نماذج OCR مفتوحة المصدر الشائعة وكيفية عملها

للاطلاع المرئي على المفاهيم التي يغطيها هذا المقال، شاهد الفيديو أدناه.

تعتمد العديد من الشركات والأنظمة الرقمية على المعلومات الواردة في المستندات، مثل الفواتير الممسوحة ضوئيًا أو بطاقات الهوية أو النماذج المكتوبة بخط اليد. لكن عندما تُخزَّن هذه المعلومات كصورة، يصعب على أجهزة الكمبيوتر البحث عنها أو استخراجها أو استخدامها في مهام مختلفة.

ومع ذلك، بفضل أدوات مثل الرؤية الحاسوبية، وهي أحد مجالات الذكاء الاصطناعي التي تمكّن الآلات من تفسير المعلومات المرئية وفهمها، أصبح تحويل الصور إلى نصوص أسهل بكثير. ويُعد التعرّف الضوئي على الحروف (OCR)، على وجه الخصوص، تقنية للرؤية الحاسوبية يمكن استخدامها لاكتشاف النصوص واستخراجها.

تُدرَّب نماذج OCR على التعرّف على النصوص بتنسيقات متنوعة وتحويلها إلى بيانات قابلة للتحرير والبحث. وتُستخدم على نطاق واسع في أتمتة المستندات، والتحقق من الهوية، وأنظمة المسح في الوقت الفعلي.

في هذا المقال، سنستكشف كيفية عمل نماذج OCR، ونماذج مفتوحة المصدر الشائعة، ومجالات استخدامها، وتطبيقاتها المعتادة، وأهم الاعتبارات اللازمة لاستخدامها في العالم الحقيقي.

ما المقصود بـ OCR؟#

صُممت نماذج OCR لمساعدة الآلات على قراءة النصوص من المصادر المرئية، بطريقة تشبه قراءتنا للنصوص المطبوعة أو المكتوبة بخط اليد. تأخذ هذه النماذج مدخلات مثل المستندات الممسوحة ضوئيًا أو الصور أو صور الملاحظات المكتوبة بخط اليد، وتحولها إلى نص رقمي يمكن البحث فيه أو تحريره أو استخدامه في أنظمة البرمجيات.

في حين كانت أنظمة OCR السابقة تتبع قالبًا صارمًا، تستخدم نماذج OCR الحديثة التعلم العميق للتعرّف على النصوص. ويمكنها بسهولة التعرّف على أنواع مختلفة من الخطوط واللغات وحتى الكتابة اليدوية غير الواضحة، مع التعامل مع الصور منخفضة الجودة. وقد جعلت هذه التطورات نماذج OCR جزءًا أساسيًا من الأتمتة في القطاعات كثيفة النصوص، مثل التمويل والرعاية الصحية والخدمات اللوجستية والخدمات الحكومية.

رغم أن نماذج OCR فعالة جدًا مع الصور التي تكون نصوصها واضحة ومنظمة، فإنها قد تواجه تحديات عندما يظهر النص بجوار عناصر مرئية معقدة أو ضمن مشاهد ديناميكية. وفي هذه الحالات، يمكن استخدام نماذج OCR إلى جانب نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11.

يمكن لـ Ultralytics YOLO11 اكتشاف كائنات محددة في الصورة، مثل اللافتات أو المستندات أو الملصقات، مما يساعد على تحديد مناطق النص قبل استخدام OCR لاستخراج المحتوى الفعلي.

على سبيل المثال، في المركبات ذاتية القيادة، يمكن لـ Ultralytics YOLO11 اكتشاف علامة توقف، ثم يقرأ OCR النص، مما يتيح للنظام تفسير الكائن ومعناه بدقة.

الشكل 1. مثال على استخدام OCR (المصدر).

نظرة عامة على كيفية عمل نماذج OCR#

بعد أن استعرضنا ماهية OCR، دعونا نلقِ نظرة فاحصة على كيفية عمل نماذج OCR فعليًا.

قبل استخدام نموذج OCR لقراءة النص واستخراجه من صورة، تمر الصورة عادةً بمرحلتين مهمتين: المعالجة المسبقة واكتشاف الكائنات.

