Russian
Deutsch
English
Все кейсы
ИИ (AI)
2024
OCR и AI для автоматизации обработки изображений
Разработали систему распознавания и обработки изображений: автоматическое извлечение текста и данных из документов и фото.
96%
точность распознавания
×20
быстрее ручной обработки
−70%
ручного труда
10k+
документов в день
О проекте
Цель
Получить из PDF-каталога производителя структурированные данные (OEM-коды, модели, годы, применяемость) для последующей загрузки в систему.
Задачи
Получить из PDF-каталога производителя структурированные данные (OEM-коды, модели, годы, применяемость) для последующей загрузки в систему.
Задачи
- Извлечь текст со сканов страниц.
- Распознать и структурировать табличные данные.
- Сохранить результат в удобном для интеграции формате (JSON).
Задача
Решение
Мы преобразовали страницы PDF в изображения (PyMuPDF) и использовали два подхода к OCR: локальный Tesseract и облачный сервис ocr.space API. Это позволило повысить точность распознавания, особенно на сложных страницах. Далее подключили GPT для парсинга таблиц и выделения ключевых данных.
Сложности
Работа с таблицами в таких документах - отдельный гемор: данные расположены хаотично, подписи налезают друг на друга, а в таблицы нередко вставлены картинки. Всё это сильно мешает автоматизации и требует комбинированного подхода.
Результат
Получили структурированные данные и сохранили их в JSON-файлы, готовые для интеграции в e-commerce-систему.
Инструменты
PyMuPDF, Tesseract OCR, ocr.space API, Python, GPT.
Мы преобразовали страницы PDF в изображения (PyMuPDF) и использовали два подхода к OCR: локальный Tesseract и облачный сервис ocr.space API. Это позволило повысить точность распознавания, особенно на сложных страницах. Далее подключили GPT для парсинга таблиц и выделения ключевых данных.
Сложности
Работа с таблицами в таких документах - отдельный гемор: данные расположены хаотично, подписи налезают друг на друга, а в таблицы нередко вставлены картинки. Всё это сильно мешает автоматизации и требует комбинированного подхода.
Результат
Получили структурированные данные и сохранили их в JSON-файлы, готовые для интеграции в e-commerce-систему.
Инструменты
PyMuPDF, Tesseract OCR, ocr.space API, Python, GPT.
Решение
Что мы сделали
OCR-движок
Внедрили распознавание текста с предобработкой изображений: выравнивание, очистка, бинаризация.
Извлечение данных
Обучили модель выделять нужные поля и структурировать данные.
Конвейер обработки
Построили пайплайн с очередью и автоматической проверкой результата.
Контроль качества
Добавили метрики точности и ручную верификацию спорных случаев.
Галерея
Как это выглядит
То, на что уходили дни ручного ввода, теперь делается автоматически за минуты и с высокой точностью.
Ещё кейсы
Похожие проекты
Хотите такой же результат?
Расскажите о задаче - подберём подход, оценим объём и сроки. Покажем релевантные вашему проекту кейсы.
