نماذج OCR مفتوحة المصدر شائعة وكيفية عملها

للاطلاع على شرح مرئي للمفاهيم الواردة في هذه المقالة، شاهد الفيديو أدناه.

تعتمد كثير من الشركات والأنظمة الرقمية على معلومات مستمدة من المستندات، مثل الفواتير الممسوحة ضوئيًا أو بطاقات الهوية أو النماذج المكتوبة بخط اليد. لكن عندما تُخزَّن هذه المعلومات كصورة، يصعب على أجهزة الكمبيوتر البحث فيها أو استخراجها أو استخدامها في مهام متنوعة.

لكن بفضل أدوات مثل الرؤية الحاسوبية، وهي مجال من الذكاء الاصطناعي يمكّن الآلات من تفسير المعلومات المرئية وفهمها، أصبح تحويل الصور إلى نص أسهل بكثير. وعلى وجه الخصوص، يُعد التعرّف الضوئي على الحروف (OCR) تقنيةً للرؤية الحاسوبية يمكن استخدامها لاكتشاف النص واستخراجه.

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 الآني.

في هذه المقالة، سنستكشف كيفية عمل نماذج OCR، والنماذج الشائعة مفتوحة المصدر، ومجالات استخدامها، وتطبيقاتها الشائعة، وأهم الاعتبارات المتعلقة باستخدامها في الواقع.

ما هو OCR؟#

صُممت نماذج OCR لمساعدة الآلات على قراءة النص من المصادر المرئية، على نحو يشبه قراءتنا للنصوص المطبوعة أو المكتوبة بخط اليد. وتعالج هذه النماذج مدخلات مثل المستندات الممسوحة ضوئيًا والصور ولقطات الملاحظات المكتوبة بخط اليد، ثم تحوّلها إلى نص رقمي يمكن البحث فيه أو تحريره أو استخدامه في الأنظمة البرمجية.

في حين كانت أنظمة OCR السابقة تتبع قالبًا صارمًا، تستخدم النماذج 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 الصناعات الغنية بالنصوص، مثل التمويل والرعاية الصحية والخدمات اللوجستية والخدمات الحكومية.

رغم أن نماذج OCR فعالة مع الصور التي يكون فيها النص واضحًا ومنظمًا، فإنها قد تواجه صعوبات عندما يظهر النص إلى جانب عناصر مرئية معقدة أو ضمن مشاهد متغيرة. وفي هذه الحالات، يمكن استخدام نماذج OCR جنبًا إلى جنب مع نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11.

يستطيع Ultralytics YOLO11 اكتشاف أجسام محددة في الصورة، مثل اللافتات والمستندات والملصقات، ما يساعد على تحديد مناطق النص قبل استخدام OCR لاستخراج المحتوى الفعلي. ويمكن استخدام مجموعات بيانات مثل Total-Text لتدريب YOLO11 على العثور على مناطق النص في المشاهد الطبيعية.

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

الشكل 1. مثال على استخدام OCR (المصدر).

لمحة عامة عن آلية عمل نماذج OCR#

بعد أن تناولنا ماهية OCR، لنلقِ نظرة أقرب على آلية عمل نماذج OCR فعليًا.

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

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

بعد ذلك، تُستخدم مهام الرؤية الحاسوبية مثل اكتشاف الأجسام. وفي هذه الخطوة، تُحدد مواقع الأجسام المهمة التي تحتوي على نص، مثل لوحات تسجيل المركبات ولافتات الشوارع والاستمارات وبطاقات الهوية. ومن خلال تحديد هذه الأجسام، يعزل النظام المناطق التي تضم نصوصًا ذات دلالة ويهيئها للتعرّف.

لا يبدأ نموذج OCR عمله إلا بعد هذه الخطوات. أولًا، يأخذ المناطق المكتشفة ويقسّمها إلى أجزاء أصغر، محددًا الأحرف أو الكلمات أو الأسطر النصية كلًا على حدة.

باستخدام تقنيات التعلم العميق، يحلل النموذج أشكال الأحرف وأنماطها وتباعدها، ويقارنها بما تعلمه أثناء التدريب، ثم يتنبأ بالأحرف الأرجح. وبعد ذلك، يعيد تركيب الأحرف التي تعرّف عليها لتكوين نص مترابط يمكن معالجته لاحقًا.

