परियोजना का विवरण
अनुवादितहमारी कंपनी ने हजारों कागजी रसीदों और दस्तावेज़ स्कैन को जमा किया है जो वर्तमान में फ़ोल्डरों और PDF आर्काइव में हैं, जिनकी खोज या विश्लेषण करने की कोई क्षमता नहीं है। हमें एक कार्यशील OCR डिजिटलीकरण पाइपलाइन की आवश्यकता है: यह स्कैन के एक बैच को लेती है, प्रत्येक पृष्ठ पर पाठ को पहचानती है, और असंरचित छवियों को साफ संरचित रिकॉर्ड में बदलती है जिन्हें क्वेरी किया जा सकता है। मात्रा हर सप्ताह बढ़ती है, इसलिए समाधान को स्वचालित रूप से एक कार्यक्रम पर काम करना चाहिए, इनपुट फ़ोल्डर से नए फ़ाइलें प्राप्त करना चाहिए, और बिना मैनुअल कतार की निगरानी के विश्वसनीय रूप से उन्हें संसाधित करना चाहिए। सटीकता हमारे लिए गति से अधिक महत्वपूर्ण है: गलत राशि या गलत पढ़ी गई तारीख लेखांकन में वास्तविक समस्याएं पैदा करती है, इसलिए पाइपलाइन को सावधानी से कार्य करना चाहिए और जो कुछ भी उसे संदेह है उसे चिह्नित करना चाहिए।
प्रत्येक दस्तावेज़ के लिए, प्रणाली को हमें आवश्यक फ़ील्ड निकालने चाहिए: आपूर्तिकर्ता का नाम, चालान संख्या, चालान की तारीख, लाइन आइटम (जहां वे मौजूद हैं), मुद्रा, कर से पहले की राशि, कर, और कुल राशि। निकासी के बाद, मानों को सत्यापित किया जाना चाहिए, तारीखों को एकल मानक प्रारूप में लाया जाना चाहिए, संख्याओं को समायोजित किया जाना चाहिए ताकि लाइन आइटम घोषित कुल से मेल खाएं, और कम-विश्वास वाले परिणामों को मैनुअल समीक्षा के लिए कतार में भेजा जाना चाहिए न कि चुपचाप रिकॉर्ड किया जाना चाहिए। साफ रिकॉर्ड को हमारे डेटाबेस और एक स्प्रेडशीट दोनों में आउटपुट किया जाना चाहिए ताकि वित्त विभाग तुरंत उनके साथ काम कर सके। एक ज्ञात OCR इंजन के साथ पायथन कार्यान्वयन, स्पष्ट लॉगिंग, और विफल दस्तावेजों को फिर से संसाधित करने का एक सरल तरीका पसंद किया जाता है।
कृपया इसे एक उत्पादन उपकरण के रूप में मानें, न कि एक प्रोटोटाइप के रूप में। हम ट्यूनिंग के लिए वास्तविक स्कैन का एक प्रतिनिधि सेट प्रदान करेंगे (विभिन्न गुणवत्ता, घुमाए गए, विभिन्न भाषाओं में) और हम इसके बदले में स्रोत कोड, स्थापना निर्देश, और एक संक्षिप्त हैंडऑफ की अपेक्षा करते हैं ताकि हमारा स्टाफ प्रणाली का संचालन और विकास कर सके।
— एक निगरानी फ़ोल्डर से स्कैन और PDF प्राप्त करें, पहचान से पहले छवियों को संरेखित और साफ करें
— आपूर्तिकर्ता, चालान संख्या, तारीखें, राशि, कर, और लाइन आइटम को विश्वास स्कोरिंग के साथ निकालें
— फ़ील्ड को सत्यापित और सामान्य करें; लाइन आइटम को कुल के साथ समायोजित करें; संदिग्ध परिणामों को मैनुअल समीक्षा के लिए भेजें
— डेटाबेस और स्प्रेडशीट में संरचित रिकॉर्ड आउटपुट करें; लॉग और फिर से चलाने की क्षमता
प्रत्येक दस्तावेज़ के लिए, प्रणाली को हमें आवश्यक फ़ील्ड निकालने चाहिए: आपूर्तिकर्ता का नाम, चालान संख्या, चालान की तारीख, लाइन आइटम (जहां वे मौजूद हैं), मुद्रा, कर से पहले की राशि, कर, और कुल राशि। निकासी के बाद, मानों को सत्यापित किया जाना चाहिए, तारीखों को एकल मानक प्रारूप में लाया जाना चाहिए, संख्याओं को समायोजित किया जाना चाहिए ताकि लाइन आइटम घोषित कुल से मेल खाएं, और कम-विश्वास वाले परिणामों को मैनुअल समीक्षा के लिए कतार में भेजा जाना चाहिए न कि चुपचाप रिकॉर्ड किया जाना चाहिए। साफ रिकॉर्ड को हमारे डेटाबेस और एक स्प्रेडशीट दोनों में आउटपुट किया जाना चाहिए ताकि वित्त विभाग तुरंत उनके साथ काम कर सके। एक ज्ञात OCR इंजन के साथ पायथन कार्यान्वयन, स्पष्ट लॉगिंग, और विफल दस्तावेजों को फिर से संसाधित करने का एक सरल तरीका पसंद किया जाता है।
कृपया इसे एक उत्पादन उपकरण के रूप में मानें, न कि एक प्रोटोटाइप के रूप में। हम ट्यूनिंग के लिए वास्तविक स्कैन का एक प्रतिनिधि सेट प्रदान करेंगे (विभिन्न गुणवत्ता, घुमाए गए, विभिन्न भाषाओं में) और हम इसके बदले में स्रोत कोड, स्थापना निर्देश, और एक संक्षिप्त हैंडऑफ की अपेक्षा करते हैं ताकि हमारा स्टाफ प्रणाली का संचालन और विकास कर सके।
— एक निगरानी फ़ोल्डर से स्कैन और PDF प्राप्त करें, पहचान से पहले छवियों को संरेखित और साफ करें
— आपूर्तिकर्ता, चालान संख्या, तारीखें, राशि, कर, और लाइन आइटम को विश्वास स्कोरिंग के साथ निकालें
— फ़ील्ड को सत्यापित और सामान्य करें; लाइन आइटम को कुल के साथ समायोजित करें; संदिग्ध परिणामों को मैनुअल समीक्षा के लिए भेजें
— डेटाबेस और स्प्रेडशीट में संरचित रिकॉर्ड आउटपुट करें; लॉग और फिर से चलाने की क्षमता
सॉफ़्टवेयर विकास नकद, बैंक ट्रांसफर
