تعرف المحارف البصري

تعرف المحارف البصري
معلومات عامة
صنف فرعي من
خوارزمية
رقمنة النصوص [لغات أخرى]
تمييز الأنماط
التعرف على البيانات [لغات أخرى] عدل القيمة على Wikidata
جانب من جوانب
مسح بالضوء [لغات أخرى]
Create or Receive (Acquire) [الإنجليزية] ترجم عدل القيمة على Wikidata
الاسم المختصر
OCR (بالإنجليزية) عدل القيمة على Wikidata
يدرسه
معالجة اللغات الطبيعية عدل القيمة على Wikidata

تعرُّف المحارف البصري قد يسمى أيضًا تعرف المحارف المرئي (بالإنجليزية: Optical character recognition) أو اختصارا OCR هي نوع من البرمجيات الحاسوبية لتحويل صور النصوص المكتوبة باليد أو بآلة (يحصل عليها عادة باستخدام الماسحة) إلى نصوص يستطيع الحاسوب معالجتها. هو آلية أو تحويل الصورة الممسوحة الالكترونية من صيغة مكتوبة بخط اليد، أو مطبوعة على الآلة الكاتبة أو نص مطبوع إلى نص مرمز تفهمه الآلة وتدعى آلة ترميز النصوص. ويستخدم على نطاق واسع باعتباره شكلا من أشكال إدخال البيانات من نوع ما من ورقة البيانات المصدر الأصلي، سواء وثائق، أوايصالات مبيعات، والبريد، أو أي عدد من السجلات المطبوعة. لإنه من الأهمية بمكان أن حوسبة النصوص المطبوعة تكون مطلبا حتى يمكن أن يكون البحث عنها أوتخزينها إلكترونيا بحيث تصبح قابلة للانضغاط أكثر ليتيسر عرضها على الإنترنت، وتستخدم في عمليات آلية مثل الترجمة الآلية، تحويل النص إلى كلام والغوص في النصوص. التعرف البصري على الحروف هو مجال البحث في التعرف على النماذج، الذكاء الاصطناعي وجهاز الرؤية عن طريق الحاسوب.

هناك حاجة لإصدارات في وقت مبكر حتى يتسنى أن تبرمج الصور تبعا لكل حرف، وتعمل على خط واحد في وقت واحد. النظام «الذكي» مع وجود درجة عالية من دقة التعرف على معظم الخطوط أصبحت شائعة الآن. بعض الأنظمة الآن قادرة على إنتاج حروف تمت تهيئتها formatted output وهي تقترب كثيرا من الشكل الأصلي بما في ذلك الصور الممسوحة بصريا، والأعمدة وغيرها من العناصر غير النصية.

التاريخ

ويمكن أن يعزى التعرف البصري على الحروف في وقت مبكر للنشاط حول مسألتين: توسيع الإبراق وخلق أجهزة القراءة للمكفوفين.[1] في عام 1914 ايمانويل جولدبرغ صنع آلة لقراءة الأحرف وتحويلها إلى رموز التلغراف القياسية. [بحاجة لمصدر] في نفس الوقت تقريبا، إدموند فورنييه ديفوار d'Albe طور Optophone ، ماسح بصري محمول حيث يتم تحريكه عبر الصفحة المطبوعة، فيقوم بإنتاج نغمات التي تتوافق مع أشكال محددة أو حروفا.

واصل جولدبرغ تطوير تكنولوجيا التعرف البصري على الحروف لإدخال البيانات. وفيمابعد اقترح تصوير سجلات البيانات ومن ثم، وذلك باستخدام الخلايا البصرية، مطابقة الصور ضد قالب يحتوي على نمط محدد وهو النمط المطلوب. في عام 1929 غوستاف تاوشك Tauschek كان لديه أفكار مماثلة، وحصل على براءة اختراع في التعرف البصري على الحروف في ألمانيا. بول جورج هاندل أيضا حصل على براءة أميريكية في قالب تكنولوجيا مطابقة التعرف البصري على الحروف في الولايات المتحدة الأمريكية في عام 1933 (U.S. Patent 1,915,993).في عام 1935 حصل أيضا Tauschek على براءة اختراع في الولايات المتحدة على طريقته (U.S. Patent 2,026,329).