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

نماذج OCR الشائعة مفتوحة المصدر#

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

توفر اليوم نماذج كثيرة مفتوحة المصدر المرونة والدعم المجتمعي القوي والأداء الموثوق الذي يحتاج إليه المطورون. لنستعرض بعض الخيارات الأكثر شيوعًا وما يميزها.

Tesseract OCR#

يُعد Tesseract أحد أكثر نماذج OCR مفتوحة المصدر استخدامًا اليوم. طُوّر في البداية في مختبرات Hewlett-Packard في بريستول بإنجلترا وغريلي بولاية كولورادو، بين عامي 1985 و1994. وفي عام 2005، أصدرت HP برنامج Tesseract مفتوح المصدر، ثم تولت Google تطويره من عام 2006 حتى أغسطس 2017، مع استمرار مساهمات مجتمع المصدر المفتوح.

من أبرز ميزات Tesseract قدرته على التعامل مع أكثر من 100 لغة، ما يجعله خيارًا موثوقًا للمشروعات متعددة اللغات. وقد عززت التحسينات المستمرة موثوقيته في قراءة النصوص المطبوعة، ولا سيما في المستندات المنظمة مثل النماذج والتقارير.

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

يُستخدم Tesseract عادةً في المشروعات التي تتضمن مسح الفواتير ضوئيًا، أو أرشفة الأوراق، أو استخراج النص من المستندات ذات التخطيطات القياسية. ويحقق أفضل أداء عندما تكون جودة المستند جيدة ولا يتفاوت تخطيطه بدرجة كبيرة.

EasyOCR#

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

يعمل EasyOCR جيدًا مع المستندات التي تختلف في تخطيطها أو خطوطها أو بنيتها. وتجعل هذه المرونة منه خيارًا مناسبًا لاستخراج النصوص من مصادر متنوعة، مثل الإيصالات ولافتات الشوارع والنماذج التي تتضمن مدخلات بلغات متعددة.

تعتمد EasyOCR على PyTorch، وتستفيد من تقنيات التعلم العميق للكشف عن النص والتعرّف عليه بدقة. وتعمل بكفاءة على وحدات CPU ووحدات GPU، ما يتيح توسيع نطاقها بحسب المهمة، سواء أكانت معالجة بضع صور محليًا أم معالجة دفعات كبيرة من الملفات على أنظمة أقوى.

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

PaddleOCR#

يُعد PaddleOCR حزمة أدوات عالية الأداء لـ OCR طوّرتها Baidu، وتجمع بين كشف النص والتعرّف عليه ضمن مسار معالجة مبسط. وبفضل دعمها 80 لغة، تستطيع التعامل مع المستندات المعقدة 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 تحقق PaddleOCR دقة عالية حتى مع الصور منخفضة الجودة أو المزدحمة، ما يجعلها خيارًا جيدًا لمهام OCR في العالم الحقيقي التي تكون فيها الدقة والموثوقية أساسيتين.

الشكل 4. مسار عمل PaddleOCR (المصدر).

إضافة إلى ذلك، تتميز PaddleOCR ببنية معيارية عالية، تتيح للمطورين تخصيص مسارات المعالجة باختيار مكونات محددة للكشف والتعرّف والتصنيف. وبفضل واجهات Python البرمجية الموثّقة جيدًا والدعم المجتمعي القوي، فهي حل مرن وجاهز للاستخدام في بيئات الإنتاج لمجموعة واسعة من تطبيقات OCR.

نماذج OCR أخرى شائعة مفتوحة المصدر#

إليك نماذج أخرى شائعة الاستخدام لـ OCR مفتوحة المصدر:

• MMOCR: صُمم MMOCR للمشروعات الأكثر تعقيدًا، إذ يستطيع اكتشاف النص وفهم كيفية ترتيبه على الصفحة. وهو مثالي للتعامل مع الجداول والتخطيطات متعددة الأعمدة وغيرها من المستندات المعقدة بصريًا.
• TrOCR: بُني TrOCR على المحوّلات، وهي فئة من نماذج التعلم العميق تجيد فهم تسلسلات النصوص، ويتعرّف على النصوص المطبوعة والمكتوبة بخط اليد في صور تحتوي على سطر نصي واحد. وهو خيار موثوق عندما يكون المحتوى مكتوبًا بلغة متصلة، لا على هيئة تسميات منفصلة.

