Wie man mit OCR in C# Daten aus Belegen extrahiert

Belege und Automatisierung

Belege sind in der heutigen schnelllebigen Welt unerlässlich. Ob beim Lebensmitteleinkauf oder beim Essen im Restaurant – Quittungen helfen dabei, die Ausgaben zu verfolgen und ein Budget zu erstellen. Inzwischen nutzen Geschäfte Belegscanner , um Verkaufsdaten zu analysieren. Dies hilft ihnen, die Nachfrage vorherzusagen und den Lagerbestand mithilfe von Datenextraktionstechniken zu verwalten.

Allerdings sind Quittungen manchmal schwer lesbar und Berechnungen nicht immer eindeutig. Die manuelle Dateneingabe für die Budgetplanung ist mühsam und fehleranfällig, insbesondere bei vielen Artikeln. Der Verlust eines Kassenbons kann Ihre monatlichen Mehrausgaben plötzlich zu einem Rätsel machen. Bei herkömmlichen Papierbelegen ist die Druckqualität oft schlecht, die Tinte verblasst und das Thermopapier degradiert, weshalb die Optimierung der OCR-Bilder für eine genaue Datenextraktion von entscheidender Bedeutung ist.

Um dieses Problem zu lösen, haben Budgetierungs- und Finanz-Apps die OCR- Technologie (optische Zeichenerkennung) übernommen. Durch das Scannen von Belegen in ein digitales Format minimiert die OCR-Technologie Fehler, automatisiert die Dateneingabe, verfolgt Ausgaben und deckt Kaufmuster auf. Moderne OCR-Lösungen verarbeiten verschiedene Belegformate, von traditionellen Kassenbons bis hin zu digitalen Belegen mit Barcode- und QR-Code-Lesefunktion .

OCR nutzt maschinelles Lernen, um Text aus Bildern zu identifizieren und zu extrahieren. Der Prozess umfasst Bildvorverarbeitung , Zeichensegmentierung, Mustererkennung und Validierung. Allerdings ist die OCR-Technologie nicht perfekt – Unschärfen oder Verschmierungen können zu Fehlern führen. Moderne Systeme nutzen Computer-Vision-Techniken , um die Genauigkeit zu erhöhen. Die Wahl einer zuverlässigen OCR-Bibliothek, die die Lesevorgänge effizient verarbeitet und optimiert, ist für eine erfolgreiche Dokumentenautomatisierung von entscheidender Bedeutung.

Warum sollte ich IronOCR für die Belegverarbeitung wählen?

IronOCR ist eine C#-Bibliothek, die auf einer angepassten Tesseract- OCR-Engine basiert. Im Gegensatz zum Standard-Tesseract enthält IronOCR Optimierungen und Funktionen von Tesseract 5, die speziell für .NET-Entwickler entwickelt wurden. Das zeichnet es aus:

1. Cross-Kompatibilität: Funktioniert mit .NET 8, 7, 6, 5 und Framework 4.6.2+. Läuft unter Windows, macOS, Azure und Linux. Lässt sich nahtlos in Docker , AWS Lambda und Azure Functions bereitstellen.

2. Flexibilität und Skalierbarkeit: Unterstützt die Formate JPG, PNG und GIF. Integriert sich in System.Drawing-Objekte. Verarbeitet mehrseitige TIFF- und PDF-Datenströme . Unterstützt Multithreading für Szenarien mit hohem Datenaufkommen.

3. Benutzerfreundlichkeit und Support: Gut dokumentiert mit robuster API und 24/5-Support. Bietet einfache Einzeiler-Bedienung und detaillierte Konfigurationsmöglichkeiten . Beinhaltet ausführliche Anleitungen zur Fehlerbehebung .

4. Mehrsprachigkeit: Unterstützt 125 internationale Sprachen . Erkennt Produktnamen und Preise zuverlässig. Unterstützt mehrere Sprachen pro Dokument . Unterstützt benutzerdefinierte Trainingsdatendateien .

5. Erweiterte Bildverarbeitung: Eingebaute Filter verbessern automatisch die Belegqualität. Beinhaltet Rauschunterdrückung , Ausrichtungskorrektur und DPI-Optimierung . Der Filterassistent ermittelt automatisch die optimalen Einstellungen.

Wie implementiere ich die Beleg-OCR in meiner Anwendung?

// Replace the license key variable with the trial key you obtained
IronOcr.License.LicenseKey = "REPLACE-WITH-YOUR-KEY";

// Replace the license key variable with the trial key you obtained
IronOcr.License.LicenseKey = "REPLACE-WITH-YOUR-KEY";

Wie kann ich einen Supermarktbon mit IronOCR einlesen?

Lassen Sie uns untersuchen, wie IronOCR in einer App eingesetzt werden kann, die Supermarktbons mit Smartphones scannt und Produktnamen und Preise extrahiert, um basierend auf den Einkäufen Treuepunkte zu vergeben. Dies umfasst die Bildaufnahme, die Vorverarbeitung, die OCR-Ausführung und die Datenvalidierung anhand von Ergebnis-Konfidenzwerten .

