OCR templates

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

Consejo

Para obtener 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 OCR.

Entendiendo las etapas de ejecución de una plantilla 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 solo si una plantilla OCR coincide al 100%.

Durante 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 usado para identificar el tipo de documento).

Hay dos tipos de campos en las plantillas OCR:

• Campos Validation Control.
• Campos Data Capture.

Nota

Los campos Validation Control se usan solo en la etapa de reconocimiento.

Los campos Data Capture se usan en la etapa de extracción de datos y opcionalmente también pueden usarse en la etapa de reconocimiento.

Los tipos MIME permitidos para la etapa de reconocimiento son:

• PNG
• JPG
• GIF
• BMP
• PDF

Descripción de los campos Validation Control

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

Cada campo Validation Control está compuesto por:

Field	Description	Required
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 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. Se pueden establecer 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 de 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 OCR vacío también es válido en el proceso de identificación del documento.	false
* Estos parámetros se usan en el Validation Control. Pueden ser obligatorios o no según qué Validation Control se use.

Descripción de los campos Data Capture

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

Cada campo Data Capture está compuesto por:

Field	Description	Required
Name	Nombre del campo.	true.
Order	Orden de evaluación	true.
Type	Lista de 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 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. Se pueden establecer 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 de 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 usará en la etapa de reconocimiento.	false.
* Este parámetro se usa en el Data Capture. Puede ser obligatorio o no según qué Data Capture se use.

Entendiendo OCR Validation Control y OCR Data Capture

La aplicación proporciona una lista completa de OCR Validation Controls y OCR Data Capture disponibles desde la vista de 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 plugins integrados:

• Plugins Built-in OCR Validation Control.
• Plugins Built-in OCR Data Capture.

También puede crear sus propios plugins:

• Crear su propio plugin OCR Validation Control.
• Crear su propio plugin 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 Nueva plantilla OCR.
• Rellene los campos.
  • Campo de metadatos (valores de metadatos estáticos, normalmente usados para identificar el tipo de documento).
• Elija el fichero (tipos MIME permitidos).
• Haga clic en el botón Crear.

• Añada campos Validation Control según sea necesario.
  • Validation Controls
    • Haga clic en Fields.
      • Para crear un nuevo Validation Control:
        • Haga clic en el icono Nuevo campo Validation Control.
        • Rellene los campos.
        • Elija el área con el ratón en la imagen de la izquierda.
        • Haga clic en el botón Crear.
      • Para editar un Validation Control:
        • Haga clic en el icono Editar un Validation Control.
        • Modifique los campos.
        • Haga clic en el botón Editar.
      • Para eliminar un Validation Control:
        • Haga clic en el icono Eliminar un Validation Control.
        • Haga clic en el botón Eliminar.

• Añada campos Data Capture según sea necesario.
  • Data Capture
    • Haga clic en Fields.
    • Para crear un nuevo Data Capture
      • Haga clic en el icono Nuevo campo Data Capture.
      • Rellene los campos.
      • Elija el área con el ratón en la imagen de la izquierda.
      • Haga clic en el botón Crear.
    • Para editar un Data Capture:
      • Haga clic en el icono Editar un Data Capture.
      • Modifique los campos.
      • Haga clic en el botón Editar.
    • Para eliminar un Data Capture:
      • Haga clic en el icono Eliminar un Data Capture.
      • Haga clic en el botón Eliminar.

Editar una plantilla OCR

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

Editar los campos de una plantilla OCR

Editar un OCR Validation Control

Haga clic en Fields.

• Haga clic en el icono Editar un Validation Control.
• Modifique los campos.
• Haga clic en el botón Editar.

Editar un OCR Data Capture

Haga clic en Fields.

• Haga clic en el icono Editar un Data Capture.
• Modifique los campos.
• Haga clic en el botón Editar.

Eliminar los campos de una plantilla OCR

Eliminar un OCR Validation Control

Haga clic en Fields.

• Haga clic en el icono Eliminar un Validation Control.
• Haga clic en el botón Eliminar.

Eliminar un OCR Data Capture

Haga clic en Fields.

• Haga clic en el icono Eliminar un Data Capture.
• Haga clic en el botón Eliminar.

Comprobar una plantilla OCR

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

Consejo

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

El campo Validation Control muestra el resultado de la validación de cumplimiento (verdadero o falso).

Comprobar el reconocimiento de un documento

• En la parte superior derecha, haga clic en el icono Reconocer.
• Elija el fichero a reconocer (tipos MIME permitidos).
• Elija el nivel de reconocimiento.
• Haga clic en el botón Reconocer.

Nota

El nivel de reconocimiento determina la velocidad usada para identificar un documento. Por defecto, la aplicación usa el nivel lento.

• En el nivel rápido, solo tiene en cuenta los campos Validation Control.
• En el nivel medio, también requiere que los campos Data Capture no estén vacíos.
• En el nivel lento, también verifica que los campos Data Capture sean correctos (cumplan los patrones, etc.).

Eliminar una plantilla OCR

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

Habilitar OCR Data Capture

Feature	Description
Pestaña General de perfil	Cuando OCR data capture está habilitado desde la pestaña General de perfil, el proceso de OCR Data Capture se ejecutará automáticamente para cada documento recién subido. Si hay presente una definición de automatización, estos parámetros no tienen efecto. Con la funcionalidad de automatización, todos estos casos y más quedan cubiertos.
Automatización	Validaciones: - Is OCRDataCaptureFile Más información sobre Plugins Built-in Automation Validator. Acciones: - OCR DataCapture - Add OCRDataCaptureToWizard Más información sobre Plugins Built-in Automation Action.