光学字符识别（OCR）已经彻底改变了企业自动化文档处理的方式。然而，技术的质量和准确性并不适用于每个应用场景。文档越复杂，准确性就越低。这对于工程图纸尤其如此。虽然开箱即用的OCR技术可能不适用于这个任务，但还有其他方法可以通过OCR实现您的文档处理目标。接下来，我将探讨几种可行的解决方案，以便给您一个大致的概念，而不涉及过多的技术细节。
工程图纸识别的挑战
当涉及到技术图纸时，OCR很难理解各个文本元素的含义。该技术可以读取文本，但它无法理解其含义。如果正确配置了技术文档的自动识别，工程师和制造商有很多机会可以考虑。以下是其中最重要的几个。
图片来源：Mobidev
为了实现复杂的技术文档分析，工程师需要训练AI模型。就像人类一样，AI模型需要经验和训练才能理解这些图纸。
蓝图和工程图纸识别的一个挑战是软件必须理解如何区分图纸的不同视图。这些是图纸的不同部分，可以基本了解其布局。通过分离视图并理解它们彼此之间的关系，软件可以计算边界框。
这个过程可能包含几个挑战：
- 视图可能重叠
- 视图可能损坏
- 标签可能等距离于两个视图
- 视图可能嵌套
视图之间的关系是另一个可能的问题。您必须考虑视图是否是图表的平面部分、转动部分、块或其他什么东西。此外，可能会出现其他问题，如链接测量、缺失注释、通过参考标准隐式定义的高度或其他问题。
重要的是，通用OCR不能可靠地理解被线条、符号和注释等图形元素包围的图纸中的文本。基于这个事实，我们需要更深入地研究具有机器学习的OCR，这将对这个应用更有帮助。
预训练和定制OCR模型
市场上没有缺乏OCR软件，但并非所有这些软件都可以由用户进行训练或修改。正如我们所了解的，训练可能是分析您的工程图纸的必要条件。然而，确实存在适用于这类图纸的OCR工具。
预训练的OCR工具
以下是一些常见的工程图纸OCR识别选项：
- ABBYY FineReader：这款多功能蓝图解释软件提供了具备文本识别能力的OCR技术。它支持各种图像格式、布局保留、数据导出和集成。
- Adobe Acrobat Pro：除了提供PDF编辑、查看和管理功能外，Acrobat还允许您扫描OCR文档和蓝图，提取文本并进行搜索。它支持多种语言，并允许用户配置选项。
- Bluebeam Revu：另一款热门的PDF应用程序，Bluebeam Revu提供了用于工程图纸文本提取的OCR技术。
- AutoCAD：AutoCAD代表计算机辅助设计，支持用于解释蓝图并将其转换为可编辑CAD元素的OCR插件。
- PlanGrid：该软件内置了蓝图OCR解释功能。通过此功能，您可以上传蓝图图像，然后提取、组织、索引和搜索文本。
- Textract：这个基于云的AWS功能可以对文档进行OCR分析，并从文档中提取表格等元素。它还可以识别蓝图中的元素，并提供用于与其他应用程序集成的API。
- Butler OCR：为开发人员提供文档提取API，Butler OCR将机器学习与人工审查相结合，提高了文档识别的准确性。
定制OCR解决方案
如果您正在寻找可以进行训练以实现更好的工程图纸自动数据提取并适应特定数据格式的定制OCR解决方案，以下是一些热门选项：
- Tesseract：这款由Google维护的灵活开源OCR引擎可以根据自定义数据进行训练，以识别特定于蓝图的字符和符号。
- OpenCV：开源计算机视觉库可以与Tesseract等OCR工具结合使用，构建定制的解释性解决方案。其图像处理和分析功能可以在正确使用时提高对工程图纸的OCR准确性。
除了这些工具之外，还有可能独立开发定制的机器学习模型。通过利用带有标签的数据集在TensorFlow或PyTorch等框架上进行训练，可以对这些解决方案进行微调，以识别特定的蓝图元素，并实现更高的准确性，以满足组织的需求。
预训练模型提供了便利性和易用性，但可能不如定制解决方案在解释工程图纸方面有效。这些定制解决方案还需要额外的资源和专业知识来开发和维护。
定制解决方案需要额外的财务资源和劳动力来开发。我建议在投入过多资源于定制OCR解决方案之前，先进行概念验证（PoC）以验证技术能力，并进行最小可行产品（MVP）以检查市场对项目的认知。
实施工程图纸OCR模块的流程
构建用于工程图纸的OCR软件的最佳起点是分析可用的开源工具。如果用尽开源选项，可能需要转向具有API集成的闭源选项。
从头开始构建OCR解决方案是不切实际的，因为它需要大量的训练数据集。这很难且昂贵，需要大量的模型训练资源。在大多数情况下，微调现有模型应该能够满足您的需求。
从这里开始的过程大致如下：
- 考虑需求：您需要了解您的应用程序应处理哪种类型的工程图纸，以及为实现目标所需的功能和特性。
- 图像捕获和预处理：考虑您计划使用哪些设备来捕获图像。可能需要额外的预处理步骤来提高结果的质量。这可能包括裁剪、调整大小、降噪等。
- OCR集成：考虑与您的应用程序最适配的OCR引擎。OCR库具有API，允许您的应用程序从捕获的图像中提取文本。重要的是考虑开源OCR解决方案以节省成本。第三方API在定价方面可能会随时间变化或失去支持。
- 文本识别和处理：接下来，是时候实现处理和识别文本的逻辑了。在此步骤中，您可能考虑添加一些可能的任务，如文本清理、语言识别或任何其他可以提供更清晰文本识别结果的技术。
- 用户界面和体验：应用程序需要一个易于使用的用户界面，以便用户可以有效地使用它来捕获图像并启动OCR。结果应以易于理解的方式呈现给用户。
- 测试：彻底测试应用程序，以确保其准确性和可用性。用户反馈对此过程至关重要。
总结
面对为复杂的工程图纸创建OCR软件的挑战，组织有许多可选的方法来解决这个问题。从一系列预训练模型和可定制工具到创建更个性化解决方案，企业可以找到有效分析、索引和搜索蓝图和其他复杂文档的方法。只需要一些创新、创造力和时间来打造满足其需求的解决方案。