Welchen C#-Code benötige ich, um Belegdaten zu extrahieren?

using IronOcr;

class ReceiptScanner
{
    static void Main()
    {
        // Set the license key for IronOCR
        IronOcr.License.LicenseKey = "YOUR-KEY";

        // Instantiate OCR engine with optimal settings for receipts
        var ocr = new IronTesseract();

        // Configure for receipt-specific text
        ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789.$,- ";
        ocr.Configuration.BlackListCharacters = "~`@#%^*_+={}[]|\\:;\"'<>?";

        using var inputPhoto = new OcrInput();
        inputPhoto.LoadImage("supermarketexample.jpg");

        // Apply preprocessing for better accuracy
        inputPhoto.DeNoise();
        inputPhoto.ToGrayScale();
        inputPhoto.Contrast(1.2);

        // Perform OCR on the loaded image
        OcrResult result = ocr.Read(inputPhoto);

        // Output the text extracted from the receipt
        string text = result.Text;
        Console.WriteLine(text);

        // Extract specific data using OcrResult features
        foreach (var line in result.Lines)
        {
            if (line.Text.Contains("TOTAL"))
            {
                Console.WriteLine($"Total Found: {line.Text}");
            }
        }
    }
}

using IronOcr;

class ReceiptScanner
{
    static void Main()
    {
        // Set the license key for IronOCR
        IronOcr.License.LicenseKey = "YOUR-KEY";

        // Instantiate OCR engine with optimal settings for receipts
        var ocr = new IronTesseract();

        // Configure for receipt-specific text
        ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789.$,- ";
        ocr.Configuration.BlackListCharacters = "~`@#%^*_+={}[]|\\:;\"'<>?";

        using var inputPhoto = new OcrInput();
        inputPhoto.LoadImage("supermarketexample.jpg");

        // Apply preprocessing for better accuracy
        inputPhoto.DeNoise();
        inputPhoto.ToGrayScale();
        inputPhoto.Contrast(1.2);

        // Perform OCR on the loaded image
        OcrResult result = ocr.Read(inputPhoto);

        // Output the text extracted from the receipt
        string text = result.Text;
        Console.WriteLine(text);

        // Extract specific data using OcrResult features
        foreach (var line in result.Lines)
        {
            if (line.Text.Contains("TOTAL"))
            {
                Console.WriteLine($"Total Found: {line.Text}");
            }
        }
    }
}

Der Code demonstriert Folgendes:

1. Importieren Sie die IronOcr-Bibliothek.
2. Instanziieren Sie die OCR-Engine ( IronTesseract ) mit Konfigurationsoptionen .
3. Erstellen Sie ein neues OcrInput-Objekt , um das Bild des Belegs zu laden.
4. Wenden Sie eine Vorverarbeitung an, um eine höhere Genauigkeit zu erzielen.
5. Verwenden Sie die Read Methode, um Text zu extrahieren.
6. Ergebnisse mithilfe der Klasse OcrResult für strukturierte Daten verarbeiten.

IronOCR unterstützt das Einlesen von Fotos , Screenshots und gescannten Dokumenten in verschiedenen Belegformaten. Es kann auch Tabellendaten aus strukturierten Belegen extrahieren .

Wie kann ich die Genauigkeit der extrahierten Daten überprüfen?

Um Konsistenz zu gewährleisten, überprüfen Sie den Konfidenzgrad der extrahierten Daten. IronOCR bietet umfassende Konfidenzmetriken auf mehreren Ebenen:

OcrResult result = ocr.Read(inputPhoto);
string text = result.Text;
Console.WriteLine(text);
Console.WriteLine($"Overall Confidence: {result.Confidence}%");

// Check confidence for individual elements
foreach (var word in result.Words)
{
    if (word.Confidence < 80)
    {
        Console.WriteLine($"Low confidence word: '{word.Text}' ({word.Confidence}%)");
    }
}

// Validate numeric values
foreach (var block in result.Blocks)
{
    if (block.Text.Contains("$"))
    {
        Console.WriteLine($"Price detected: {block.Text} (Confidence: {block.Confidence}%)");
    }
}

OcrResult result = ocr.Read(inputPhoto);
string text = result.Text;
Console.WriteLine(text);
Console.WriteLine($"Overall Confidence: {result.Confidence}%");

// Check confidence for individual elements
foreach (var word in result.Words)
{
    if (word.Confidence < 80)
    {
        Console.WriteLine($"Low confidence word: '{word.Text}' ({word.Confidence}%)");
    }
}

// Validate numeric values
foreach (var block in result.Blocks)
{
    if (block.Text.Contains("$"))
    {
        Console.WriteLine($"Price detected: {block.Text} (Confidence: {block.Confidence}%)");
    }
}

Die Confidence Eigenschaft misst die statistische Genauigkeit von 0 (niedrig) bis 100 (hoch). Anhand dieser Konfidenzniveaus lässt sich entscheiden, wie mit den Daten umzugehen ist. Bei Produktionssystemen sollte eine Fortschrittsverfolgung implementiert werden, um die OCR-Vorgänge zu überwachen.