وفي عام 1949 فإن مهندسوشركة راديو أمريكا عملوا على التعرف البصري على الحروف بنوع بدائى أولى بمساعدة الكمبيوتر لمساعدة المكفوفين ولإدارة شؤون المحاربين القدامى في الولايات المتحدة، ولكن بدلا من تحويل الأحرف المطبوعة إلى لغة الآلة، تم تحويلها من جهاز إلى جهاز اللغة المتكلمة ومن ثم الحروف: في وقت مبكر دفعا إلى تكنولوجيا النص إلى كلام.حيث ثبت حتى الآن أنها مكلفة للغاية، ولم يكن السعي إلى الإسستمرار فيها بعد اختبارها.[2]

و في عام 1950 ديفيد شيبرد وهو cryptanalyst في وكالة الأمن بالقوات المسلحة في الولايات المتحدة، معالجة مشكلة تحويل الرسائل المطبوعة إلى لغة الآلة لل تجهيز الكمبيوتر، وبناء جهاز للقيام بذلك، ودعيت جزمو Gismo .".[3] حصل على براءة اختراع لتطويره "جهاز القراءة" في عام 1953U.S. Patent 2,663,758. “ جزمو يمكنه "قراءة 23 حرفا من الحروف الأبجدية الإنجليزية، ويقوم بترجمة إشارات مورس، ويقرأ الرموز الموسيقية، ويقرأ بصوت مسموع من صفحات مطبوعة ويقوم بتكرارا صفحات مطبوعة. شيبرد ذهب إلى العثور على مؤسسة البحوث للآلات الذكية (IMR)، والتي سرعان ما وضعت أول أنظمة تجارية للتعرف البصري على الحروف في العالم.

وكان في عام 1955، قد تم تركيب أول نظام تجاري في مجلة ريدرز دايجست ، والتي تستخدم التعرف البصري على الحروف لإرسال تقارير المبيعات إلى جهاز الكمبيوتر. حيث قامت بتحويل التقارير المطبوعة إلى بطاقات المثقبة لإدخالها في الكمبيوتر في قسم الاشتراكات في المجلة، للمساعدة في تجهيز شحنات من 15-20 مليون كتاب في السنة

.[4] تم بيع النظام الثاني إلى شركة ستاندرد أويل لقراءة بصمات بطاقات الائتمان لأغراض الفوترة. وشملت غيرها من النظم التي تبيعها IMR خلال أواخر 1950 قارئ كعوب الفواتير مشروع القانون إلى شركة أوهايو بيل للتليفونات وماسح بصري للصفحات إلى للقوات الجوية للولايات المتحدة لقراءة وإرسال الرسائل المبرقة بواسطة الآلة الكاتبة. واجيزت آي بي إم وآخرون في وقت لاحق للحصول على براءات الاختراع شيبرد للتعرف البصري على الحروف. في حوالي 1965، تعاونت مجلة ريدرز دايجست مع RCA لبناء قارئ تعرف ضوئى للحروف، مصمم إلى رقمنة الأرقام التسلسلية وتقييم النتائج والكفاءات على كوبونات مجلة ريدرز دايجست العائدة من الإعلانات. وطبعت الخطوط المستخدمة في وثائق بواسطة طابعة الطبل RCA باستخدام OCR-Aالخط. وربط القارئ مباشرة إلى كمبيوتر آر سى أ 301 وهو واحد من أجهزة الكمبيوتر الحالة الصلبة 1).وأعقب هذا توصيله من قبل قارئ وثائق متخصص ركب إلى TWA حيث القارئ يعالج مخزون تذاكر شركة طيران. القارئ يعالج الوثائق بمعدل 1500 وثيقة في الدقيقة، ويفحص كل وثيقة، ويرفض تلك التي لاتقبل المعالجة بطريقة صحيحة وأصبح هذا المنتج جزءا من خط إنتاج RCA كقارئ مصمم لمعالجة «الوثائق الدوارة» مثل تلك التي تشمل فواتير المياه والكهرباء والتأمين وعائدات المدفوعات.

التطبيقات

تطورت محركات التعرف الضوئي على الحروف (Optical Character Recognition - OCR) لتصبح تطبيقات برمجية متخصصة في مجالات متنوعة، مثل معالجة الإيصالات والفواتير والشيكات ومستندات الفواتير القانونية.

يمكن استخدام هذه البرامج في مجموعة واسعة من التطبيقات، منها:

  • إدخال البيانات من المستندات التجارية: مثل الشيكات، وجوازات السفر، والفواتير، وكشوف الحسابات المصرفية، والإيصالات.
  • التعرف التلقائي على لوحات أرقام المركبات.
  • التعرف على جوازات السفر واستخراج المعلومات في المطارات.
  • الاستخراج التلقائي للمعلومات الرئيسية من مستندات التأمين. [بحاجة لمصدر]
  • التعرف على إشارات المرور. [5]
  • استخراج معلومات بطاقات العمل إلى قوائم جهات الاتصال. [6]
  • إنشاء نسخ نصية من المستندات المطبوعة: على سبيل المثال، في مشاريع مسح الكتب مثل مشروع غوتنبرغ.
  • جعل الصور الإلكترونية للمستندات المطبوعة قابلة للبحث: كما هو الحال في مشروع كتب جوجل.
  • تحويل الكتابة اليدوية في الوقت الفعلي للتحكم في الحاسوب (الحوسبة بالقلم).
  • محاولة تجاوز أو اختبار قوة أنظمة التحقق البشري CAPTCHA: على الرغم من أن هذه الأنظمة مصممة خصيصًا لمنع التعرف الضوئي على الحروف. [7] [8] [9]
  • توفير تكنولوجيا مساعدة للمستخدمين المكفوفين وضعاف البصر.
  • كتابة تعليمات خاصة بالمركبات: من خلال تحديد صور التصميم بمساعدة الحاسوب (CAD) في قاعدة البيانات المناسبة لتصميم المركبة وتحديثها في الوقت الفعلي.
  • جعل المستندات الممسوحة ضوئيًا قابلة للبحث: عن طريق تحويلها إلى ملفات PDF.

أنواع

في مجال التعرف على النصوص، تتعدد أنواع التقنيات المستخدمة، وتشمل:

  • التعرف الضوئي على الحروف (OCR): يركز على تحليل النصوص المكتوبة، وذلك بمعالجة كل حرف أو رمز على حدة.
  • التعرف الضوئي على الكلمات: يختص بالنصوص المطبوعة، حيث يتم تحليل الكلمات كوحدات منفصلة (وهو الأسلوب الأمثل للغات التي تعتمد على المسافات لفصل الكلمات). ويُشار إليه غالبًا أيضًا بمصطلح "التعرف الضوئي على الحروف".
  • التعرف الذكي على الحروف (ICR): يهدف إلى تحليل النصوص المطبوعة أو المكتوبة بخط اليد، وذلك بمعالجة كل حرف أو رمز على حدة، وعادةً ما يستفيد من تقنيات التعلم الآلي لتحسين الدقة.
  • التعرف الذكي على الكلمات (IWR): يركز على تحليل النصوص المطبوعة أو المكتوبة بخط اليد، وذلك بمعالجة الكلمات كوحدات منفصلة. ويُعد هذا النوع ذا أهمية خاصة للغات التي لا تفصل فيها الوحدات الكتابية بشكل واضح في النص المتصل.

جدير بالذكر أن التعرف الضوئي على الحروف (OCR) يمثل عملية تحليل غير مباشرة (offline)، حيث يتم فحص المستند الثابت. وفي المقابل، تتوفر خدمات سحابية تقدم واجهات برمجة تطبيقات (API) لتنفيذ عمليات التعرف الضوئي على الحروف بشكل مباشر (online).

علاوة على ذلك، يمكن الاستعانة بتقنية تحليل حركة الكتابة اليدوية كمدخل لتعزيز دقة التعرف على النصوص المكتوبة بخط اليد. [14] فبدلًا من الاقتصار على شكل الحروف والكلمات، تقوم هذه التقنية بتسجيل وتحليل حركة القلم أثناء الكتابة، مثل ترتيب رسم المقاطع، والاتجاه، ونمط الضغط على القلم ورفعه. هذه المعلومات الإضافية تسهم في تحقيق دقة أعلى في التعرف. وتُعرف هذه التقنية أيضًا بمسميات أخرى مثل "التعرف على الحروف المباشر" (online character recognition)، و"التعرف الديناميكي على الحروف" (dynamic character recognition)، و"التعرف الفوري على الحروف" (real-time character recognition)، و"التعرف الذكي على الحروف" (intelligent character recognition).[10]

برمجيات التعرف الضوئى على الحروف

برامج التعرف البصري على الحروف لسطح المكتب والخوادم

برامج التعرف البصري على الحروف وبرمجيات ICR التكنولوجيا هي أنظمة الذكاء الاصطناعي للتحليلات التي تنظر في تسلسل الحروف بدلا من الكلمات أو العبارات كلها. استنادا إلى تحليلات للخطوط والمنحنيات المتتابعة، للتعرف البصري على الحروف حيث OCR و ICR تفعل أفضل التخمينات على الحروف باستخدام قاعدة بيانات للمتابعة عن كثب لربط الجداول أو تتطابق مع سلاسل الحروف التي تكون الكلمات.

WebOCR & OnlineOCR التعرف البصري على الحروف على شبكة الإنترنت

التقنيات

قبل التجهيز

برمجيات التعرف البصري على الحروف في كثير من الأحيان هي صور «عمليات ما قبل» لتحسين تقنيات فرص تعرف ناجحة.وتشمل ما يلي:[11]

  • دي تحرف  – متباعدة إذا لم يتم محاذاة المستند ليكون متوائما بشكل صحيح عند فحصهه، قد تحتاج إلى أن تميل بضع درجات في اتجاه عقارب الساعة أو عكس اتجاه عقارب الساعة من أجل جعل أسطر من النص أفقية تماما أو عمودية.