التطبيقات الشائعة لنماذج OCR#

مع تطور تقنية OCR، تجاوز دورها الرقمنة الأساسية بكثير. فقد بدأت نماذج OCR تُعتمد الآن في مختلف الصناعات التي تعتمد على المعلومات النصية. إليك لمحة عن بعض طرق استخدام OCR اليوم في الأنظمة الواقعية:

• المجال القانوني والاكتشاف الإلكتروني للأدلة: تستخدم مكاتب المحاماة OCR لمسح آلاف الصفحات من المستندات القانونية، ما يجعل العقود وإيداعات المحاكم والأدلة قابلة للبحث، ويسرّع العثور على المعلومات وتحليلها.
• 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 مسارات العمل الطبية.
• الحفاظ على التراث التاريخي: تستخدم المتاحف والمكتبات ودور المحفوظات OCR لرقمنة الكتب القديمة والمخطوطات والصحف، ما يحفظ التراث الثقافي القيّم ويجعله قابلًا للبحث من قِبل الباحثين.
• التحقق من بطاقات الهوية وجوازات السفر: تعتمد أنظمة كثيرة للتسجيل الرقمي والسفر على OCR لاستخراج البيانات الأساسية من المستندات الصادرة عن الجهات الحكومية. وتؤدي عمليات التحقق الأسرع من الهوية وتقليل أخطاء الإدخال اليدوي إلى تجربة 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 الأول في خمسينيات القرن العشرين. وأصبحت الآن أكثر سهولة في الوصول ودقة وقدرة على التكيف مع المحتوى والمنصات المختلفة. إليك أبرز نقاط القوة التي توفرها نماذج OCR اليوم:

• تحسين إمكانية الوصول: يساعد OCR على جعل المحتوى أكثر سهولة في الوصول، إذ يحوّل المواد المطبوعة إلى تنسيقات يمكن لقارئات الشاشة قراءتها للمستخدمين ذوي الإعاقة البصرية.
• تعزيز مسارات التعلم الآلي: يعمل OCR جسرًا يحوّل البيانات المرئية غير المنظمة إلى نص منظم، ما يجعله قابلًا للاستخدام في نماذج التعلم الآلي في المراحل اللاحقة.
• استخراج بلا قوالب: لم يعد OCR المتقدم يتطلب قوالب جامدة، إذ يمكنه استخراج المعلومات حتى عندما تختلف تخطيطات المستندات.

على الرغم من مزاياها، لا تزال نماذج OCR تواجه بعض التحديات، ولا سيما عندما لا تكون المدخلات مثالية. إليك بعض القيود الشائعة التي ينبغي مراعاتها:

• حساسية لجودة الصورة: يعمل OCR بأفضل صورة مع الصور الواضحة؛ فقد تؤثر الصور الضبابية أو الداكنة في النتائج.
• صعوبة التعامل مع بعض أنماط الكتابة اليدوية أو الخطوط: قد تربك الكتابة المزخرفة أو غير الواضحة حتى أفضل النماذج.
• الحاجة إلى المعالجة اللاحقة: حتى مع الدقة العالية، غالبًا ما تتطلب مخرجات OCR مراجعة بشرية أو تنقيحًا، ولا سيما للمستندات المهمة.

أبرز النقاط#

يتيح OCR لأجهزة الكمبيوتر قراءة النص من الصور، ما يجعل استخدام تلك المعلومات في الأنظمة الرقمية ممكنًا. وله دور أساسي في معالجة المستندات واللافتات والملاحظات المكتوبة بخط اليد، كما يُحدث أثرًا كبيرًا في المجالات التي تكون فيها السرعة والدقة ضروريتين.

غالبًا ما تعمل نماذج OCR أيضًا إلى جانب نماذج مثل Ultralytics YOLO11، التي تستطيع اكتشاف العناصر داخل الصور. وتمكّن هذه النماذج مجتمعةً الأنظمة من فهم ما كُتب ومكان ظهوره. ومع استمرار تطور هذه التقنيات، أصبح OCR جزءًا أساسيًا من كيفية تفسير الآلات للعالم والتفاعل معه.

هل تثير الرؤية الحاسوبية والذكاء الاصطناعي فضولك؟ تفضّل بزيارة مستودع GitHub الخاص بنا وتواصل مع مجتمعنا لمواصلة الاستكشاف. تعرّف على ابتكارات مثل الذكاء الاصطناعي في السيارات ذاتية القيادة والرؤية الحاسوبية والذكاء الاصطناعي في الزراعة في صفحات الحلول لدينا. اطّلع على خيارات الترخيص لدينا وابدأ مشروعًا في الرؤية الحاسوبية!