أولًا، تُنقّى الصورة وتُحسَّن من خلال المعالجة المسبقة. وتُطبَّق تقنيات معالجة الصور الأساسية، مثل زيادة الحدة وتقليل الضوضاء وضبط السطوع أو التباين، لتحسين الجودة العامة للصورة وتسهيل اكتشاف النص.

بعد ذلك، تُستخدم مهام الرؤية الحاسوبية مثل اكتشاف الكائنات. وفي هذه الخطوة، تُحدَّد الكائنات محل الاهتمام التي تحتوي على نصوص، مثل لوحات المركبات أو لافتات الشوارع أو النماذج أو بطاقات الهوية. ومن خلال تحديد هذه الكائنات، يعزل النظام المناطق التي يوجد فيها نص ذو معنى ويهيئها للتعرّف.

بعد هذه الخطوات فقط يبدأ نموذج OCR عمله. إذ يأخذ أولًا المناطق المكتشفة ويفككها إلى أجزاء أصغر، محددًا الأحرف أو الكلمات أو أسطر النص الفردية.

باستخدام تقنيات التعلم العميق، يحلل النموذج أشكال الحروف وأنماطها والمسافات بينها، ويقارنها بما تعلمه أثناء التدريب، ثم يتنبأ بالأحرف الأكثر احتمالًا. وبعد ذلك يعيد تركيب الأحرف التي تعرّف عليها في نص مترابط لمواصلة معالجته.

الشكل 2. فهم كيفية عمل OCR. الصورة من إعداد المؤلف.

نماذج OCR مفتوحة المصدر الشائعة#

عند بناء تطبيق للرؤية الحاسوبية يتضمن استخراج النصوص، يعتمد اختيار نموذج OCR المناسب على عوامل مثل الدقة، ودعم اللغات، ومدى سهولة دمجه في الأنظمة الواقعية.

في الوقت الحاضر، توفر العديد من النماذج مفتوحة المصدر المرونة ودعم المجتمع القوي والأداء الموثوق الذي يحتاج إليه المطورون. دعونا نستعرض بعض الخيارات الأكثر شيوعًا وما يميزها.

Tesseract OCR#

يُعد Tesseract أحد أكثر نماذج OCR مفتوحة المصدر استخدامًا والمتاحة اليوم. وقد طُوّر في البداية في مختبرات Hewlett-Packard في بريستول بإنجلترا، وغريلي في كولورادو، بين عامي 1985 و1994. وفي عام 2005، أصدرت HP‏ Tesseract كبرمجية مفتوحة المصدر، ومنذ عام 2006 تتولى Google صيانته، مع مساهمات مستمرة من مجتمع المصادر المفتوحة.

تتمثل إحدى الميزات الأساسية لـ Tesseract في قدرته على التعامل مع أكثر من 100 لغة، مما يجعله خيارًا موثوقًا للمشروعات متعددة اللغات. وقد عززت التحسينات المستمرة موثوقيته في قراءة النصوص المطبوعة، لا سيما في المستندات المنظمة مثل النماذج والتقارير.

الشكل 3. التعرّف على النصوص باستخدام Tesseract OCR (المصدر).

يُستخدم Tesseract عادةً في المشروعات التي تتضمن مسح الفواتير ضوئيًا، أو أرشفة المستندات الورقية، أو استخراج النصوص من المستندات ذات التخطيطات القياسية. ويحقق أفضل أداء عندما تكون جودة المستند جيدة ولا يختلف تخطيطه اختلافًا كبيرًا.

EasyOCR#

وبالمثل، تُعد EasyOCR مكتبة OCR مفتوحة المصدر قائمة على Python، طورتها Jaided AI. وهي تدعم أكثر من 80 لغة، بما في ذلك الأبجديات اللاتينية والصينية والعربية والسيريلية، مما يجعلها أداة متعددة الاستخدامات للتعرّف على النصوص متعددة اللغات.

صُممت EasyOCR للتعامل مع النصوص المطبوعة والمكتوبة بخط اليد على حد سواء، وتعمل جيدًا مع المستندات التي تختلف في التخطيط أو الخط أو البنية. وتجعلها هذه المرونة خيارًا ممتازًا لاستخراج النصوص من مصادر متنوعة مثل الإيصالات ولافتات الشوارع والنماذج التي تتضمن مدخلات بلغات متعددة.

