Sử dụng OCR cho Bản vẽ Kỹ thuật Phức tạp

Nhận dạng Ký tự Quang học (OCR) đã cách mạng hóa cách các doanh nghiệp tự động hóa quá trình xử lý tài liệu. Tuy nhiên, chất lượng và độ chính xác của công nghệ này không đủ tốt cho mọi ứng dụng. Tài liệu càng phức tạp, độ chính xác càng giảm. Điều này đặc biệt đúng với bản vẽ kỹ thuật. Mặc dù các công nghệ OCR ngoài hộp có thể không phù hợp với nhiệm vụ này, nhưng vẫn có những cách khác để đạt được mục tiêu xử lý tài liệu của bạn với OCR. Trong những gì tiếp theo, tôi sẽ khám phá một số giải pháp khả thi để bạn có ý tưởng chung mà không đi vào quá nhiều chi tiết kỹ thuật.

Thử thách của Nhận dạng Bản vẽ Kỹ thuật

Khi nói đến bản vẽ kỹ thuật, OCR gặp khó khăn trong việc hiểu ý nghĩa của các yếu tố văn bản riêng lẻ. Công nghệ có thể đọc văn bản, nhưng nó không hiểu ý nghĩa của nó. Có một số cơ hội cho các kỹ sư và nhà sản xuất xem xét nếu nhận dạng tự động của tài liệu kỹ thuật được cấu hình đúng. Xem các cơ hội quan trọng nhất dưới đây.

Nguồn hình ảnh: Mobidev

Để đạt được phân tích tài liệu kỹ thuật phức tạp, các kỹ sư cần đào tạo mô hình AI. Giống như con người, mô hình AI cần kinh nghiệm và đào tạo để hiểu những bản vẽ này.

Một thách thức của bản vẽ và nhận dạng bản vẽ kỹ thuật là phần mềm phải hiểu cách tách các视图 khác nhau của bản vẽ. Đây là các phần khác nhau của bản vẽ cung cấp ý tưởng cơ bản về bố cục của nó. Bằng cách tách các视图 và hiểu cách chúng liên quan đến nhau, phần mềm có thể tính toán hộp giới hạn.

Quá trình này có thể bao gồm một số thách thức:

• Views có thể chồng lên nhau
• Views có thể bị hư hỏng
• Nhãn có thể cách đều hai views
• Views có thể được lồng vào nhau

Mối quan hệ giữa các视图 là một vấn đề khác. Bạn phải xem xét liệu视图 là một phần phẳng của sơ đồ, một phần bị quay, một khối, hoặc một thứ khác. Ngoài ra, có thể có các vấn đề khác như đo lường chuỗi, thiếu chú thích, chiều cao được định nghĩa ngầm qua tham chiếu đến một tiêu chuẩn, hoặc các vấn đề khác.

Quan trọng nhất, OCR chung không thể hiểu đáng tin cậy văn bản trong bản vẽ được bao quanh bởi các yếu tố đồ họa như đường kẻ, biểu tượng và chú thích. Vì sự thật này, chúng ta cần đi sâu vào OCR với học máy sẽ hữu ích hơn cho ứng dụng này.

Mô hình OCR đã được đào tạo và tùy chỉnh

Không có sự thiếu hụt của phần mềm OCR trên thị trường, nhưng không phải tất cả phần mềm này có thể được đào tạo hoặc sửa đổi bởi người dùng. Như chúng ta đã học, đào tạo có thể là một nhu cầu cho việc phân tích bản vẽ kỹ thuật của bạn. Tuy nhiên, các công cụ OCR cho loại bản vẽ này tồn tại.

Công cụ OCR đã được đào tạo

Dưới đây là một số lựa chọn phổ biến cho nhận dạng OCR của bản vẽ kỹ thuật:

• ABBYY FineReader: phần mềm giải thích bản vẽ này cung cấp công nghệ OCR với khả năng nhận dạng văn bản. Nó hỗ trợ các định dạng hình ảnh khác nhau, giữ lại bố cục, xuất dữ liệu và tích hợp.
• Adobe Acrobat Pro: ngoài việc cung cấp chỉnh sửa, xem và quản lý PDF, Acrobat cho phép bạn quét tài liệu OCR và bản vẽ, trích xuất văn bản và thực hiện tìm kiếm. Nó hỗ trợ các ngôn ngữ khác nhau và cho phép người dùng cấu hình các tùy chọn.
• Bluebeam Revu: một ứng dụng PDF phổ biến khác, Bluebeam Revu cung cấp công nghệ OCR để trích xuất văn bản bản vẽ kỹ thuật.
• AutoCAD: viết tắt của Thiết kế có sự hỗ trợ của Máy tính, AutoCAD hỗ trợ các plugin OCR để giải thích bản vẽ và chuyển đổi chúng thành các yếu tố CAD có thể chỉnh sửa.
• PlanGrid: phần mềm này bao gồm giải thích OCR bản vẽ ngay từ đầu. Với tính năng này, bạn có thể tải lên hình ảnh bản vẽ và sau đó trích xuất, tổ chức, lập chỉ mục và tìm kiếm văn bản.
• Textract: tính năng dựa trên đám mây này của AWS cho phép phân tích OCR tài liệu và có thể trích xuất các yếu tố như bảng từ tài liệu. Nó cũng có thể nhận dạng các yếu tố từ bản vẽ và cung cấp API để tích hợp với các ứng dụng khác.
• Butler OCR: cung cấp cho các nhà phát triển các API trích xuất tài liệu, Butler OCR kết hợp học máy với xem xét của con người để tăng độ chính xác của nhận dạng tài liệu.

