Optik Karakter Tanıma (OCR)

Optik Karakter Tanıma (OCR), taranmış kağıt belgeler, PDF'ler veya dijital kamerayla çekilen görüntüler gibi farklı belge türlerini düzenlenebilir ve aranabilir verilere dönüştüren bir teknolojidir. Başlangıçta basılı metni konuşmaya dönüştürerek görme engellilere yardımcı olmak için geliştirilen OCR, çeşitli sektörlerde dijital dönüşümün temel taşlarından biri haline gelmiştir. Modern OCR sistemleri, Yapay Zeka (AI) ve Bilgisayarla Görme alanındaki gelişmelerden yararlanarak çok çeşitli yazı tiplerindeki, dillerdeki ve hatta el yazısı stilindeki metinleri olağanüstü bir doğrulukla tanıyabilir.

Optik Karakter Tanıma Nasıl Çalışır?

Bir görüntüyü dijital metne dönüştürme süreci birkaç temel aşamadan oluşur. Derin öğrenme ile geliştirilmiş modern OCR işlem hatları, ilk şablon eşleştirme sistemlerinden çok daha sağlamdır.

• Görüntü Ön İşleme: İlk adım, kalitesini artırmak için kaynak görüntüyü temizlemek ve geliştirmektir. Parlaklık ve kontrastı ayarlama, gürültüyü azaltma ve görüntüyü keskinleştirme gibi teknikler, metni daha net ve kolay algılanır hale getirmek için uygulanır. Bu aşama, özellikle düşük kaliteli taramalar veya zayıf aydınlatma koşullarında çekilen görüntülerle uğraşırken çok önemlidir.
• Metin Algılama: Karakterler tanınmadan önce, sistem metnin görüntü içinde nerede olduğunu bulmalıdır. Bu genellikle Ultralytics YOLO11 gibi metin bloklarını, satırları veya tek tek kelimeleri tanımlayıp izole edebilen güçlü nesne algılama modelleri kullanılarak gerçekleştirilir.
• Karakter Tanıma: Metin bölgeleri tespit edildikten sonra, geniş karakter veri kümeleri üzerinde eğitilen bir sinir ağı, her bir harfi ve sayıyı tanımlamak için şekilleri ve desenleri analiz eder. Başlangıçta HP tarafından geliştirilen ve şimdi Google tarafından sürdürülen açık kaynaklı Tesseract motoru gibi araçlar burada devreye giriyor.
• İşlem sonrası: Son aşama, tanınan karakterlerin yapılandırılmış, kullanılabilir metne dönüştürülmesini içerir. Bu, hataları düzeltmek için dil modellemeyi veya diğer yazılımlarla daha kolay entegrasyon için çıktıyı JSON veya XML gibi belirli bir formatta biçimlendirmeyi içerebilir.

OCR ve İlgili Bilgisayarla Görme Görevleri

OCR son derece uzmanlaşmış bir teknoloji olsa da, diğer bilgisayarla görme görevleriyle yakından ilişkilidir. Benzersiz rolünü anlamak önemlidir.

OCR, daha geniş kapsamlı Görüntü Tanımadan temelde farklıdır. Görüntü tanıma, bir görüntüdeki nesneleri, sahneleri ve yüzleri tanımlamayı amaçlarken, OCR yalnızca metin karakterlerini yorumlamaya odaklanır. Ancak bu teknolojiler genellikle birlikte çalışır. Örneğin, bir uygulama bir sokak tabelasını tanımlamak için görüntü tanımayı kullanabilir ve ardından bu tabeladaki metni okumak için OCR kullanabilir. Benzer şekilde, belge analizinde, bir nesne algılama modeli, belirli bilgileri çıkarmak için OCR uygulanmadan önce bir imzanın veya bir fatura numarasının yerini tanımlar.

Gerçek Dünya Uygulamaları

Bilgisayarla görme ve OCR kombinasyonu, çok sayıda sektörde verimlilik ve otomasyonun kilidini açmıştır.

• Otomatik Plaka Tanıma (ANPR): Trafik yönetimi ve kolluk kuvvetlerinde ANPR sistemleri, bir görüntü veya video akışında ilk olarak bir aracın plakasını bulmak için nesne algılama modellerini kullanır. Plaka izole edildikten sonra, OCR teknolojisi alfanümerik karakterleri okur ve bunları veritabanı aramaları, geçiş ücreti toplama veya çalınan araçların takibi için makine tarafından okunabilir metne dönüştürür.
• Fatura ve Makbuz İşleme: Finansal hizmetler ve perakende sektörleri faturaların, makbuzların ve banka ekstrelerinin işlenmesini otomatikleştirmek için OCR'ye güvenir. Bir bilgisayarla görme modeli, bir faturadaki satıcı adı, tarih ve toplam tutar gibi önemli alanları tespit edebilir. Daha sonra, OCR bu belirli bölgelerden metni çıkararak manuel veri girişini ortadan kaldırır, hataları azaltır ve ödeme döngülerini hızlandırır.

Diğer önemli uygulamalar arasında koruma ve araştırma için tarihi arşivlerin dijitalleştirilmesi, sağlık hizmetlerinde hasta kayıt yönetiminin kolaylaştırılması ve pasaport ve kimlik kartlarından veri çıkararak kimlik doğrulamasının sağlanması yer almaktadır. EasyOCR ve PaddleOCR gibi popüler açık kaynak kütüphaneleri, bu teknolojiyi geliştiricilerin uygulamalarına entegre etmeleri için daha da erişilebilir hale getirmiştir.