Сравните цветной оригинал с изображением, которое действительно получает OCR. Отметьте несколько символов под оттиском и рядом с ним. Если различимые в оригинале штрихи исчезли после обработки, начинайте с предобработки изображения. Если оттиск физически закрыл символ, распознавание не должно выдавать догадку за подтверждённое значение.
Оригинал сохраняют неизменным. Для проверки достаточно разрешённого обезличенного фрагмента с печатью и контрольного участка без неё. Удаление целого цветового диапазона без сравнения опасно: в документе тем же цветом могут быть напечатаны значимые данные или внесены пометки.
Один и тот же участок проходит три проверки
Сначала оператор читает исходный фрагмент и размечает подтверждённые символы. Затем рассматривает фактический вход OCR после преобразований. Только после этого сравнивает результат распознавания. Такой порядок отделяет плохую исходную видимость, потерю деталей при обработке и ошибку модели на сохранённых деталях.
В руководстве Tesseract по качеству описаны бинаризация, шум и изменение толщины штрихов. Бинаризация переводит изображение в чёрно-белое, а её результат может быть неудачным при неравномерном фоне. Документация проверена 9 ноября 2026 года. Она не обещает универсального способа удаления любых печатей.
Условный пример: тонкая цифра видна на цветном скане, но после порога сливается с плотным оттиском. Профиль с другим преобразованием может сохранить её лучше, однако это нужно проверить по размеченному значению. Одна более аккуратная картинка не подтверждает правильность всего поля.
Что сравнивать у вариантов предобработки
| Элемент | Проверка или значение |
|---|---|
| Вариант A | текущая производная и результат обычного OCR. |
| Вариант B | одно изменённое преобразование при той же версии модели. |
| Контроль | размеченные значения под оттиском и на чистом участке. |
| Решение | подтверждённое улучшение, прежний профиль или ручная проверка. |
Сохраняйте параметры каждого прогона. Одновременная смена масштаба, порога, цветового преобразования и модели не покажет, какой этап помог. После каждого изменения смотрите не только ошибки в зоне печати, но и новые ошибки на чистом участке. Улучшение одного поля не должно ломать соседние строки.
Для полей с рамками сохраняйте связь с координатами исходника. Если при обработке изменились размер или обрезка, подсветка результата должна по-прежнему показывать нужный фрагмент. Иначе оператор подтвердит корректный текст по изображению другой строки.
Нечитаемый символ остаётся непроверенным
Распознаватель может предложить правдоподобный вариант там, где оператор не видит символа. Для обязательного реквизита предусмотрите отдельное состояние «не подтверждено» и запрос более качественной копии либо проверку по принятому процессу. Не заполняйте пропуск ближайшим похожим значением из соседнего документа.
Если данные сверяются со справочником, храните отдельно распознанный кандидат и найденное значение. Совпадение с карточкой не доказывает, что именно этот текст напечатан под оттиском. Исправление документа и проверка справочника требуют своего основания.
Приёмка на группе образцов
- Разметить читаемые и нечитаемые зоны исходников.
- Сравнить текущий и изменённый профиль на одних фрагментах.
- Посчитать неверные и пропущенные значения в обеих группах зон.
- Проверить маршрут ручного подтверждения.
- Повторить обычный запуск со сохранёнными параметрами.
Включите разные цвета и плотность оттиска, а также документы без печати. Отдельно фиксируйте ошибочное уверенное значение и честную передачу человеку. Эти исходы имеют разную практическую цену, поэтому одна общая доля распознанных символов может скрыть проблему.
Для отката достаточно сохранить исходник, прежний профиль и связь с подтверждёнными оператором результатами. Новый повтор обработки не должен затирать ручную проверку. На передачу инженеру подготовьте безопасные фрагменты, разметку, параметры преобразований и ошибочные поля — полный архив документов для первого разбора не требуется.