OCR templates

OCR Templates permite crear plantillas de OCR zonal que permiten reconocer y extraer texto estructurado a partir de imágenes escaneadas.

Consejo

Para obtener mejores resultados, las imágenes deberían escanearse al menos a 200 dpi de resolución para lograr un buen reconocimiento de texto por parte del motor OCR.

Entendiendo las fases de ejecución de una plantilla OCR:

Recognise Data extraction Save data

Consejo

En el reconocimiento, la aplicación intenta identificar el documento a partir de la definición de la plantilla OCR. 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 fase de extracción de datos se guardan en grupos de metadatos. Opcionalmente, se guardan como valores estáticos definidos en la plantilla OCR (normalmente usados para identificar el tipo de documento).

Hay dos tipos de campo en las plantillas OCR:

• Campos Validation Control.
• Campos Data Capture.

Nota

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

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

Los tipos MIME permitidos para la fase de reconocimiento son:

• PNG
• JPG
• GIF
• BMP
• PDF

Descripción de los campos Validation Control

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

Cada campo Validation Control se compone de:

Campo	Descripción	Obligatorio
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 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. 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 comando de OCR. Cuando está presente, se ejecutará en lugar del parámetro de configuración system.ocr. Más información en Configuration parameters. 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 fase de extracción de datos, pero también pueden usarse en la fase de reconocimiento para ayudar a identificar un documento comprobando el patrón de una sección del documento.

Cada campo Data Capture se compone de:

Campo	Descripción	Obligatorio
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 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. 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 comando de OCR. Cuando está presente, se ejecutará en lugar del parámetro de configuración system.ocr. Más información en Configuration parameters. 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 fase 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 los OCR Validation Control y OCR Data Capture disponibles desde 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 plugins integrados:

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

También puede crear sus propios plugins:

• Creating your own OCR Validation Control plugin.
• Creating your own OCR Data Capture plugin.

Nota

Para más información sobre cómo registrar un nuevo plugin.

Crear una nueva plantilla OCR

• Arriba a la derecha, haga clic en el icono New OCR template.
• Rellene los campos.
  • Campo de metadatos (valores de metadatos estáticos, normalmente usados para identificar el tipo de documento).
• Elija el fichero (tipo MIME permitido).
• Haga clic en el botón Create.

• Añada campos Validation Control según sea necesario.
  • 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 Data Capture según sea necesario.
  • 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

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

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

Comprobar el reconocimiento de un documento

• Arriba a la derecha, haga clic en el icono Recognise.
• Elija el fichero a reconocer (tipo MIME permitido).
• Elija el nivel de reconocimiento.
• Haga clic en el botón Recognise.

Nota

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

• En el nivel rápido (fast), solo se tienen en cuenta los campos Validation Control.
• En el nivel medio (medium), también se requiere que los campos Data Capture no estén vacíos.
• En el nivel lento (slow), también se verifica que los campos 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
Profile General tab	Cuando OCR data capture está habilitado desde la pestaña Profile General, 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 se cubren todos estos casos y más.
Automation	Validaciones: - Is OCRDataCaptureFile Más información sobre los built-in Automation Validator plugins. Acciones: - OCR DataCapture - Add OCRDataCaptureToWizard Más información sobre los built-in Automation Action plugins.