Plantillas OCR

Las plantillas OCR permiten crear plantillas de OCR zonal que permiten reconocer y extraer texto estructurado de imágenes escaneadas.

Consejo

Para obtener los mejores resultados, las imágenes deben escanearse con una resolución de al menos 200 ppp para conseguir un buen reconocimiento de texto por parte del motor de OCR.

Comprender las etapas de la ejecución de las plantillas OCR:

Recognise Extraction data Save data

Consejo

En el reconocimiento, la aplicación, basándose en la definición de la plantilla OCR, intenta identificar el documento. Un documento solo se considerará reconocido si una plantilla OCR cumple al 100 %

En la extracción de datos, se extraen los valores del documento.

En el guardado de datos, los valores dinámicos obtenidos en la etapa de extracción de datos se guardan en grupos de metadatos. Opcionalmente se guardan como valores estáticos definidos en la plantilla OCR (normalmente utilizados para identificar el tipo de documento).

Hay dos tipos de campos en las plantillas OCR:

• Campos de Validation Control.
• Campos de Data Capture.

Nota

Los campos de Validation Controls se utilizan únicamente en la etapa de reconocimiento.

Los campos de Data Capture se utilizan en la etapa de extracción de datos y, opcionalmente, también pueden utilizarse en la etapa de reconocimiento.

Los tipos MIME permitidos en la etapa de reconocimiento son:

• PNG
• JPG
• GIF
• BMP
• PDF

Descripción de los campos de Validation Control

Los campos de Validation Control se utilizan únicamente en la etapa de reconocimiento, para ayudar a identificar el documento comprobando el patrón de una sección del documento.

Cada campo de Validation Control se compone de:

Field	Descripción	Requerido
Name	Nombre del campo.	true
Order	Orden de evaluación	true
Type	Lista de OCR Validation Controls. Cada validador es una condición que debe cumplirse.	true
Value	Un valor.	*
Pattern	Un patrón de expresión regular de Java.	*
Rotation	Indica la rotación de la imagen que debe aplicarse. Rotaciones de imagen disponibles: - -270 - -180 - -90 - 0 - 90 - 180 - 270	true
Custom	Establece comandos para procesar las imágenes por el OCR. Pueden establecerse varios comandos, uno por línea. Por ejemplo, para resaltar el color rojo /usr/bin/convert ${fileIn} -matte ( +clone -fuzz 50% -transparent red ) -compose DstOut -composite -negate ${fileOut}	false
OCR	Línea de comandos del OCR. Cuando está presente, se ejecutará en lugar del parámetro de configuración system.ocr. Más información en Parámetros de configuración. Por ejemplo, para forzar la captura de dígitos. /usr/bin/tesseract ${fileIn} ${fileOut} digits	false
Empty value allowed	Si está marcado, indica que un valor de texto vacío del ocr también es válido en el proceso de identificación del documento.	false
* Estos parámetros se utilizan en el Validation Control. Pueden ser requeridos o no, según el Validation Control que se utilice.

Descripción de los campos de Data Capture

Los campos de Data Capture se utilizan para obtener datos en la etapa de extracción, pero también pueden utilizarse en la etapa de reconocimiento, para ayudar a identificar un documento comprobando el patrón de una sección del documento.

Cada campo de Data Capture se compone de:

Field	Descripción	Requerido
Name	Nombre del campo.	true
Order	Orden de evaluación	true
Type	Lista de los OCR Data Capture.	true
Property	Campo de metadatos donde se almacenarán los datos capturados.	true
Pattern	Un patrón de expresión regular de Java.	*
Rotation	Indica la rotación de la imagen que debe aplicarse. Rotaciones de imagen disponibles: - -270 - -180 - -90 - 0 - 90 - 180 - 270	true
Custom	Establece comandos para procesar las imágenes por el OCR. Pueden establecerse varios comandos, uno por línea. Por ejemplo, para resaltar el color rojo /usr/bin/convert ${fileIn} -matte ( +clone -fuzz 50% -transparent red ) -compose DstOut -composite -negate ${fileOut}	false
OCR	Línea de comandos del OCR. Cuando está presente, se ejecutará en lugar del parámetro de configuración system.ocr. Más información en Parámetros de configuración. Por ejemplo, para forzar la captura de dígitos. /usr/bin/tesseract ${fileIn} ${fileOut} digits	false
Use to recognize	Cuando se establece en true, indica que el campo también se utilizará en la etapa de reconocimiento.	false
* Este parámetro se utiliza en el Data Capture. Puede ser requerido o no, según el Data Capture que se utilice.

Comprender OCR Validation Control y OCR Data Capture

La aplicación proporciona una lista completa de los OCR Validation Controls y OCR Data Capture disponibles en la vista Plugins. La arquitectura de plugins de la aplicación ayuda a los administradores a añadir nuevas funcionalidades a la aplicación existente.

