OCR字段识别

Question

有人能帮我解决下一个问题吗?我们需要使用OCR技术，但我们不需要所有的文本，只需要发票和收据中的一些字段，找不到更好的解决方案

Answer 1

如果你想开始开发移动应用，你可以使用文本识别服务，其核心是OCR技术。例如，Huawei ML Kit Text recognition API、Google Firebase ML's text recognition API等。您可以通过代码提取所需的文本信息(如果需要，可以提取发票和收据)。

我将列出ML工具包文本识别集成的主要步骤，您也可以在Github上下载演示。

1. Preparations

1)。在项目级build.gradle文件中配置Maven资源库地址

buildscript {
    repositories {
     ...
        maven {url 'https://developer.huawei.com/repo/'}
    }
}
 dependencies {
   ...
        classpath 'com.huawei.agconnect:agcp:1.3.1.300'
    }
allprojects {
    repositories {
     ...
        maven {url 'https://developer.huawei.com/repo/'}
    }
}

2)。向文件头添加配置

apply plugin: 'com.android.application'apply plugin: 'com.huawei.agconnect'

3)。在应用级build.gradle文件中配置SDK依赖

dependencies {
    // Import the base SDK.
    implementation 'com.huawei.hms:ml-computer-vision-ocr:2.0.1.300'
    // Import the Latin character recognition model package.
    implementation 'com.huawei.hms:ml-computer-vision-ocr-latin-model:2.0.1.300'
    // Import the Japanese and Korean character recognition model package.
    implementation 'com.huawei.hms:ml-computer-vision-ocr-jk-model:2.0.1.300'
    // Import the Chinese and English character recognition model package.
    implementation 'com.huawei.hms:ml-computer-vision-ocr-cn-model:2.0.1.300'
}

4)。将这些语句添加到AndroidManifest.xml文件中，以便机器学习模型可以自动更新

<manifest>
 ...
    <meta-data
        android:name="com.huawei.hms.ml.DEPENDENCY"
        android:value="ocr" />
     ...
</manifest>       

5)。申请摄像头权限

<uses-permission android:name="android.permission.CAMERA" />
<uses-permission android:name="android.permission.INTERNET" />
  
<uses-feature android:name="android.hardware.camera" />
<uses-feature android:name="android.hardware.camera.autofocus" />

2.代码开发

1)。创建分析器

MLTextAnalyzer analyzer = new MLTextAnalyzer.Factory(context).setLanguage(type).create();

2)。将识别结果处理器设置为与分析器绑定

analyzer.setTransactor(new OcrDetectorProcessor());

3)。调用同步接口

使用SDK内置的LensEngine创建对象、注册分析器、初始化摄像头参数。

lensEngine = new LensEngine.Creator(context, analyzer)
  .setLensType(LensEngine.BACK_LENS)
  .applyDisplayDimension(width, height)
  .applyFps(30.0f)
  .enableAutomaticFocus(true)
  .create();      

4)。调用run方法来启动摄像机并读取识别的摄像机流

try {lensEngine.run(holder);} catch (IOException e) {// Exception handling logic.Log.e("TAG", "e=" + e.getMessage());}

5)。按要求对识别结果进行处理

public class OcrDetectorProcessor implements MLAnalyzer.MLTransactor<MLText.Block> {
    @Override
    public void transactResult(MLAnalyzer.Result<MLText.Block> results) {
        SparseArray<MLText.Block> items = results.getAnalyseList();
        // Process the recognition result as required. Only the detection results are processed.
        // Other detection-related APIs provided by ML Kit cannot be called.
        …
    }
    @Override
    public void destroy() {
        // Callback method used to release resources when the detection ends.
    }
}

6)。在检测结束时停止分析器并释放检测资源

if (analyzer != null) {
    try {
        analyzer.stop();
    } catch (IOException e) {
        // Exception handling.
    }
}
if (lensEngine != null) {
    lensEngine.release();
}

你也可以参考这篇媒体文章here。

有关更多信息，请参阅official documentation。

Answer 2

据我所知，LEADTOOLS SDK有几个解决方案。主窗体编辑器和文档分析器听起来都可能对您的用例很有用。为了充分披露的利益，这是我工作的公司，但我将是疏忽不提及它作为您的方案的可能解决方案。

这是一个指向YouTube视频的链接，该视频描述了主窗体编辑器技术的工作原理。https: //www.youtube.com/watch?v=wo6TGcdrtb4

它基本上允许您在各种表单上定义预先设置的区域，然后将文档与存储库中的表单进行比较。然后它将从这些区域提取数据，您可以随心所欲地管理OCR数据。

以及一个指向在线文档的链接，该文档显示了一些功能的编码实现：https://www.leadtools.com/help/sdk/v21/dh/to/steps-to-generate-a-master-form-and-save-it-to-a-master-repository.html

这里有一个我提到的其他功能的链接-文档分析器-我的一个同事在Microsoft Build Post Show中介绍了这个功能。https://www.leadtools.com/blog/general/microsoft-build-post-show-v21-document-analyzer-demo/

这些示例的代码和使用的技术可以在60天的免费试用版中找到，如果您有兴趣查看，可以从LEAD站点下载。https://www.leadtools.com/downloads