يونيكود

أُضيفت الأحرف الداعمة لتقنية التعرف الضوئي على الحروف (OCR) إلى معيار Unicode في يونيو 1993، مع إصدار الإصدار 1.1.

بعض هذه الأحرف مُستقاة من خطوط خاصة بتقنية MICR، أو OCR-A، أو OCR-B.قالب:Unicode chart Optical Character Recognition

التقنيات

المعالجة المسبقة

غالبًا ما تُجري برامج التعرف الضوئي على الحروف (OCR) عمليات معالجة مسبقة للصور بهدف تحسين فرص التعرف الناجح عليها. تتضمن هذه التقنيات ما يلي: [15]

  • إزالة الانحراف (Deskewing): في حال لم يكن المستند محاذيًا بشكل صحيح عند المسح الضوئي، قد يلزم إمالته بزاوية طفيفة في اتجاه عقارب الساعة أو عكسه لجعل أسطر النص أفقية أو رأسية تمامًا.
  • إزالة البقع (Noise removal): التخلص من النقاط والتشويشات الإيجابية والسلبية وتنعيم حواف الأحرف.
  • التثنية (Binarization): تحويل الصورة من ملونة أو ذات تدرج رمادي إلى صورة بالأبيض والأسود (تُعرف بالصورة الثنائية نظرًا لوجود لونين فقط). تُنفذ هذه العملية كطريقة مبسطة لفصل النص (أو أي عنصر مرغوب آخر في الصورة) عن الخلفية. [12] تُعد مهمة التثنية ضرورية لأن معظم الخوارزميات التجارية للتعرف الضوئي على الحروف تعمل بكفاءة أكبر على الصور الثنائية. [13] بالإضافة إلى ذلك، تؤثر جودة عملية التثنية بشكل كبير على دقة التعرف على الأحرف، ويتطلب اختيار تقنية التثنية المناسبة لنوع معين من صور الإدخال دراية دقيقة؛ حيث تعتمد جودة النتيجة الثنائية على طبيعة الصورة الأصلية (مستند ممسوح ضوئيًا، صورة نصية في مشهد طبيعي، مستند تاريخي تالف، إلخ). [14]
  • إزالة الخطوط (Line removal): تنظيف وإزالة المربعات والخطوط غير النصية.
  • تحليل التخطيط أو تقسيم المناطق (Layout analysis or zoning): تحديد الأعمدة والفقرات والعناوين التوضيحية وغيرها ككتل نصية منفصلة. يُعد هذا الإجراء بالغ الأهمية في المستندات ذات التخطيطات متعددة الأعمدة والجداول.
  • اكتشاف الخطوط والكلمات (Line and word detection): إنشاء خط أساس لأشكال الكلمات والأحرف، وفصل الكلمات عند الضرورة.
  • التعرف على النصوص (Script recognition): في المستندات متعددة اللغات، قد يختلف النص على مستوى الكلمات، وبالتالي، يكون تحديد لغة النص ضروريًا قبل استدعاء محرك التعرف الضوئي على الحروف المناسب للتعامل مع النص المحدد. [15]
  • عزل الأحرف أو تقسيمها (Character isolation or segmentation): بالنسبة لتقنيات التعرف الضوئي على الحروف التي تعمل على مستوى الحرف، يجب فصل الأحرف المتصلة ببعضها البعض نتيجة لتشوهات الصورة؛ وبالمقابل، يجب ربط الأجزاء المنفصلة من حرف واحد بسبب تشوهات مماثلة.
  • تطبيع نسبة العرض إلى الارتفاع والمقياس (Normalization of aspect ratio and scale). [16]

تُعالج الخطوط ذات المسافات الثابتة بسهولة نسبية عن طريق محاذاة الصورة على شبكة موحدة، بناءً على المناطق التي تتقاطع فيها الخطوط الرأسية للشبكة مع المناطق السوداء بتكرار أقل. أما بالنسبة للخطوط ذات المسافات المتغيرة، فإنها تتطلب تقنيات أكثر تعقيدًا، نظرًا لأن المسافة بين الأحرف قد تكون أكبر أحيانًا من المسافة بين الكلمات، وقد تتقاطع الخطوط الرأسية مع أكثر من حرف واحد. [17]