Wie kann ich die Genauigkeit der Texterkennung durch Bildvorverarbeitung verbessern?

Vor der Bearbeitung sollten Sie die Bilder mit diesen Methoden vorbereiten, um bessere Ergebnisse zu erzielen:

using var inputPhoto = new OcrInput();
inputPhoto.LoadImage("receipt.jpg");

// Basic preprocessing
inputPhoto.DeNoise();           // Removes noise from the image
inputPhoto.ToGrayScale();       // Converts image to grayscale
inputPhoto.Contrast(1.5);       // Enhance contrast for faded receipts
inputPhoto.Sharpen();           // Improve text clarity

// Advanced preprocessing for challenging receipts
inputPhoto.Rotate(2.5);         // Correct slight rotation
inputPhoto.Deskew();            // Automatically straighten receipt
inputPhoto.Scale(200);          // Upscale low-resolution images

// Handle specific receipt issues
if (receiptIsDamaged)
{
    inputPhoto.Dilate();        // Thicken thin text
    inputPhoto.Erode();         // Reduce text bleeding
}

// For colored or patterned backgrounds
inputPhoto.Binarize();          // Convert to pure black and white
inputPhoto.Invert();            // Handle white text on dark background

using var inputPhoto = new OcrInput();
inputPhoto.LoadImage("receipt.jpg");

// Basic preprocessing
inputPhoto.DeNoise();           // Removes noise from the image
inputPhoto.ToGrayScale();       // Converts image to grayscale
inputPhoto.Contrast(1.5);       // Enhance contrast for faded receipts
inputPhoto.Sharpen();           // Improve text clarity

// Advanced preprocessing for challenging receipts
inputPhoto.Rotate(2.5);         // Correct slight rotation
inputPhoto.Deskew();            // Automatically straighten receipt
inputPhoto.Scale(200);          // Upscale low-resolution images

// Handle specific receipt issues
if (receiptIsDamaged)
{
    inputPhoto.Dilate();        // Thicken thin text
    inputPhoto.Erode();         // Reduce text bleeding
}

// For colored or patterned backgrounds
inputPhoto.Binarize();          // Convert to pure black and white
inputPhoto.Invert();            // Handle white text on dark background

Diese Vorverarbeitungsschritte erhöhen die Genauigkeit der Extraktion. Der Filterassistent findet automatisch die optimale Filterkombination für Ihre Belege. Bei Belegen mit farbigem Hintergrund ist eine Farbkorrektur unerlässlich.

Fortgeschrittene Szenarien erfordern möglicherweise regionsspezifische OCR, um sich auf Summen oder Steuerinformationen zu konzentrieren. Bei Belegen mit Barcodes sollte neben der Textextraktion auch das Barcode-Lesen aktiviert werden.

Was sind die wichtigsten Vorteile der Verwendung von IronOCR für die Belegverarbeitung?

Die IronOCR-Lizenzseite zeigt drei Preisstufen (Lite 749 $, Plus 1.499 $, Professional 2.999 $) mit einem Umschalter zwischen IronOCR und Iron Suite. Die Details der Professional-Lizenz und die Gesamtkosten von 5.998 $ werden angezeigt. Flexible Preisoptionen für Teams und Unternehmen mit Einzelproduktlizenzen und dem Iron Suite-Bundle bieten ein besseres Preis-Leistungs-Verhältnis.

Die OCR-Technologie für Belege unterstützt Unternehmen und Privatpersonen bei der Budgetplanung, Betrugsprävention und automatisierten Datenerfassung. IronOCR bietet Genauigkeit, Geschwindigkeit und einfache Integration in bestehende Plattformen und ist damit ideal für Lösungen zum Scannen von Belegen.

Zu den Hauptvorteilen gehören:

1. Leistungsoptimierung: Multithreading und Geschwindigkeitsoptimierung verarbeiten Tausende von Belegen effizient.

2. Exportflexibilität: Belege in durchsuchbare PDFs oder hOCR-HTML für die Webintegration konvertieren.

3. Enterprise-Funktionen: Bereitstellung auf Azure- , Docker- und Linux-Servern für optimale Skalierbarkeit.

4. Spezialisierte Erkennung: Handschriftliche Notizen auf Belegen lesen und Tabellenstrukturen extrahieren.

5. Debugging-Tools: Hervorhebungstextvisualisierung und Ergebnisexportfunktionen erleichtern die Fehlersuche.

Testen Sie die Testlizenz von IronOCR, um dessen Funktionen kennenzulernen. Die umfassende Dokumentation und die Codebeispiele helfen Ihnen, die Beleg-OCR schnell zu implementieren.