بُنيت EasyOCR على PyTorch، وتستفيد من تقنيات التعلم العميق لتحقيق دقة في اكتشاف النصوص والتعرّف عليها. وتعمل بكفاءة على كل من وحدات CPU ووحدات GPU، مما يتيح توسيع نطاقها وفقًا للمهمة، سواءً لمعالجة بضع صور محليًا أو التعامل مع دفعات كبيرة من الملفات على أنظمة أقوى.

وباعتبارها أداة مفتوحة المصدر، تستفيد EasyOCR من التحديثات المنتظمة والتحسينات التي يقودها المجتمع، مما يساعدها على مواكبة التطورات والتكيف مع مجموعة واسعة من احتياجات OCR في العالم الحقيقي.

PaddleOCR#

إن PaddleOCR مجموعة أدوات OCR عالية الأداء طورتها Baidu، وتجمع بين اكتشاف النصوص والتعرّف عليها ضمن مسار معالجة مبسط واحد. وبفضل دعمها لـ 80 لغة، يمكنها التعامل مع مستندات معقدة مثل الإيصالات والجداول والنماذج.

ما يميز PaddleOCR هو أنها مبنية على إطار التعلم العميق PaddlePaddle. وقد صُمم إطار PaddlePaddle لتطوير نماذج الذكاء الاصطناعي ونشرها بسهولة وموثوقية وقابلية للتوسع. كما توفر PaddleOCR دقة عالية حتى مع الصور منخفضة الجودة أو المزدحمة، مما يجعلها خيارًا مناسبًا لمهام OCR الواقعية التي تكون فيها الدقة والموثوقية عاملين أساسيين.

الشكل 4. سير عمل PaddleOCR (المصدر).

إضافةً إلى ذلك، تتميز PaddleOCR بدرجة عالية من الوحداتية، مما يتيح للمطورين تخصيص مسارات المعالجة لديهم عبر اختيار مكونات محددة للاكتشاف والتعرّف والتصنيف. وبفضل واجهات Python البرمجية الموثقة جيدًا والدعم القوي من المجتمع، فهي حل مرن وجاهز للاستخدام في الإنتاج لمجموعة واسعة من تطبيقات OCR.

نماذج OCR أخرى شائعة مفتوحة المصدر#

فيما يلي بعض نماذج OCR الأخرى مفتوحة المصدر والمستخدمة على نطاق واسع:

• MMOCR: صُممت MMOCR للمشروعات الأكثر تعقيدًا، إذ يمكنها اكتشاف النصوص وفهم كيفية ترتيبها على الصفحة. وهي مثالية للتعامل مع الجداول والتخطيطات متعددة الأعمدة وغيرها من المستندات المعقدة بصريًا.
• TrOCR: بُنيت TrOCR على نماذج Transformer، وهي نوع من نماذج التعلم العميق المتخصصة في فهم تسلسلات النصوص، وتتألق في التعامل مع المقاطع الطويلة والتخطيطات غير المنظمة والمليئة بالفوضى. وهي خيار موثوق عندما يُقرأ المحتوى كلغة متصلة بدلًا من ملصقات منفصلة.

التطبيقات الشائعة لنماذج OCR#

مع تطور تقنية OCR، توسع دورها إلى ما هو أبعد بكثير من الرقمنة الأساسية. وفي الواقع، تُعتمد نماذج OCR الآن في مختلف القطاعات التي تعتمد على المعلومات النصية. وفيما يلي لمحة عن بعض طرق تطبيق OCR في الأنظمة الواقعية اليوم:

