Использование OCR для Сложных Инженерных Чертежей

Оптическое распознавание символов (OCR) революционизировало способ, которым бизнес автоматизирует обработку документов. Однако качество и точность технологии не подходят для каждого применения. Чем более сложным является документ, обрабатываемый программой, тем менее точным становится результат. Это особенно верно для инженерных чертежей. Хотя готовые технологии OCR могут не подходить для этой задачи, существуют другие способы достижения целей обработки документов с помощью OCR. В том, что следует, я рассмотрю несколько жизнеспособных решений, чтобы дать вам общее представление, не вдаваясь в слишком подробные технические детали.

Проблемы Распознавания Инженерных Чертежей

Когда речь идет о технических чертежах, OCR испытывает трудности в понимании значения отдельных текстовых элементов. Технология может прочитать текст, но не понимает его смысл. Существует ряд возможностей для инженеров и производителей, если автоматическое распознавание технического документа настроено правильно. См. наиболее значимые из них ниже.

Источник изображения: Mobidev

Для достижения сложного анализа технической документации инженерам необходимо обучать модели ИИ. Как и люди, модели ИИ нуждаются в опыте и обучении, чтобы понять эти чертежи.

Одной из проблем распознавания чертежей и инженерных чертежей является то, что программное обеспечение должно понимать, как разделить различные виды чертежа. Это разные части чертежа, которые дают базовое представление о его расположении. Разделив виды и поняв, как они относятся друг к другу, программное обеспечение может рассчитать ограничивающую рамку.

Этот процесс может включать несколько проблем:

• Виды могут перекрываться
• Виды могут быть повреждены
• Метки могут быть равноудалены от двух видов
• Виды могут быть вложены

Отношение между видами является еще одной возможной проблемой. Вам необходимо учитывать, является ли вид плоской частью диаграммы, повернутой частью, блоком или чем-то другим. Кроме того, могут быть другие проблемы, такие как цепные измерения, отсутствующие аннотации, неявно определенные высоты через ссылку на стандарт или другие проблемы.

Важно отметить, что.generic OCR не может надежно понимать текст в чертежах, окруженный графическими элементами, такими как линии, символы и аннотации. Из-за этого факта нам необходимо глубже изучить OCR с машинным обучением, который будет более полезен для этого применения.

Предобученные и Пользовательские Модели OCR

Не существует недостатка в программном обеспечении OCR на рынке, но не все это программное обеспечение можно обучать или изменять пользователем. Как мы узнали, обучение может быть необходимым для анализа ваших инженерных чертежей. Однако инструменты OCR для этих видов чертежей существуют.

Предобученные Инструменты OCR

Вот некоторые общие варианты для распознавания OCR инженерных чертежей:

• ABBYY FineReader: это универсальное программное обеспечение для интерпретации чертежей предлагает технологию OCR с возможностями распознавания текста. Оно поддерживает различные форматы изображений, сохранение макета, экспорт данных и интеграции.
• Adobe Acrobat Pro: помимо предоставления редактирования PDF, просмотра и управления, Acrobat позволяет сканировать документы OCR и чертежи, извлекать текст и выполнять поиск. Оно поддерживает различные языки и позволяет пользователям настраивать параметры.
• Bluebeam Revu: еще одно популярное приложение PDF, Bluebeam Revu предлагает технологии OCR для извлечения текста из инженерных чертежей.
• AutoCAD: standing за Компьютерное Проектирование, AutoCAD поддерживает плагины OCR для интерпретации чертежей и преобразования их в редактируемые элементы CAD.
• PlanGrid: это программное обеспечение включает интерпретацию OCR чертежей из коробки. С помощью этой функции вы можете загрузить изображения чертежей и затем извлечь, организовать, проиндексировать и поискать текст.
• Textract: эта облачная функция AWS позволяет выполнять анализ OCR документов и может извлекать элементы, такие как таблицы из документов. Оно также может распознавать элементы из чертежей и предоставляет API для интеграции с другими приложениями.
• Butler OCR: предоставляя разработчикам API для извлечения документов, Butler OCR сочетает машинное обучение с человеческим обзором, чтобы повысить точность распознавания документов.

