OCR для отдела продаж: как проверить артикул и цену в скане заявки

Что проверял FineBooks

По обзору The Decoder, FineBooks от Hugging Face и EleutherAI сравнивал 14 OCR-моделей на 2 165 страницах исторических книг. Лучшие результаты превышали 97% точности символов. Это не доля безошибочных страниц, строк заказа или коммерческих полей.

В обзоре различаются режимы оценки символов, но условия расчёта стоимости и режим конкретной строки рейтинга здесь не установлены. Точные значения из таблицы не используем как ориентир качества или бюджета внедрения; стоимость обработки своих документов предстоит измерить отдельно.

Существенны ограничения выборки: одноколоночные страницы, шрифты Antiqua, английский, французский, немецкий и латинский языки. Рукопись, нелатинские письменности и Fraktur в эту оценку не входят. Эти условия не соответствуют автоматически русскоязычной таблице заказа.

В статье также различаются режимы оценки, которые считают модернизацию исторического символа ошибкой либо допускают её. Для библиотеки важны координаты слов в ALTO XML, тогда как новые модели могут выдавать только Markdown или обычный текст.

Коммерческая ошибка весит иначе

В предлагаемом сценарии клиент присылает фотографию спецификации. Помощник извлекает артикул, наименование, количество и единицу измерения. Менеджер должен проверить каждую позицию до расчёта предложения. Смысловой пересказ документа для этой задачи недостаточен.

Ошибка в одном знаке артикула может указать на другую деталь. Пропущенная запятая меняет количество, а сдвиг строки связывает цену с соседним товаром. Поэтому общий показатель правильно распознанных символов дополняйте проверкой целых полей и соответствия строк.

• Сохраните исходный файл и номер страницы для каждой позиции.
• Покажите участок изображения рядом с распознанным значением, если выбранный инструмент позволяет надёжно получить координаты.
• Если координат нет, честно используйте ссылку на страницу вместо выдуманной точной подсветки.
• Пустое или сомнительное значение отправляйте на уточнение, не восстанавливая его по каталогу без проверки.

Подготовьте испытание на своих документах

Соберите разрешённые примеры с разными таблицами, качеством съёмки, печатями и переносами страниц. Добавьте документы, которые система должна отклонить. Эталонные значения сверяют сотрудники, знакомые с номенклатурой; случайную ошибку в эталоне нельзя считать недостатком OCR.

1. Сравните распознавание целых артикулов и количеств с ручным вводом.
2. Проверьте, не объединяются ли соседние строки и не теряются ли повторяющиеся позиции.
3. Измерьте время проверки с открытием исходного скана, а не только время ответа модели.
4. Зафиксируйте долю документов, требующих полного повторного ввода.

Отдельно испытайте противоречие между текстом и каталогом. Если распознанного артикула нет, помощник может предложить кандидатов, но не должен молча заменить его ближайшим. Решение сотрудника и исходное значение сохраняются в журнале.

Граница до коммерческого предложения

Перед передачей файлов внешнему сервису согласуйте состав данных и условия обработки. Для испытания часто достаточно обезличенных страниц, но удаление имени не гарантирует отсутствия коммерческой тайны: спецификация сама может раскрывать планы клиента.

Итог пилота должен назвать допустимые виды документов и поля, которые остаются ручными. Если выигрыш съедает проверка таблиц, ограничьте автоматизацию регистрацией файла и подготовкой черновика. Книжный рейтинг помогает выбрать кандидатов для теста, но не заменяет этот тест.