ภาพสมุดที่เราอ่านเข้าใจไม่ได้หมายความว่า OCR จะอ่านได้ตรงกัน ลองหน้าตัวอย่างและประเมินเวลาแก้ก่อนประมวลผลทั้งเล่ม โดยเฉพาะบันทึกที่มีตัวเลขหรือชื่อเฉพาะจำนวนมาก
ภาษาไทยกับลายมือเป็นคนละเงื่อนไข
คู่มือ Tesseract ระบุว่าออกแบบสำหรับตัวพิมพ์ และอ่านลายมือได้ไม่ดี เครื่องมือ รูปภาพเป็นข้อความ ของ FileMyLove ใช้ Tesseract พร้อมตัวเลือกไทยและอังกฤษ หรืออังกฤษ ยังไม่มีตัวเลือกโมเดลเฉพาะลายมือ
ดังนั้น การเปลี่ยนภาษาไม่ได้รับรองว่าจะอ่านตัวเขียนหวัดได้ถูก และข้อความที่ดูเป็นประโยคก็ยังต้องเทียบกับภาพจริง เครื่องมือไม่ได้ตีความคำที่อ่านไม่ออกแทนเจ้าของบันทึก
ทดลองด้วยภาพที่ตรวจง่าย
- เก็บภาพต้นฉบับไว้ แล้วเลือกหน้าสั้นที่รู้เนื้อหาแน่นอน
- ถ่ายให้เห็นลายเส้นครบ ไม่ตัดสระหรือวรรณยุกต์ที่ขอบภาพ
- จัดแนวบรรทัดให้ตรง ลดเงาและสิ่งรบกวนก่อนลองอ่าน
- เลือกภาษาให้ตรงกับบันทึก แล้วเริ่ม OCR
- เทียบทีละบรรทัด รวมทั้งส่วนที่ไม่มีข้อความออกมา
Tesseract ระบุว่าภาพเอียง สัญญาณรบกวน และขอบที่ชิดเกินไปมีผลต่อการอ่าน การเตรียมภาพช่วยลดปัญหาภาพได้ แต่ไม่ใช่การเพิ่มความสามารถอ่านลายมือให้โมเดล
ตัดสินใจจากภาระแก้ไข
| ผลทดลอง | แนวทางที่เราแนะนำ |
|---|---|
| ผิดไม่กี่คำและตรวจได้ครบ | แก้ในช่องผลลัพธ์ก่อนบันทึก |
| ขาดทั้งบรรทัดหรือสลับคำมาก | พิมพ์จากต้นฉบับอาจควบคุมงานง่ายกว่า |
| แบบฟอร์มพิมพ์ปนคำเขียน | ตรวจส่วนที่เขียนด้วยมือแยกต่างหาก |
| อ่านต้นฉบับเองไม่ชัด | สอบถามผู้เขียนและทำเครื่องหมายว่ายังไม่ยืนยัน |
เราแนะนำให้เทียบเวลาแก้จริงกับเวลาพิมพ์หนึ่งย่อหน้า ไม่ใช้จำนวนคำที่ OCR สร้างได้เป็นตัววัดความแม่นยำ และไม่เดาชื่อหรือยอดเงินเพื่อให้ประโยคสมบูรณ์
เก็บทั้งภาพและข้อความที่ตรวจแล้ว
ผลลัพธ์แก้ไขในหน้าเว็บได้ จากนั้นคัดลอกหรือดาวน์โหลด TXT ให้เปิดไฟล์ที่บันทึกอีกครั้งเพื่อตรวจชื่อ ตัวเลข และตำแหน่งที่ยังไม่แน่ใจ การอ่านทำบนเบราว์เซอร์โดยไม่อัปโหลดภาพ
หากต้นฉบับเป็นตัวพิมพ์ ดู คัดข้อความไทยจากภาพหน้าจอ ส่วนบันทึกที่มีตารางควรอ่าน OCR ตารางแล้วคอลัมน์สลับ เพราะการสะกดถูกไม่ได้แปลว่าแต่ละค่าอยู่กับหัวข้อถูกต้อง