Пользовательские Решения OCR

Если вы ищете пользовательские решения OCR, которые можно обучать для лучшего автоматического извлечения данных из инженерных чертежей и адаптировать к вашему конкретному формату данных, вот несколько популярных вариантов:

• Tesseract: этот гибкий, открытый движок OCR, поддерживаемый Google, можно обучать на пользовательских данных для распознавания символов и знаков, специфичных для чертежей.
• OpenCV: библиотека компьютерного зрения с открытым исходным кодом может быть объединена с инструментами OCR, такими как Tesseract, для создания пользовательских интерпретативных решений. Его функции обработки и анализа изображений могут повысить точность OCR на инженерных чертежах при правильном использовании.

Помимо этих инструментов, также возможно независимо разрабатывать пользовательские модели машинного обучения. Используя обученные модели на помеченных наборах данных, фреймворки, такие как TensorFlow или PyTorch, эти решения можно настроить для распознавания конкретных элементов чертежей и достижения более высокой точности для потребностей организации.

Предобученные модели предлагают удобство и легкость использования, но могут не быть так эффективны для интерпретации инженерных чертежей, как пользовательские решения. Эти пользовательские решения также требуют дополнительных ресурсов и экспертизы для разработки и поддержки.

Пользовательские решения требуют дополнительных финансовых ресурсов и труда для разработки. Я бы рекомендовал начать с доказательства концепции (PoC), чтобы проверить технические возможности и минимально жизнеспособный продукт (MVP), чтобы проверить восприятие проекта рынком, прежде чем вкладывать слишком много средств в пользовательское решение OCR.

Процесс Реализации Модуля OCR для Чтения Инженерных Чертежей

Лучшее место для начала построения программного обеспечения OCR для инженерных чертежей будет анализом доступных открытых инструментов. Если вы исчерпали свои открытые варианты, вам может потребоваться обратиться к закрытым вариантам с интеграциями API.

Построение решения OCR с нуля нецелесообразно, поскольку для этого требуется огромный набор данных для обучения. Это трудно и дорого собрать и требует многих ресурсов для обучения модели. В большинстве случаев настройка существующих моделей должна удовлетворять вашим потребностям.

Процесс отсюда выглядит примерно так:

1. Учитывать требования: вам необходимо понять, какие инженерные чертежи ваше приложение должно работать, и какие функции и возможности необходимы для достижения этой цели.
2. Захват и предварительная обработка изображений: подумайте о том, какие устройства вы планируете использовать для захвата изображений. Дополнительные шаги предварительной обработки могут быть необходимы для улучшения качества результатов. Это может включать обрезку, изменение размера, удаление шума и многое другое.
3. Интеграция OCR: рассмотрите, какой движок OCR будет работать лучше всего с вашим приложением. Библиотеки OCR имеют API, которые позволяют вашему приложению извлекать текст из захваченных изображений. Важно учитывать открытые решения OCR для экономии средств. Третьи API могут быть непредсказуемыми в отношении ценообразования во времени или потерять поддержку.
4. Распознавание и обработка текста: далее, пришло время реализовать логику для обработки и распознавания текста. Некоторые возможные задачи, которые вы можете рассмотреть на этом этапе, включают очистку текста, распознавание языка или другие методы, которые могут обеспечить более четкое распознавание текста.
5. Интерфейс пользователя и опыт: легкий в использовании интерфейс для приложения важен, чтобы пользователь мог эффективно использовать его для захвата изображений и инициирования OCR. Результаты должны быть представлены пользователю в форме, легко понимаемой им.
6. Тестирование: тщательно протестируйте приложение, чтобы обеспечить его точность и удобство использования. Обратная связь пользователя важна для этого процесса.

Заключение

В свете проблем создания программного обеспечения OCR для сложных инженерных чертежей организации имеют ряд вариантов для решения этой проблемы. От ряда предобученных моделей и настраиваемых инструментов до создания более персонализированных решений бизнес может найти способы эффективно анализировать, индексировать и искать через чертежи и другие сложные документы. Все, что для этого нужно, – это немного изобретательности, креативности и времени, чтобы создать решение, соответствующее их потребностям.