Skan faktury może wyglądać dobrze, ale dla systemu pozostawać zwykłym obrazem. OCR dodaje warstwę tekstową, dzięki której dokument można przeszukać, lecz nie gwarantuje poprawnego odczytu kwot, numerów i znaków diakrytycznych. Przy polskich i słowackich dokumentach potrzebna jest kontrola języka, jakości obrazu i pól krytycznych.
Zachowaj źródłowy skan
Pracuj na kopii i nie nadpisuj pierwotnego pliku. Zapisz liczbę stron, orientację i podstawowe informacje o pochodzeniu dokumentu. Przed OCR sprawdź, czy strona nie jest przekrzywiona, rozmazana lub ucięta. Pieczęć i podpis nie mogą zasłaniać kluczowych danych bez ręcznej uwagi.
Jeżeli dokument zawiera poufne dane, stosuj zasady organizacji dotyczące miejsca przetwarzania. Nie przesyłaj faktur do przypadkowych usług internetowych. Określ również, kto ma prawo poprawiać rozpoznany tekst i kto zatwierdza wynik.
Ustaw język i próbkę kontrolną
W narzędziu OCR wybierz język odpowiadający dokumentowi. Dla materiału dwujęzycznego wykonaj test na kilku stronach i porównaj wyniki. Zwróć uwagę na ą, ć, ę, ł, ń, ó, ś, ź, ż oraz á, ä, č, ď, ľ, ĺ, ŕ, š, ť, ž.
Przed przetworzeniem całego archiwum wybierz próbkę zawierającą mały druk, tabelę, pieczęć i gorszy skan. Zapisz częste pomyłki, na przykład O i 0 albo I i 1. Taka lista przyspieszy późniejszą weryfikację.
Kontroluj pola o wysokim ryzyku
Numer faktury, NIP lub IČ DPH, rachunek bankowy, data, suma netto, VAT i kwota końcowa muszą być porównane z obrazem. Automatyczne wyszukiwanie może pomóc znaleźć pole, ale decyzję podejmuje osoba sprawdzająca. Dla długich identyfikatorów użyj porównania znak po znaku.
Dokumentacja producenta wskazuje, że skan zawiera początkowo dane obrazowe, a rozpoznawanie tworzy tekst możliwy do wyszukania. Dlatego warstwa tekstowa nie powinna być traktowana jako nowy prawnie pewny oryginał. Obraz strony pozostaje punktem odniesienia.
Słowacka oferta w powiązanej sieci
Słowacki zespół może znaleźć lokalne opisy produktów na Real-Soft.sk. Sklep należy do tej samej sieci właścicielskiej Ronsoft, więc nie jest to niezależna rekomendacja. Przed wyborem programu należy potwierdzić obsługiwany system, konkretną edycję oraz obecność potrzebnych funkcji skanowania, OCR lub edycji PDF.
Test jednego dobrego dokumentu nie wystarcza. Porównaj kilka typów skanów i ustal próg, poniżej którego strona musi zostać zeskanowana ponownie. Wydajność nie powinna zastępować kontroli pól finansowych.
Zakończ testem wyszukiwania i ponownym otwarciem
Po zapisaniu otwórz plik ponownie i wyszukaj rzadkie nazwisko, numer oraz słowo ze znakiem diakrytycznym. Sprawdź liczbę stron, kolejność i wygląd obrazu. Dodaj w metadanych procesu informację o OCR i dacie kontroli, nie zmieniając treści dokumentu. Jeśli wykryto niepewne pole, oznacz je do weryfikacji zamiast zgadywać.
Mierz jakość na małej, zróżnicowanej próbce
Przed przetwarzaniem archiwum wybierz dokumenty od kilku wystawców, z różnymi układami i jakością skanu. Zapisz liczbę błędów w polach krytycznych oraz czas ręcznej kontroli. Jeżeli wynik jest słaby, popraw sposób skanowania albo język rozpoznawania. Automatyzowanie procesu o niskiej jakości jedynie powiela pomyłki szybciej.
Źródła: Dokumentacja producenta – rozpoznawanie tekstu w skanach; Dokumentacja producenta – poprawianie błędów OCR.