Если распознавание паспорта путает серию и номер, ошибка может быть не только в OCR-модели. Часто проблема в качестве фото, неправильной области распознавания, отсутствии шаблона документа или слабой постобработке.
Сначала нужно собрать примеры ошибок и понять, путаются ли поля всегда, на конкретных фото или на конкретном типе документа.
Коротко: что делать
- Собрать набор изображений с ошибками
- Проверить качество фото: резкость, наклон, блики, обрезка
- Проверить область, из которой OCR берет серию и номер
- Проверить regex и правила постобработки
- Добавить валидацию формата и ручное подтверждение при сомнении
Основные причины
У этой проблемы редко бывает одна универсальная причина. Обычно нужно проверить связку настроек, данных, кода и внешних сервисов, а потом уже выбирать способ исправления.
- OCR читает строку целиком и неверно делит ее на части
- Фото паспорта наклонено или часть цифр размыта
- Шаблон документа не учитывает разные варианты расположения
- Постобработка не проверяет формат серии и номера
- Система не показывает пользователю уверенность распознавания
Пошаговая диагностика
Диагностику лучше вести от конкретного примера: один пользователь, один запрос, один документ, одно событие или один экран. Так проще увидеть точку, где система начинает вести себя неправильно.
- Сравнить исходное изображение, OCR text и финальные поля
- Проверить координаты bounding boxes
- Проверить ошибки на разных качествах фото
- Проверить, где именно происходит разделение серии и номера
- Посчитать процент ошибок на тестовом наборе
Как исправить проблему
Исправление должно закрывать корневую причину, а не только внешний симптом. Если проблема связана с доступами, платежами, данными или безопасностью, сначала стоит сделать резервную копию и проверить правку на тестовом сценарии.
- Улучшить предобработку изображения: поворот, контраст, обрезка
- Настроить зоны распознавания отдельно для серии и номера
- Добавить post-processing по формату документа
- Показывать пользователю поля для подтверждения
- Логировать уверенность OCR и отправлять сомнительные случаи на ручную проверку
Безопасный план решения
Не автоматизируйте принятие важных решений только по OCR, если уверенность низкая. Для документов лучше использовать проверку формата и подтверждение человеком.
Чего не стоит делать
- Не считать OCR-результат истиной без валидации
- Не хранить лишние персональные данные без необходимости
- Не использовать один шаблон для всех документов
- Не исправлять ошибки только regex, если проблема в качестве фото
Что подготовить перед исправлением
- Примеры изображений с замазанными лишними данными, если нужно
- Текущий OCR-результат
- Правильные значения серии и номера
- Код распознавания или используемый сервис
FAQ
Можно ли добиться 100% точности?
На реальных фото почти никогда. Нужны проверки, confidence score и ручное подтверждение сомнительных случаев.
Что важнее: OCR или постобработка?
Оба слоя важны. OCR читает текст, а постобработка превращает его в надежные поля.
Как снизить ошибки на телефоне?
Дать пользователю подсказки по фото, рамку документа, проверку резкости и повторный снимок при плохом качестве.
Когда стоит обратиться за помощью
Обратиться стоит, если OCR влияет на регистрацию, KYC, CRM, договоры или любые процессы с персональными данными.
Итог
Начните с набора ошибочных примеров и проверки постобработки. Если нужно улучшить OCR документов и валидацию полей, можно написать в Telegram @rabotator_support.