• القطاع القانوني والاكتشاف الإلكتروني: تستخدم مكاتب المحاماة OCR لمسح آلاف الصفحات من المستندات القانونية، مما يجعل العقود وملفات المحاكم والأدلة قابلة للبحث لتسريع الاكتشاف والتحليل.
• الرعاية الصحية: تستخدم المستشفيات نماذج OCR لرقمنة سجلات المرضى، وتفسير الوصفات الطبية المكتوبة بخط اليد، وإدارة تقارير المختبرات بكفاءة. ويسهم ذلك في تبسيط المهام الإدارية وتحسين الدقة في مختلف سير العمل الطبي.
• الحفاظ على التراث التاريخي: تستخدم المتاحف والمكتبات ودور الأرشيف OCR لرقمنة الكتب والمخطوطات والصحف القديمة، مما يحافظ على التراث الثقافي القيّم ويجعله قابلًا للبحث من قِبل الباحثين.
• التحقق من بطاقات الهوية وجوازات السفر: تعتمد العديد من أنظمة التهيئة الرقمية وأنظمة السفر على OCR لاستخراج البيانات الأساسية من المستندات الصادرة عن الجهات الحكومية. وتؤدي عمليات التحقق الأسرع من الهوية وتقليل أخطاء الإدخال اليدوي إلى تجارب مستخدم أكثر سلاسة وأمان أعلى.

الشكل 5. ماسح ضوئي قائم على OCR للتحقق من هوية جواز السفر. (المصدر).

مزايا نماذج OCR وعيوبها#

قطعت نماذج OCR شوطًا طويلًا منذ ظهورها لأول مرة في خمسينيات القرن العشرين. وأصبحت الآن أكثر سهولة في الوصول ودقة وقدرة على التكيف مع مختلف المحتويات والمنصات. فيما يلي أهم نقاط القوة التي توفرها نماذج OCR الحالية:

• تحسين إمكانية الوصول: يساعد OCR على جعل المحتوى أكثر سهولة في الوصول عبر تحويل المواد المطبوعة إلى تنسيقات يمكن لقارئات الشاشة قراءتها للمستخدمين من ذوي الإعاقة البصرية.
• تعزيز مسارات التعلم الآلي: يعمل OCR كجسر يحول البيانات المرئية غير المنظمة إلى نص منظم، مما يجعلها قابلة للاستخدام في نماذج التعلم الآلي اللاحقة.
• استخراج دون قوالب: لم يعد OCR المتقدم يتطلب قوالب صارمة، إذ يمكنه استخراج المعلومات بذكاء حتى عندما تختلف التخطيطات بين المستندات.

على الرغم من مزاياها، لا تزال نماذج OCR تواجه بعض التحديات، لا سيما عندما لا تكون المدخلات مثالية. فيما يلي بعض القيود الشائعة التي ينبغي أخذها في الحسبان:

• حساسة لجودة الصورة: يعمل OCR بأفضل أداء مع الصور الواضحة؛ إذ يمكن للصور الضبابية أو المظلمة أن تؤثر في النتائج.
• تواجه صعوبة مع بعض أنواع الكتابة اليدوية أو الخطوط: قد تؤدي الكتابة المزخرفة أو غير الواضحة إلى إرباك أفضل النماذج أيضًا.
• لا تزال المعالجة اللاحقة ضرورية: حتى مع الدقة العالية، غالبًا ما تحتاج مخرجات OCR إلى بعض المراجعة أو التنظيف البشري، لا سيما في المستندات المهمة.

أهم النقاط المستخلصة#

يتيح OCR لأجهزة الكمبيوتر قراءة النصوص من الصور، مما يجعل من الممكن استخدام تلك المعلومات في الأنظمة الرقمية. ويؤدي دورًا أساسيًا في معالجة المستندات واللافتات والملاحظات المكتوبة بخط اليد، وله تأثير كبير في المجالات التي تكون فيها السرعة والدقة أمرين حاسمين.

غالبًا ما تعمل نماذج OCR أيضًا إلى جانب نماذج مثل Ultralytics YOLO11، التي يمكنها اكتشاف الكائنات داخل الصور. وتمكّن هذه النماذج مجتمعةً الأنظمة من فهم ما كُتب ومكان ظهوره. ومع استمرار تحسن هذه التقنيات، أصبح OCR جزءًا أساسيًا من طريقة تفسير الآلات للعالم وتفاعلها معه.

هل أنت مهتم بالذكاء الاصطناعي للرؤية؟ تفضل بزيارة مستودع GitHub الخاص بنا وتواصل مع مجتمعنا لمواصلة الاستكشاف. وتعرّف على ابتكارات مثل الذكاء الاصطناعي في السيارات ذاتية القيادة والذكاء الاصطناعي للرؤية في الزراعة في صفحات حلولنا. اطّلع على خيارات الترخيص لدينا وابدأ مشروعًا في الرؤية الحاسوبية!