Plantillas OCR

Las plantillas OCR permiten crear plantillas OCR zonales que posibilitan 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 lograr un buen reconocimiento de texto por parte del motor OCR.

Comprensión de las etapas en la ejecución de las plantillas OCR:

Reconocer Extracción de datos Guardar datos

Consejo

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

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

Al guardar los 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).

Existen dos tipos de campos en las plantillas OCR:

• Campos de control de validación.
• Campos de captura de datos.

Nota

Los campos de control de validación se utilizan únicamente en la etapa de reconocimiento.

Los campos de captura de datos 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 del campo de control de validación

Los campos de control de validación 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 control de validación se compone de:

Campo	Descripción	Obligatorio
Name	Nombre del campo.	true.
Order	Orden de evaluación.	true.
Type	Lista de controles de validación OCR. 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 para 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	Cuando 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 control de validación. Pueden ser obligatorios o no según el control de validación que se utilice.

Descripción del campo de captura de datos

Los campos de captura de datos se utilizan para recuperar 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 captura de datos se compone de:

Campo	Descripción	Obligatorio
Name	Nombre del campo.	true.
Order	Orden de evaluación.	true.
Type	Lista de las capturas de datos OCR.	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 para 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 recognise	Cuando se establece en true, indica que el campo también se utilizará en la etapa de reconocimiento.	false.
* Este parámetro se utiliza en la captura de datos. Puede ser obligatorio o no según la captura de datos que se utilice.

Comprensión del control de validación OCR y de la captura de datos OCR

La aplicación proporciona una lista completa de los controles de validación OCR y de las capturas de datos OCR disponibles en la vista Plugins. La arquitectura de plugins de la aplicación ayuda a los administradores a añadir nuevas funcionalidades a la aplicación.

De forma predeterminada, la aplicación incluye los siguientes plugins integrados:

• Plugins integrados de control de validación OCR.
• Plugins integrados de captura de datos OCR.

También puede crear sus propios plugins:

• Creación de su propio plugin de control de validación OCR.
• Creación de su propio plugin de captura de datos OCR.

Nota

Para más información sobre cómo Registrar un nuevo plugin.

Crear una nueva plantilla OCR

• En la parte superior derecha, haga clic en icono Nueva plantilla OCR.
• Rellene los campos.
  • Campo de metadatos (valores de metadatos estáticos, normalmente utilizados para identificar el tipo de documento).
• Elija el fichero (tipos MIME permitidos).
• Haga clic en el botón Create.

• Añada campos de control de validación según su conveniencia.
  • Controles de validación
    • Haga clic en Fields.
      • Para crear un nuevo control de validación:
        • Haga clic en icono Nuevo campo de control de validación.
        • Rellene los campos.
        • Elija el área con el ratón en la imagen de la izquierda.
        • Haga clic en el botón Create.
      • Para editar un control de validación:
        • Haga clic en icono Editar un control de validación.
        • Modifique los campos.
        • Haga clic en el botón Edit.
      • Para eliminar un control de validación:
        • Haga clic en icono Eliminar un control de validación.
        • Haga clic en el botón Delete.

• Añada campos de captura de datos según su conveniencia.
  • Captura de datos
    • Haga clic en Fields.
    • Para crear una nueva captura de datos
      • Haga clic en icono Nuevo campo de captura de datos.
      • Rellene los campos.
      • Elija el área con el ratón en la imagen de la izquierda.
      • Haga clic en el botón Create.
    • Para editar una captura de datos:
      • Haga clic en icono Editar una captura de datos.
      • Modifique los campos.
      • Haga clic en el botón Edit.
    • Para eliminar una captura de datos:
      • Haga clic en icono Eliminar una captura de datos.
      • Haga clic en el botón Delete.

Editar una plantilla OCR

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

Editar los campos de una plantilla OCR

Editar un control de validación OCR

Haga clic en Fields.

• Haga clic en icono Editar un control de validación.
• Modifique los campos.
• Haga clic en el botón Edit.

Editar una captura de datos OCR

Haga clic en Fields.

• Haga clic en icono Editar una captura de datos.
• Modifique los campos.
• Haga clic en el botón Edit.

Eliminar los campos de una plantilla OCR

Eliminar un control de validación OCR

Haga clic en Fields.

• Haga clic en icono Eliminar un control de validación.
• Haga clic en el botón Delete.

Eliminar una captura de datos OCR

Haga clic en Fields.

• Haga clic en icono Eliminar una captura de datos.
• Haga clic en el botón Delete.

Comprobar la plantilla OCR

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

Consejo

El campo Capture Data muestra el resultado de la extracción de texto realizada por el OCR.

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

Reconocer un documento

• En la parte superior derecha, haga clic en icono Reconocer.
• Elija el fichero 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 distintas velocidades para identificar un documento. De forma predeterminada, la aplicación utiliza el nivel lento.

• En el nivel rápido, solo se tienen en cuenta los campos de control de validación.
• En el nivel medio, se considera además que los campos de captura de datos no deben estar vacíos.
• En el nivel lento, se considera además que los campos de captura de datos son correctos (cumplen los patrones, etc.).

Eliminar una plantilla OCR

• Haga clic en icono Eliminar plantilla OCR.
• Haga clic en el botón Delete.

Habilitar la captura de datos OCR

Funcionalidad	Descripción
Pestaña General del perfil	Cuando la captura de datos OCR está habilitada desde la pestaña General del perfil, el proceso de captura de datos OCR se ejecutará automáticamente para cada documento recién subido. Si existe una definición de automatización, estos parámetros no tienen ningún efecto. Con la funcionalidad de automatización se cubren todos estos casos y más.
Automatización	Validaciones: - Is OCRDataCaptureFile Más información sobre los Plugins integrados de validación de automatización. Acciones: - OCR DataCapture - Add OCRDataCaptureToWizard Más información sobre los Plugins integrados de acciones de automatización.