स्कैन की गई PDF ड्राइंग पर OCR

पीडीएफ खोलें और टेक्स्ट-चयन टूल से एक शब्द चुनने का प्रयास करें। फिर एक स्पष्ट शीट शीर्षक या नोट खोजें। यदि आप अलग-अलग वर्णों का चयन कर सकते हैं और खोज उन्हें पहले से ही ढूंढ लेती है, तो पृष्ठ में एक टेक्स्ट परत होती है; ओसीआर मदद के बजाय डुप्लिकेट या शोर वाला टेक्स्ट जोड़ सकता है। यदि चयन पृष्ठ को एक छवि के रूप में मानता है और खोज से कुछ नहीं मिलता है, तो यह एक अच्छा ओसीआर उम्मीदवार है।

ओसीआर पाठ की खोज क्षमता को बदलता है, ड्राइंग ज्यामिति को नहीं। यह शीट को कैलिब्रेट नहीं करता है, आयामों को मान्य नहीं करता है, या पुष्टि नहीं करता है कि नोट सही ढंग से पहचाना गया था।

1. स्रोत पीडीएफ को डुप्लिकेट करें या सेव एज़ का उपयोग करें ताकि मूल स्कैन अछूता रहे।
2. यदि स्कैन लंबा है या छवि-भारी है तो असंबंधित बड़े दस्तावेज़ बंद करें, फिर कार्यशील प्रतिलिपि खोलें।
3. दस्तावेज़ ›ओसीआर चुनें। वर्तमान दस्तावेज़ के लिए OCR प्रारंभ होता है; वर्तमान संवाद पृष्ठ-श्रेणी या भाषा चयनकर्ता की पेशकश नहीं करता है।
4. प्रगति देखने के लिए संवाद को खुला रखें, या यदि आप पृष्ठभूमि में रन जारी रखना चाहते हैं तो इसे बंद कर दें। जब आपको रुकने की आवश्यकता हो तो OCR रद्द करें चुनें; रद्द किया गया रन अपना परिणाम रद्द कर देता है।
5. खोज का निर्णय लेने से पहले पूर्णता संदेश की प्रतीक्षा करें। बड़े स्कैन और निर्माण सेट में समय लग सकता है।
6. मान्यता प्राप्त दस्तावेज़ को एक अलग फ़ाइल नाम के तहत सहेजें, इसे बंद करें, और उस सहेजी गई फ़ाइल को फिर से खोलें।
7. पहचान की गुणवत्ता का निरीक्षण करने के लिए विभिन्न पृष्ठों से कई शब्द खोजें और छोटे अंशों को सादे पाठ में कॉपी करें।

PolyPDF 1.4.4 के बाद से, OCR संभावित शेड्यूल, शीर्षक-ब्लॉक फ़ील्ड, ड्राइंग और विवरण लेबल, आयाम, क्षेत्र, पंक्तियों और कोशिकाओं का एक वर्तमान-सत्र मॉडल भी बनाता है। यह समीक्षा और स्प्रेडशीट हैंडऑफ़ के लिए उपयोगी है, लेकिन इसका अनुमान अभी भी पेज पिक्सल और चयन योग्य टेक्स्ट से लगाया जाता है—एक आधिकारिक शेड्यूल डेटाबेस नहीं।

1. ओसीआर रन समाप्त करें और मान्यता प्राप्त तालिका नामों, शीर्षकों, पंक्तियों और आयामों का निरीक्षण करें।
2. फ़ाइल › निर्यात › एक्सेल वर्कबुक (टेबल्स + टेक्स्ट)… चुनें, जबकि मान्यता प्राप्त दस्तावेज़ सत्र खुला रहता है।
3. स्रोत ड्राइंग और अंक से जुड़े नाम के तहत कार्यपुस्तिका को सहेजें।
4. कार्यपुस्तिका खोलें और दृश्यमान पीडीएफ के साथ महत्वपूर्ण मात्राओं, आयामों, टैग और शेड्यूल सेल की तुलना करें।
5. मर्ज की गई कोशिकाओं, फीके नियमों, लिखावट, घुमाए गए लेबल और सघन लाइनवर्क को उच्च जोखिम वाले समीक्षा क्षेत्रों के रूप में मानें।

संरचित तालिका मॉडल सत्र डेटा है। सहेजना और फिर से खोलना खोजे जाने योग्य पीडीएफ परत को सुरक्षित रखता है, लेकिन आपको यह नहीं मानना ​​चाहिए कि अनुमानित तालिका मॉडल तब भी उपलब्ध होगा जब तक आप ओसीआर दोबारा नहीं चलाते। सत्र बंद करने से पहले कार्यपुस्तिका निर्यात करें.