التعرف على النص

  • مطابقة المصفوفات (Matrix matching): [18]تتضمن هذه التقنية مقارنة صورة الحرف أو الرمز المدخل برمز مُخزن مسبقًا بكسلًا بكسلًا. تُعرف أيضًا باسم مطابقة الأنماط (pattern matching)، أو التعرف على الأنماط (pattern recognition)، أو ارتباط الصور (image correlation).[19] تعتمد هذه الطريقة على عزل الرمز المدخل بشكل دقيق عن بقية الصورة، وأن يكون الرمز المُخزن مكتوبًا بخط مشابه وبنفس الحجم. تحقق هذه التقنية أفضل النتائج مع النصوص المطبوعة، ولكنها تكون أقل فعالية مع الخطوط الجديدة أو غير المألوفة. كانت هذه التقنية من أوائل التقنيات التي طُبقت في أنظمة التعرف الضوئي على الحروف (OCR) القائمة على الخلايا الضوئية المادية، ولكن بطريقة مباشرة. [20]

مرحلة ما بعد المعالجة

تعتمد بعض أنظمة التعرف الضوئي على الحروف (OCR) على التعرف القائم على المعجم (lexicon-based recognition)، حيث يُستخدم قاموس للكلمات الشائعة في اللغة الهدف، أو معجم أكثر تخصصًا لمجال معين. قد تظهر تحديات في هذه التقنية إذا احتوى المستند على كلمات غير موجودة في القاموس، مثل الأسماء العلم. يستخدم برنامج Tesseract قاموسه للتأثير على خطوة تقسيم الأحرف، بهدف تحسين الدقة.[17]

قد يكون الناتج النهائي مجرد نص عادي أو ملف من الأحرف، ولكن أنظمة التعرف الضوئي على الحروف الأكثر تطورًا قادرة على الحفاظ على التصميم الأصلي للصفحة وإنتاج، على سبيل المثال، ملف PDF يتضمن الصورة الأصلية للصفحة بالإضافة إلى تمثيل نصي قابل للبحث.

يمكن لتقنية تحليل الجوار القريب (near neighbor analysis) الاستفادة من معدلات التواجد المشترك (co-occurrence frequencies) للكلمات لتصحيح الأخطاء، وذلك من خلال ملاحظة أن بعض الكلمات تظهر معًا بشكل متكرر. [21] على سبيل المثال، عبارة "Washington, DC" أكثر شيوعًا في اللغة الإنجليزية من "Washington DOC".

كما أن الإلمام بقواعد اللغة التي يجري مسحها ضوئيًا يمكن أن يساعد في تحديد الاحتمالية بأن تكون كلمة معينة فعلًا أو اسمًا، على سبيل المثال، مما يسمح بتحقيق دقة أكبر.

بالإضافة إلى ذلك، استُخدمت خوارزمية مسافة ليفنشتاين (Levenshtein distance algorithm) في عمليات المعالجة اللاحقة لنتائج التعرف الضوئي على الحروف (OCR) بهدف تحسين النتائج الواردة من واجهات برمجة تطبيقات التعرف الضوئي على الحروف بشكل أكبر.

الحلول البديلة

بالتأكيد، بالإضافة إلى تطوير خوارزميات التعرف الضوئي على الحروف (OCR) وتحسينها، توجد تقنيات أخرى تُستخدم لمعالجة تحديات التعرف على الحروف والنصوص. هل تود أن نتناول بعضًا من هذه التقنيات البديلة؟

فرض إدخال أفضل

تساهم الخطوط الخاصة، مثل OCR-A، وOCR-B، وMICR، والتي تتميز بأبعاد ومسافات وأشكال حروف دقيقة ومحددة، في تحقيق دقة أعلى أثناء عملية النسخ في تطبيقات مثل معالجة الشيكات المصرفية. في حين أن العديد من محركات التعرف الضوئي على الحروف (OCR) المعروفة مُصممة للتعامل مع الخطوط الشائعة كالخطوط Arial وTimes New Roman، فإنها قد لا تكون قادرة على التعرف على هذه الخطوط المتخصصة والمختلفة بشكل كبير عن الخطوط القياسية. ومع ذلك، نظرًا لقدرة برنامج Google Tesseract على التدرب على التعرف على خطوط جديدة، فإنه يستطيع التعامل مع خطوط OCR-A، وOCR-B، وMICR.[22]

أما حقول المشط فهي عبارة عن مربعات تُطبع مسبقًا على المستندات لتشجيع المستخدمين على الكتابة بوضوح أكبر، وذلك بتخصيص مربع واحد لكل رمز. [21] وغالبًا ما تُطبع هذه الحقول بلون متقطع يسهل على أنظمة التعرف الضوئي على الحروف إزالته. [21]

من جهة أخرى، استخدم نظام التشغيل Palm OS مجموعة فريدة من الرموز الكتابية، عُرفت باسم Graffiti، والتي كانت تشبه الحروف الإنجليزية المطبوعة ولكنها مبسطة أو معدلة لتسهيل عملية التعرف عليها على الأجهزة ذات القدرات الحاسوبية المحدودة. وكان يتعين على المستخدمين تعلم طريقة كتابة هذه الرموز الخاصة.