Giải pháp OCR tùy chỉnh

Nếu bạn đang tìm kiếm các giải pháp OCR tùy chỉnh có thể được đào tạo để đạt được trích xuất dữ liệu tự động tốt hơn từ bản vẽ kỹ thuật và áp dụng nó cho định dạng dữ liệu cụ thể của bạn, dưới đây là một số lựa chọn phổ biến:

• Tesseract: động cơ OCR linh hoạt, mã nguồn mở này được duy trì bởi Google có thể được đào tạo trên dữ liệu tùy chỉnh để nhận dạng các ký tự và biểu tượng cụ thể của bản vẽ.
• OpenCV: Thư viện Thị giác Máy tính Mở có thể được kết hợp với các công cụ OCR như Tesseract để xây dựng các giải pháp giải thích tùy chỉnh. Các chức năng xử lý và phân tích hình ảnh của nó có thể tăng độ chính xác của OCR trên bản vẽ kỹ thuật khi được sử dụng đúng cách.

Ngoài các công cụ này, cũng có thể phát triển các mô hình học máy tùy chỉnh. Bằng cách sử dụng các mô hình đào tạo trên các tập dữ liệu đã được gắn nhãn, các khung như TensorFlow hoặc PyTorch, các giải pháp này có thể được tinh chỉnh để nhận dạng các yếu tố bản vẽ cụ thể và đạt được độ chính xác cao hơn cho nhu cầu của một tổ chức.

Các mô hình đã được đào tạo cung cấp sự tiện lợi và dễ sử dụng nhưng có thể không hiệu quả trong việc giải thích bản vẽ kỹ thuật như các giải pháp tùy chỉnh. Các giải pháp tùy chỉnh cũng yêu cầu thêm nguồn lực và chuyên môn để phát triển và duy trì.

Các giải pháp tùy chỉnh yêu cầu thêm nguồn lực tài chính và lao động để phát triển. Tôi khuyên bạn nên bắt đầu với một bằng chứng về khái niệm (PoC) để xác thực khả năng kỹ thuật và một sản phẩm có thể sử dụng tối thiểu (MVP) để kiểm tra nhận thức của thị trường về dự án trước khi đầu tư quá nhiều vào một giải pháp OCR tùy chỉnh.

Quá trình Thực hiện mô-đun OCR để Đọc Bản vẽ Kỹ thuật

Điểm khởi đầu tốt nhất để xây dựng phần mềm OCR cho bản vẽ kỹ thuật sẽ là phân tích các công cụ mã nguồn mở. Nếu bạn đã sử dụng hết các tùy chọn mã nguồn mở, bạn có thể cần phải chuyển sang các tùy chọn mã nguồn đóng với tích hợp API.

Xây dựng một giải pháp OCR từ đầu là không thực tế vì nó yêu cầu một tập dữ liệu lớn để đào tạo. Điều này khó khăn và tốn kém để thu thập và yêu cầu nhiều nguồn lực để đào tạo mô hình. Trong hầu hết các trường hợp, tinh chỉnh các mô hình hiện có nên đáp ứng nhu cầu của bạn.

Quá trình từ đây trông giống như sau:

1. Xem xét yêu cầu: bạn cần hiểu loại bản vẽ kỹ thuật mà ứng dụng của bạn nên làm việc và loại tính năng và chức năng nào cần thiết để đạt được mục tiêu đó.
2. Chụp ảnh và tiền xử lý: hãy nghĩ về các thiết bị bạn dự định sử dụng để chụp ảnh. Các bước tiền xử lý bổ sung có thể cần thiết để tăng chất lượng của kết quả. Điều này có thể bao gồm cắt, thay đổi kích thước, loại bỏ tiếng ồn và hơn thế nữa.
3. Tích hợp OCR: hãy xem xét động cơ OCR nào sẽ hoạt động tốt nhất với ứng dụng của bạn. Các thư viện OCR có API cho phép ứng dụng của bạn trích xuất văn bản từ hình ảnh được chụp. Điều quan trọng là phải xem xét các giải pháp OCR mã nguồn mở để tiết kiệm chi phí. Các API của bên thứ ba có thể không ổn định về giá cả theo thời gian hoặc mất hỗ trợ.
4. Nhận dạng và xử lý văn bản: tiếp theo, đã đến lúc thực hiện logic để xử lý và nhận dạng văn bản. Một số nhiệm vụ có thể bạn muốn thêm vào bước này là làm sạch văn bản, nhận dạng ngôn ngữ hoặc bất kỳ kỹ thuật nào khác có thể cung cấp kết quả nhận dạng văn bản rõ ràng hơn.
5. Giao diện người dùng và trải nghiệm: một giao diện người dùng dễ sử dụng cho ứng dụng là quan trọng để người dùng có thể sử dụng nó một cách hiệu quả để chụp ảnh và khởi động OCR. Kết quả nên được trình bày cho người dùng theo cách dễ hiểu.
6. Kiểm tra: hãy kiểm tra ứng dụng kỹ lưỡng để đảm bảo độ chính xác và khả năng sử dụng của nó. Phản hồi của người dùng là điều cần thiết cho quá trình này.

Kết thúc

Trước những thách thức của việc tạo phần mềm OCR cho bản vẽ kỹ thuật phức tạp, các tổ chức có một số lựa chọn để tiếp cận vấn đề. Từ một loạt các mô hình đã được đào tạo và các công cụ có thể tùy chỉnh để tạo ra các giải pháp được cá nhân hóa hơn, các doanh nghiệp có thể tìm cách phân tích, lập chỉ mục và tìm kiếm qua bản vẽ và các tài liệu phức tạp khác. Tất cả những gì cần thiết là một chút sáng tạo, sự sáng tạo và thời gian để tạo ra một giải pháp đáp ứng nhu cầu của họ.