पहचान की उपलब्धता ऑपरेटिंग सिस्टम और उसके स्थापित भाषा समर्थन से आती है, इसलिए एक मैक या विंडोज कंप्यूटर द्वारा दी जाने वाली भाषाएं दूसरे से भिन्न हो सकती हैं। PolyPDF की वर्तमान एम्बेडेड खोज योग्य परत लैटिन, ग्रीक और सिरिलिक लिपियों तक सीमित है। ऑपरेटिंग सिस्टम अतिरिक्त स्क्रिप्ट में टेक्स्ट को पहचान सकता है, लेकिन PolyPDF उन अक्षरों को पीडीएफ में खोजने योग्य परत के रूप में एम्बेड करने का वादा नहीं करता है।

• मिश्रित-स्क्रिप्ट शीर्षक ब्लॉकों को एक विशेष समीक्षा मामले के रूप में मानें।
• प्रोजेक्ट शुरू होने से पहले आवश्यक ओएस भाषा समर्थन स्थापित करें और सक्षम करें, फिर एक प्रतिनिधि पृष्ठ के साथ परीक्षण करें।
• यह निष्कर्ष न निकालें कि प्रदर्शित भाषा का नाम फ़ॉन्ट, स्कैन गुणवत्ता, रोटेशन या हस्तलिखित नोट्स में समान सटीकता की गारंटी देता है।
• जब PolyPDF रिपोर्ट करता है कि मान्यता प्राप्त पाठ को एम्बेड नहीं किया जा सकता है, तो किसी भी प्रस्तावित पाठ निर्यात को समीक्षा सहायता के रूप में उपयोग करें, न कि सबूत के रूप में कि पीडीएफ स्वयं उस स्क्रिप्ट में खोजने योग्य है।

एक सामान्य खोज परीक्षा उत्तीर्ण हो सकती है जबकि आपके लिए आवश्यक पहचानकर्ता अभी भी विफल हो जाते हैं। दस्तावेज़ से एक छोटा सा सत्यापन सेट बनाएं: एक शीट नंबर, एक कमरे का नाम, एक सामग्री संक्षिप्त नाम, एक आयाम और विराम चिह्न वाला एक नोट। प्रत्येक मान को सटीक रूप से खोजें, फिर एक विशिष्ट खंड आज़माएँ। वास्तविक हिट और खोज से छूटे स्पष्ट स्थानों दोनों का निरीक्षण करें।

• O और 0, I और 1, S और 5, या दशमलव बिंदुओं और स्कैन शोर जैसी समान आकृतियों के बीच भ्रम की अपेक्षा करें।
• घुमाए गए नोट्स, संक्षिप्त फ़ॉन्ट, फीके डायज़ो प्रिंट, तिरछे स्कैन और टेक्स्ट क्रॉसिंग लाइनवर्क कठिन इनपुट हैं।
• ओसीआर-व्युत्पन्न आयाम, मात्रा, उपकरण टैग, या विनिर्देश मान को पृष्ठ छवि से तुलना किए बिना डाउनस्ट्रीम कार्य में कभी भी कॉपी न करें।
• खोज परिणाम एक नेविगेशन सहायता हैं. दृश्यमान रेखाचित्र वह स्रोत बना हुआ है जिसकी समीक्षा की जानी चाहिए।

यहां दिखाया गया NACA पेज एक रैस्टर स्कैन है जिसमें OCR से पहले कोई निकालने योग्य टेक्स्ट नहीं है: SURFACE पर खोज करने पर "कोई मिलान नहीं" मिलता है। संपूर्ण दस्तावेज़ चलाने के बाद, हमने परिणाम सहेजा, PolyPDF को छोड़ दिया, सहेजे गए PDF को फिर से खोला, और वही खोज दोहराई। PolyPDF ने तीन परिणाम लौटाए और ड्राइंग पर एक "जहाज की सतह" घटना का चयन किया।

सहेजे गए पीडीएफ से टेक्स्ट कॉपी करने पर "वैमानिकी के लिए राष्ट्रीय सलाहकार समिति की रिपोर्ट," "जहाज की सतह," और "यू.एस. एक्रोन" रिटर्न मिलता है। उसी पाठ में छोटे इटैलिक लेबल और आयाम नोटेशन में त्रुटियां भी हैं, इसलिए नेविगेशन के लिए ओसीआर हिट का उपयोग करें और दृश्यमान स्कैन के साथ प्रत्येक परिणामी पहचानकर्ता, नोट या माप की तुलना करें।

• ओसीआर सर्वोत्तम प्रयास वाली मान्यता है, प्रतिलेखन वारंटी या ड्राइंग-सत्यापन सेवा नहीं।
• खोजने योग्य टेक्स्ट परत पीडीएफ को सुलभ नहीं बनाती है। पढ़ने के क्रम, शीर्षकों, वैकल्पिक पाठ, फॉर्म लेबल और अन्य पहुंच संरचना के लिए अलग से समीक्षा की आवश्यकता होती है।
• OCR गोपनीय पिक्सेल नहीं हटाता. यदि स्कैन में संवेदनशील पीडीएफ सामग्री हटाई जानी चाहिए, तो छवि-जागरूक संवेदनशील पीडीएफ सामग्री हटाने वाले वर्कफ़्लो का उपयोग करें और आउटपुट को सत्यापित करें।
• पहचान प्लेटफ़ॉर्म क्षमताओं के माध्यम से स्थानीय रूप से चलती है, लेकिन ओएस भाषा की उपलब्धता और परिणाम कंप्यूटर के बीच भिन्न हो सकते हैं।
• पूर्ण प्रगति पट्टी का अर्थ है रन समाप्त। इसका मतलब यह नहीं है कि हर शब्द सही ढंग से पाया गया या एम्बेड किया गया।

परिणामी कार्य के लिए, ओसीआर चलाने से पहले स्वीकार्य उपयोग को परिभाषित करें: नेविगेशन और खोज उचित हैं; आयामों, मात्राओं या अनुपालन भाषा का बिना समीक्षा किया गया निष्कर्षण नहीं है।