležité je, že obecné OCR nemůže spolehlivě pochopit text ve výkresech, který je obklopen grafickými prvky, jako jsou linie, symboly a anotace. Z tohoto důvodu je třeba hlubší pohled na OCR s učením strojů, který bude pro tuto aplikaci užitečnější.

Předem vyškolené a přizpůsobené modely OCR

Na trhu existuje dostatek OCR softwaru, ale ne všechny z nich lze školení nebo modifikovat uživatelem. Jak jsme se dozvěděli, školení může být nezbytné pro analýzu vašich inženýrských výkresů. Existují však OCR nástroje pro tyto druhy výkresů.

Předem vyškolené nástroje OCR

Zde jsou některé běžné možnosti pro rozpoznávání OCR inženýrských výkresů:

• ABBYY FineReader: tento všestranný software pro interpretaci výkresů nabízí OCR technologii s rozpoznávacími schopnostmi pro text. Podporuje různé formáty obrázků, uchování rozložení, export dat a integrace.
• Adobe Acrobat Pro: kromě poskytování editace, prohlížení a správy PDF umožňuje Acrobat naskenovat OCR dokumenty a výkresy, extrahovat text a provádět vyhledávání. Podporuje různé jazyky a umožňuje uživatelům konfigurovat možnosti.
• Bluebeam Revu: další populární aplikace PDF, Bluebeam Revu nabízí OCR technologie pro extrakci textu z inženýrských výkresů.
• AutoCAD: zkratka pro Computer Aided Design, AutoCAD podporuje OCR pluginy pro interpretaci výkresů a převod na editovatelné CAD prvky.
• PlanGrid: tento software zahrnuje interpretaci OCR výkresů přímo. S touto funkcí můžete nahrát obrázky výkresů a poté extrahovat, organizovat, indexovat a vyhledávat text.
• Textract: tato cloudová funkce AWS umožňuje OCR analýzu dokumentů a může extrahovat prvky, jako jsou tabulky z dokumentů. Může také rozpoznávat prvky z výkresů a poskytuje API pro integraci s jinými aplikacemi.
• Butler OCR: poskytuje vývojářům API pro extrakci dokumentů, Butler OCR kombinuje strojové učení s lidskou kontrolou pro zlepšení přesnosti rozpoznávání dokumentů.

Přizpůsobené řešení OCR

Pokud hledáte přizpůsobená řešení OCR, která lze vyškolit pro lepší automatickou extrakci dat z inženýrských výkresů a přizpůsobit je vašemu specifickému formátu dat, zde jsou beberapa populárních možností:

• Tesseract: tento flexibilní, open-source OCR engine udržovaný společností Google lze vyškolit na vlastních datech pro rozpoznávání specifických znaků a symbolů z výkresů.
• OpenCV: Open-Source Computer Vision Library lze kombinovat s OCR nástroji, jako je Tesseract, pro vytvoření přizpůsobených interpretačních řešení. Jeho funkce pro zpracování a analýzu obrazu mohou zlepšit přesnost OCR na inženýrských výkresech, pokud se použijí správně.

Kromě těchto nástrojů je také možné nezávisle vyvinout přizpůsobené modely strojového učení. Používáním školicích modelů na označených datech, frameworků jako TensorFlow nebo PyTorch, lze tyto řešení upravit pro rozpoznávání specifických prvků výkresů a dosáhnout vyšší přesnosti pro potřeby organizace.

Předem vyškolené modely nabízejí pohodlí a snadné použití, ale nemusí být tak účinné při interpretaci inženýrských výkresů jako přizpůsobená řešení. Tyto přizpůsobené řešení také vyžadují další zdroje a odborné znalosti pro vývoj a údržbu.

Přizpůsobená řešení vyžadují další finanční zdroje a pracovní sílu pro vývoj. Doporučil bych začít s proof of concept (PoC) pro ověření technických schopností a minimálně životaschopného produktu (MVP) pro kontrolu trhu před investováním příliš mnoha zdrojů do přizpůsobeného řešení OCR.

Proces implementace modulu OCR pro čtení inženýrských výkresů

Nejlepším místem pro začátek budování softwaru OCR pro inženýrské výkresy by bylo analyzovat dostupné open-source nástroje. Pokud vyčerpáte své open-source možnosti, můžete se obrátit na uzavřené zdroje s API integracemi.

Budování OCR řešení od začátku je nepraktické, protože vyžaduje obrovské množství dat pro školení. To je obtížné a nákladné shromáždit a vyžaduje mnoho zdrojů pro školení modelu. Ve většině případů by mělo stačit jemné přizpůsobení existujících modelů.

Proces od tohoto místa vypadá nějak takto:

1. Zvažte požadavky: musíte pochopit, s jakými inženýrskými výkresy vaše aplikace bude pracovat a jaké funkce a funkcionality jsou potřebné pro dosažení tohoto cíle.
2. Zachycení obrazu a předzpracování: zvažte, jaké zařízení budete používat pro zachycení obrazů. Další kroky předzpracování mohou být potřebné pro zlepšení kvality výsledků. To může zahrnovat ořezávání, změnu velikosti, odstranění šumu a další.
3. Integrace OCR: zvažte, který OCR engine bude nejlépe fungovat s vaší aplikací. OCR knihovny mají API, které umožňují vaší aplikaci extrahovat text z zachycených obrazů. Je důležité zvažovat open-source OCR řešení pro úsporu nákladů. Třetí strany API mohou být nestálé, pokud jde o ceny nebo podporu.
4. Rozpoznávání a zpracování textu: dále je čas implementovat logiku pro zpracování a rozpoznávání textu. Některé možné úkoly, které můžete zvažovat v tomto kroku, jsou čištění textu, rozpoznávání jazyka nebo jiné techniky, které mohou poskytnout jasnější výsledky rozpoznávání textu.
5. Uživatelské rozhraní a zkušenosti: snadno použitelné uživatelské rozhraní pro aplikaci je důležité, aby uživatel mohl efektivně používat aplikaci pro zachycení obrazů a spuštění OCR. Výsledky by měly být prezentovány uživateli způsobem, který je snadno pochopitelný.
6. Testování: důkladně otestujte aplikaci, aby byla zajištěna její přesnost a použitelnost. Zpětná vazba uživatelů je esenciální pro tento proces.

Závěr

Vzhledem k výzvám při vytváření softwaru OCR pro komplexní inženýrské výkresy, organizace mají řadu možností, jak přistoupit k této problematice. Od řady předem vyškolených modelů a přizpůsobitelných nástrojů pro vytvoření více personalizovaných řešení, podniky mohou najít způsoby, jak účinně analyzovat, indexovat a vyhledávat v plánech a dalších komplexních dokumentech. Stačí trochu vynalézavosti, kreativity a času, aby se vytvořilo řešení, které splňuje jejich potřeby.