أخيرًا، التعرف الضوئي على الحروف القائم على المنطقة يقتصر على تحليل جزء محدد من الصورة في المستند. ويُشار إلى هذا الأسلوب غالبًا باسم التعرف الضوئي على الحروف للقالب.

دقة

بتكليف من وزارة الطاقة الأمريكية (DOE)، اضطلع معهد أبحاث علوم المعلومات (ISRI) بمهمة تعزيز تطوير التقنيات الآلية لفهم المستندات المطبوعة آليًا. وفي هذا الإطار، أجرى المعهد الاختبار السنوي الأكثر مصداقية لدقة التعرف الضوئي على الحروف في الفترة من عام 1992 إلى عام 1996. [23]

لا يزال التعرف على النصوص المكتوبة بالخط اللاتيني غير دقيق بنسبة 100% حتى في ظل توفر صور واضحة. وقد خلصت دراسة استندت إلى تحليل صفحات الصحف من القرنين التاسع عشر والعشرين إلى أن دقة التعرف الضوئي على الحروف (OCR) على مستوى الحرف الواحد لبرامج التعرف الضوئي على الحروف التجارية تتراوح بين 81% و99%. [24] ويمكن تحقيق دقة كاملة من خلال المراجعة البشرية أو التحقق من البيانات باستخدام القواميس. ولا تزال مجالات أخرى، تشمل التعرف على الطباعة اليدوية، والكتابة اليدوية المتصلة، والنصوص المطبوعة بلغات أخرى (خاصةً أحرف لغات شرق آسيا التي تتضمن العديد من الخطوط لكل حرف)، موضوعًا نشطًا للبحث. وتُستخدم قاعدة بيانات MNIST بشكل شائع لاختبار قدرة الأنظمة على التعرف على الأرقام المكتوبة بخط اليد.

يمكن قياس معدلات الدقة بطرق متنوعة، وتؤثر طريقة القياس بشكل كبير على معدل الدقة المعلن عنه. على سبيل المثال، إذا لم يُستخدم سياق الكلمة (معجم الكلمات) لتصحيح الأخطاء في البرامج التي تجد كلمات غير موجودة، فقد يؤدي معدل خطأ في الأحرف بنسبة 1% (دقة 99%) إلى معدل خطأ بنسبة 5% أو أسوأ إذا كان القياس يعتمد على ما إذا تم التعرف على كل كلمة كاملة دون أي أحرف غير صحيحة. [25] ويُعد استخدام مجموعة بيانات كبيرة بما يكفي أمرًا بالغ الأهمية في حلول التعرف على الكتابة اليدوية القائمة على الشبكات العصبية. ومن ناحية أخرى، فإن إنشاء مجموعات بيانات واقعية يُعد عملية معقدة للغاية وتستغرق وقتًا طويلًا. [26]

ومن الأمثلة على التحديات الكامنة في رقمنة النصوص القديمة عدم قدرة التعرف الضوئي على الحروف على التمييز بين حرفي "s" الطويل[27] [28] ("ſ") وحرف "f" .

شهدت أنظمة التعرف الضوئي على الحروف (OCR) القائمة على الويب، والتي تُستخدم للتعرف الفوري على النصوص المطبوعة يدويًا، انتشارًا تجاريًا واسعًا في السنوات الأخيرة [متى؟] (راجع تاريخ أجهزة الكمبيوتر اللوحية). يمكن تحقيق معدلات دقة تتراوح بين 80% و90% على الأحرف المطبوعة يدويًا بشكل أنيق ونظيف باستخدام برامج الحوسبة بالقلم، إلا أن هذا المستوى من الدقة لا يزال يؤدي إلى ظهور عشرات الأخطاء في كل صفحة، مما يجعل هذه التقنية مفيدة فقط في تطبيقات محدودة للغاية. [بحاجة لمصدر]

يُعد التعرف على النصوص المكتوبة بخط اليد مجالًا بحثيًا نشطًا، حيث تكون معدلات التعرف عليه أقل حتى من معدلات التعرف على النصوص المطبوعة يدويًا. ومن غير المرجح تحقيق معدلات أعلى للتعرف على النصوص المكتوبة بخط اليد دون استخدام معلومات سياقية أو نحوية. على سبيل المثال، يُعد التعرف على الكلمات الكاملة من القاموس أسهل من محاولة تحليل أحرفها الفردية. وتُعد قراءة سطر المبلغ في الشيك (وهو دائمًا رقم مكتوب) مثالًا على كيفية زيادة معدلات التعرف بشكل كبير باستخدام قاموس أصغر حجمًا. ببساطة، لا تحتوي أشكال الأحرف المكتوبة بخط اليد على معلومات كافية لتحقيق دقة عالية (تزيد عن 98%) في التعرف على جميع النصوص المكتوبة بخط اليد. [بحاجة لمصدر]

تتيح معظم البرامج للمستخدمين تحديد "معدلات الثقة". وهذا يعني أنه في حال لم يحقق البرنامج مستوى الدقة المطلوب، يمكن إخطار المستخدم لإجراء مراجعة يدوية.

