思想领袖
使用OCR技术处理复杂的工程图纸
将 Unite.AI 添加到您在 Google 上的首选来源
光学字符识别（OCR）技术已经彻底改变了企业自动化文档处理的方式。然而，这项技术的质量和准确性并不是适用于所有应用场景。文档的复杂程度越高，OCR技术的准确性就越低。这一点在工程图纸的识别中尤其明显。虽然现成的OCR技术可能不适合这一任务，但仍有其他方法可以实现文档处理目标。下面，我将探讨几种可行的解决方案，以提供一个总体概念，而不深入过多的技术细节。
工程图纸识别的挑战
当谈到技术图纸时，OCR技术难以理解个别文本元素的含义。技术可以读取文本，但无法理解其含义。如果技术文档的自动识别配置正确，工程师和制造商可以考虑以下几点：
图片来源: Mobidev
要实现复杂的技术文档分析，工程师需要训练AI模型。就像人类一样，AI模型需要经验和训练来理解这些图纸。
蓝图和工程图纸识别的一个挑战是，软件必须能够分离图纸的不同视图。这些视图是图纸的不同部分，提供了图纸布局的基本概念。通过分离视图并理解它们之间的关系，软件可以计算出边界框。
这个过程可能包括以下几个挑战：
- 视图可能重叠
- 视图可能损坏
- 标签可能与两个视图等距
- 视图可能嵌套
视图之间的关系也是一个可能的问题。您需要考虑视图是平面图、旋转图、块图还是其他类型。另外，还可能存在其他问题，如链式测量、缺失注释、通过引用标准隐式定义的高度等。
重要的是，通用的OCR技术无法可靠地理解图纸中被图形元素（如线、符号和注释）包围的文本。因此，我们需要更深入地研究OCR与机器学习，这将更有助于此应用。
预训练和自定义OCR模型
市场上有很多OCR软件，但并不是所有软件都可以被用户训练或修改。如我们所知，训练可能是分析工程图纸的必要条件。然而，针对此类图纸的OCR工具是存在的。
预训练OCR工具
以下是一些常见的工程图纸OCR识别选项：
- ABBYY FineReader: 这款多功能的蓝图解释软件提供了OCR技术，具有文本识别能力。它支持各种图像格式、布局保留、数据导出和集成。
- Adobe Acrobat Pro: 除了提供PDF编辑、查看和管理功能，Acrobat还允许您扫描OCR文档和蓝图、提取文本并执行搜索。它支持多种语言，并允许用户配置选项。
- Bluebeam Revu: 另一款流行的PDF应用程序，Bluebeam Revu提供了OCR技术，用于工程图纸文本提取。
- AutoCAD: 代表计算机辅助设计，AutoCAD支持OCR插件，用于解释蓝图并将其转换为可编辑的CAD元素。
- PlanGrid: 这款软件包含内置的蓝图OCR解释功能。使用此功能，您可以上传蓝图图像，然后提取、组织、索引和搜索文本。
- Textract: 这项基于云的AWS功能使得文档的OCR分析成为可能，并可以从文档中提取表格等元素。它还可以从蓝图中识别元素，并提供API与其他应用程序集成。
- Butler OCR: 为开发人员提供文档提取API，Butler OCR将机器学习与人工审查相结合，以提高文档识别的准确性。
自定义OCR解决方案
如果您正在寻找可以训练以实现更好自动数据提取的自定义OCR解决方案，并将其适应您的特定数据格式，以下是一些流行的选项：
- Tesseract: 这款由Google维护的灵活开源OCR引擎可以在自定义数据上进行训练，以识别蓝图特有的字符和符号。
- OpenCV: 开源计算机视觉库可以与OCR工具如Tesseract结合使用，构建自定义解释解决方案。其图像处理和分析功能可以在正确使用时提高工程图纸的OCR准确性。
除了这些工具外，还可以独立开发自定义机器学习模型。通过利用训练模型和标记数据集，框架如TensorFlow或PyTorch，可以对这些解决方案进行微调，以识别特定的蓝图元素并实现更高的准确性。
预训练模型提供了便利性和易用性，但可能不如自定义解决方案那样有效地解释工程图纸。这些自定义解决方案还需要额外的资源和专业知识来开发和维护。
自定义解决方案需要额外的财务资源和劳动力来开发。我建议从概念验证（PoC）开始，以验证技术能力，并使用最小可行产品（MVP）来检查市场对项目的看法，然后再大量投资于自定义OCR解决方案。
实现OCR模块以读取工程图纸的过程
构建OCR软件以读取工程图纸的最佳起点是分析可用的开源工具。如果您用尽了开源选项，您可能需要转向具有API集成的闭源选项。
从头开始构建OCR解决方案是不切实际的，因为它需要大量的训练数据集，这很难收集，并需要大量资源来训练模型。在大多数情况下，微调现有模型应该能够满足您的需求。
从这里开始的过程看起来像这样：
- 考虑需求: 您需要了解应用程序应该处理什么类型的工程图纸，以及为了实现这一目标，需要什么功能和功能。
- 图像捕获和预处理: 考虑您计划使用哪些设备来捕获图像。可能需要额外的预处理步骤来增强结果的质量。这可能包括裁剪、调整大小、去噪等。
- OCR集成: 考虑哪个OCR引擎最适合您的应用程序。OCR库具有API，允许您的应用程序从捕获的图像中提取文本。考虑开源OCR解决方案以节省成本。第三方API可能会随着时间的推移而变化价格或失去支持。
- 文本识别和处理: 接下来，实现逻辑来处理和识别文本。您可能会考虑在此步骤中添加的任务，例如文本清理、语言识别或其他可以提供更清晰文本识别结果的技术。
- 用户界面和体验: 应用程序的用户界面很重要，以便用户可以有效地使用它来捕获图像并启动OCR。结果应以用户易于理解的方式呈现给用户。
- 测试:彻底测试应用程序，以确保其准确性和可用性。用户反馈对于此过程至关重要。
总结
面对创建OCR软件以读取复杂工程图纸的挑战，组织有多种选择来解决这个问题。从预训练模型和可定制工具的范围来创建更个性化的解决方案，企业可以找到有效的方法来分析、索引和搜索蓝图和其他复杂文档。只要有一些创造力、创造性和时间，就可以制作出满足其需求的解决方案。