Por defecto, la aplicación incluye los siguientes plugins integrados:

• Plugins de OCR Validation Control integrados.
• Plugins de OCR Data Capture integrados.

También pueden crearse plugins propios:

• Crear su propio plugin de OCR Validation Control.
• Crear su propio plugin de OCR Data Capture.

Nota

Para más información sobre cómo registrar un nuevo plugin.

Crear una nueva plantilla OCR

• En la parte superior derecha, haga clic en el icono New OCR templace.
• Rellene los campos.
  • Campo de metadatos (valores de metadatos estáticos, normalmente utilizados para identificar el tipo de documento).
• Elija el archivo (tipo MIME permitido).
• Haga clic en el botón Create.

• Añada campos de Validation Controls según le convenga.
  • Validation Controls
    • Haga clic en Fields.
      • Para crear un nuevo Validation Control:
        • Haga clic en el icono New Validation Control Field.
        • Rellene los campos.
        • Elija el área con el ratón en la imagen de la izquierda.
        • Haga clic en el botón Create.
      • Para editar un Validation Control:
        • Haga clic en el icono Edit a Validation Control.
        • Modifique los campos.
        • Haga clic en el botón Edit.
      • Para eliminar un Validation Control:
        • Haga clic en el icono Delete a Validation Control.
        • Haga clic en el botón Delete.

• Añada campos de Data Capture según le convenga.
  • Data Capture
    • Haga clic en Fields.
    • Para crear un nuevo Data Capture
      • Haga clic en el icono New Data Capture Field.
      • Rellene los campos.
      • Elija el área con el ratón en la imagen de la izquierda.
      • Haga clic en el botón Create.
    • Para editar un Data Capture:
      • Haga clic en el icono Edit a Data Capture.
      • Modifique los campos.
      • Haga clic en el botón Edit.
    • Para eliminar un Data Capture:
      • Haga clic en el icono Delete a Data Capture.
      • Haga clic en el botón Delete.

Editar una plantilla OCR

• Haga clic en el icono Edit OCR template.
• Modifique los campos.
• Haga clic en el botón Edit.

Editar los campos de una plantilla OCR

Editar un OCR Validation Control

Haga clic en Fields.

• Haga clic en el icono Edit a Validation Control.
• Modifique los campos.
• Haga clic en el botón Edit.

Editar un OCR Data Capture

Haga clic en Fields.

• Haga clic en el icono Edit a Data Capture.
• Modifique los campos.
• Haga clic en el botón Edit.

Eliminar los campos de una plantilla OCR

Eliminar un OCR Validation Control

Haga clic en Fields.

• Haga clic en el icono Delete a Validation Control.
• Haga clic en el botón Delete.

Eliminar un OCR Data Capture

Haga clic en Fields.

• Haga clic en el icono Delete a Data Capture.
• Haga clic en el botón Delete.

Comprobar una plantilla OCR

• Haga clic en el icono Check y se comprobará la plantilla OCR.

Consejo

En el campo Capture Data se muestra el resultado de la extracción de texto por el OCR.

En el campo Validation Control se muestra el resultado de la validación de cumplimiento (true o false).

Comprobar el reconocimiento de un documento

• En la parte superior derecha, haga clic en el icono Recognise.
• Elija el archivo que se va a reconocer (tipo MIME permitido).
• Elija el nivel de reconocimiento.
• Haga clic en el botón Recognise.

Nota

El nivel de reconocimiento utiliza más o menos velocidad para identificar un documento. Por defecto, la aplicación utiliza slow.

• En el nivel fast, solo se tienen en cuenta los campos de Validation Control.
• En el nivel medium, se tiene en cuenta además que los campos de Data Capture no estén vacíos.
• En el nivel slow, se tiene en cuenta además que los campos de Data Capture sean correctos (que cumplan los patrones, etc.).

Eliminar una plantilla OCR

• Haga clic en el icono Delete OCR template.
• Haga clic en el botón Delete.

Habilitar OCR Data Capture

Funcionalidad	Descripción
Pestaña General del perfil	Cuando el OCR data capture se habilita desde la pestaña General del perfil, el proceso de OCR Data Capture se ejecutará automáticamente en cada nuevo documento subido. En caso de que exista una definición de automatización, estos parámetros no tienen efecto. Con la funcionalidad de automatización se cubren todos estos casos y más.
Automatización	Validaciones: - Is OCRDataCaptureFile Más información sobre los plugins de Automation Validator integrados. Acciones: - OCR DataCapture - Add OCRDataCaptureToWizard Más información sobre los plugins de Automation Action integrados.