يُطلق أحيانًا على الخطأ الناتج عن عملية مسح التعرف الضوئي على الحروف اسم "خطأ في المسح الضوئي" (scan error)، قياسًا على مصطلح "الخطأ المطبعي" (typo). [29] [30]

اللغة العربية

التعرف البصري على المحارف العربية Optical Character Recogniation for Arabic Language : يعتبر من أهم المواضيع البحثية فيما يتصل بتطوير استخدام اللغة العربية. الأحرف العربية تحوي على 28 حرفاً وهذه الأحرف تأخذ صيغ شكلية مختلفة اعتماداً على توضعها في أول الكلمة أو وسطها أو في نهايتها. التعرف البصري على المحارف العربية قد يكون آني أي يتم التعرف خلال زمن الكتابة Online أو من خلال معالجة وثائق تحوي على نص مكتوب باللغة العربية Offline

انظر أيضا

مراجع

  1. ↑ Herbert Schantz, The History of OCR. Manchester Center, VT: Recognition Technologies Users Association, 1982.
  2. ↑ "Reading Machine Speaks Out Loud" , February 1949, Popular Science. نسخة محفوظة 6 أبريل 2020 على موقع واي باك مشين.
  3. ↑ Washington Daily News, April 27, 1951; New York Times, December 26, 1953
  4. ↑ Schantz, The History of OCR.
  5. ↑ Zeng, Qing-An (2015). Wireless Communications, Networking and Applications: Proceedings of WCNA 2014. Springer. ISBN:978-81-322-2580-5. مؤرشف من الأصل في 2023-10-31.
  6. ↑ "[javascript] Using OCR and Entity Extraction for LinkedIn Company Lookup". 22 يوليو 2014. مؤرشف من الأصل في 2016-04-17.
  7. ↑ Resig, John (23 يناير 2009). "John Resig – OCR and Neural Nets in JavaScript". Ejohn.org. مؤرشف من الأصل في 2017-03-13. اطلع عليه بتاريخ 2013-06-16.
  8. ↑ "Breaking a Visual CAPTCHA". Cs.sfu.ca. 10 ديسمبر 2002. مؤرشف من الأصل في 2025-05-11. اطلع عليه بتاريخ 2013-06-16.
  9. ↑ "How To Crack Captchas". andrewt.net. 28 يونيو 2006. مؤرشف من الأصل في 2025-03-05. اطلع عليه بتاريخ 2013-06-16.
  10. ↑ Tappert، C. C.؛ Suen، C. Y.؛ Wakahara، T. (1990). "The state of the art in online handwriting recognition". IEEE Transactions on Pattern Analysis and Machine Intelligence. ج. 12 ع. 8: 787. DOI:10.1109/34.57669. S2CID:42920826.
  11. ↑ "Optical Character Recognition (OCR) – How it works". Nicomsoft.com. مؤرشف من الأصل في 2019-02-08. اطلع عليه بتاريخ 2013-06-16.
  12. ↑ Sezgin، Mehmet؛ Sankur، Bulent (2004). "Survey over image thresholding techniques and quantitative performance evaluation" (PDF). Journal of Electronic Imaging. ج. 13 ع. 1: 146. Bibcode:2004JEI....13..146S. DOI:10.1117/1.1631315. مؤرشف من الأصل (PDF) في 2015-10-16. اطلع عليه بتاريخ 2015-05-02.
  13. ↑ Gupta، Maya R.؛ Jacobson، Nathaniel P.؛ Garcia، Eric K. (2007). "OCR binarisation and image pre-processing for searching historical documents" (PDF). Pattern Recognition. ج. 40 ع. 2: 389. Bibcode:2007PatRe..40..389G. DOI:10.1016/j.patcog.2006.04.043. مؤرشف من الأصل (PDF) في 2015-10-16. اطلع عليه بتاريخ 2015-05-02.
  14. ↑ Trier، Oeivind Due؛ Jain، Anil K. (1995). "Goal-directed evaluation of binarisation methods" (PDF). IEEE Transactions on Pattern Analysis and Machine Intelligence. ج. 17 ع. 12: 1191–1201. DOI:10.1109/34.476511. مؤرشف (PDF) من الأصل في 2015-10-16. اطلع عليه بتاريخ 2015-05-02.
  15. ↑ Pati، P.B.؛ Ramakrishnan، A.G. (29 مايو 1987). "Word Level Multi-script Identification". Pattern Recognition Letters. ج. 29 ع. 9: 1218–1229. Bibcode:2008PaReL..29.1218P. DOI:10.1016/j.patrec.2008.01.027.
  16. ↑ "Basic OCR in OpenCV | Damiles". Blog.damiles.com. 20 نوفمبر 2008. مؤرشف من الأصل في 2024-04-29. اطلع عليه بتاريخ 2013-06-16.
  17. 1 2 Smith, Ray (2007). "An Overview of the Tesseract OCR Engine" (PDF). مؤرشف من الأصل (PDF) في 2010-09-28. اطلع عليه بتاريخ 2013-05-23.
  18. ↑ "OCR Introduction". Dataid.com. مؤرشف من الأصل في 2025-03-06. اطلع عليه بتاريخ 2013-06-16.
  19. ↑ "How OCR Software Works". OCRWizard. مؤرشف من الأصل في 2009-08-16. اطلع عليه بتاريخ 2013-06-16.
  20. ↑ "The basic pattern recognition and classification with openCV | Damiles". Blog.damiles.com. 14 نوفمبر 2008. مؤرشف من الأصل في 2025-03-06. اطلع عليه بتاريخ 2013-06-16.
  21. 1 2 3 Woodford، Chris (30 يناير 2012). "How does OCR document scanning work?". Explain that Stuff. مؤرشف من الأصل في 2025-02-19. اطلع عليه بتاريخ 2013-06-16.
  22. ↑ "Train Your Tesseract". Train Your Tesseract. 20 سبتمبر 2018. مؤرشف من الأصل في 2021-10-18. اطلع عليه بتاريخ 2018-09-20.
  23. ↑ "Code and Data to evaluate OCR accuracy, originally from UNLV/ISRI". Google Code Archive. مؤرشف من الأصل في 2016-01-21.
  24. ↑ Holley، Rose (أبريل 2009). "How Good Can It Get? Analysing and Improving OCR Accuracy in Large Scale Historic Newspaper Digitisation Programs". D-Lib Magazine. مؤرشف من الأصل في 2025-03-20. اطلع عليه بتاريخ 2014-01-05.
  25. ↑ Suen، C.Y.؛ Plamondon، R.؛ Tappert، A.؛ Thomassen، A.؛ Ward، J.R.؛ Yamamoto، K. (29 مايو 1987). "Future Challenges in Handwriting and Computer Applications". 3rd International Symposium on Handwriting and Computer Applications, Montreal, May 29, 1987. مؤرشف من الأصل في 2024-07-07. اطلع عليه بتاريخ 2008-10-03.
  26. ↑ Mohseni، Maedeh Haji Agha؛ Azmi، Reza؛ Layeghi، Kamran؛ Maleki، Sajad (2019). Comparison of Synthesized and Natural Datasets in Neural Network Based Handwriting Solutions. ITCT. مؤرشف من الأصل في 2025-03-06 – عبر Civilica.
  27. ↑ "Google Books Ngram Viewer". books.google.com (بالإنجليزية). Archived from the original on 2025-04-14. Retrieved 2023-07-20. When we generated the original Ngram Viewer corpora in 2009, our OCR wasn't as good […]. This was especially obvious in pre-19th century English, where the elongated medial-s (ſ) was often interpreted as an f, […]. Here's evidence of the improvements we've made since then, using the corpus operator to compare the 2009, 2012 and 2019 versions […]
  28. ↑ Kapidakis, Sarantos; Mazurek, Cezary and Werla, Marcin (2015). Research and Advanced Technology for Digital Libraries. Springer. ص. 257. ISBN:9783319245928. مؤرشف من الأصل في 2023-10-31.{{استشهاد بكتاب}}: صيانة الاستشهاد: أسماء متعددة: قائمة المؤلفين (link)
  29. ↑ Atkinson، Kristine H. (2015). "Reinventing nonpatent literature for pharmaceutical patenting". Pharmaceutical Patent Analyst. ج. 4 ع. 5: 371–375. DOI:10.4155/ppa.15.21. PMID:26389649.
  30. ↑ "scanno". Hoopoes. مايو 2001. مؤرشف من الأصل في 2025-05-19.
هذه المقالة صادرة عن Wikipedia. النص متاح تحت رخصة المشاع الإبداعي - الإسناد - الترخيص بالمثل. قد تُطبَّق شروط إضافية على ملفات الوسائط.