Aprendizaje automático de OCR de facturas (Tutorial paso a paso)

1. Precisión y reducción de errores

IronOCR utiliza algoritmos de aprendizaje automático avanzados para reconocer y extraer texto de las facturas con precisión. Esto minimiza las posibilidades de errores humanos en la entrada de datos, asegurando que la información financiera crítica se registre correctamente.

2. Ahorro de tiempo y costes

La automatización del procesamiento de facturas con IronOCR reduce significativamente el tiempo y los recursos necesarios para la entrada de datos manual. Esto puede llevar a un ahorro de costos considerable al optimizar el tiempo del personal y reducir la necesidad de mano de obra manual.

3. Mayor eficiencia

IronOCR puede procesar un gran volumen de facturas de manera rápida y eficiente. Elimina la necesidad de que los empleados ingresen manualmente los datos de cada factura, permitiéndoles centrarse en tareas más estratégicas.

4. Escalabilidad

IronOCR es escalable y puede manejar un volumen creciente de facturas a medida que tu empresa se expande. No necesitas preocuparte por que las cargas de trabajo aumentadas y los cuadros delimitadores sobrecarguen tu sistema de procesamiento de documentos de facturas.

5. Alcance global

IronOCR admite más de 125 idiomas, lo que permite a las empresas procesar facturas de proveedores y clientes en todo el mundo. Independientemente del idioma en que esté escrita una factura, IronOCR puede extraer los datos con precisión.

6. Compatibilidad con múltiples formatos

IronOCR puede procesar facturas en varios formatos, incluidas imágenes escaneadas, PDFs basados en imágenes y PDFs basados en texto. Esta versatilidad asegura que puedas manejar facturas de diferentes fuentes y formatos con facilidad.

7. Personalización y extracción de datos

Puedes personalizar IronOCR para extraer campos de datos específicos de las facturas, como números de factura, fechas, detalles del proveedor e información de elementos. Este nivel de personalización te permite adaptar la solución a las necesidades específicas de tu negocio.

8. Cumplimiento y registro de auditoría

El procesamiento automatizado de facturas con IronOCR ayuda a mantener registros precisos y ofrece una trayectoria de auditoría. Esto es crucial para el cumplimiento de las normativas financieras y para simplificar el proceso de auditoría.

9. Ciclo de procesamiento de facturas reducido

La naturaleza simplificada y automatizada de IronOCR reduce el tiempo que lleva procesar las facturas, lo que, a su vez, acorta el ciclo de procesamiento de facturas. Esto puede llevar a pagos más rápidos a los proveedores y mejorar las relaciones.

10. Análisis de datos mejorado

Al tener los datos de las facturas en un formato digital estructurado, puedes realizar un análisis de datos más profundo. Esto puede ayudar a identificar tendencias, optimizar el gasto y tomar decisiones financieras informadas.

Paso 1: Crear un nuevo C

Comienza creando un nuevo proyecto en C# o abriendo un proyecto existente en tu entorno de desarrollo preferido (por ejemplo, Visual Studio o Visual Studio Code). Estoy utilizando Visual Studio 2022 IDE y una aplicación de consola para esta demostración. Puedes usar la misma implementación en cualquier tipo de proyecto como ASP.NET Web APIs, ASP.NET MVC, ASP.NET Web Forms, o cualquier .NET Framework.

Paso 2: Instalar IronOCR a través del Administrador de paquetes NuGet

Para usar IronOCR en tu proyecto, necesitarás instalar el paquete NuGet de IronOCR. Así es como se hace:

1. Abre la Consola del Administrador de Paquetes NuGet. En Visual Studio, puedes encontrar esto bajo "Herramientas" > "Administrador de Paquetes NuGet" > "Consola del Administrador de Paquetes".

2. Ejecuta el siguiente comando para instalar el paquete de IronOCR:

   Install-Package IronOcr

   

3. Espere a que el paquete se instale. Una vez completado, puedes comenzar a usar IronOCR en tu proyecto.

Paso 3: Implementa OCR en tu C

Ahora, escribamos el código en C# para realizar OCR en una factura usando IronOCR. Usaremos la siguiente factura de muestra para este ejemplo.

El siguiente código de muestra tomará la imagen de la factura como entrada y extraerá datos de la factura, como el número de factura, órdenes de compra, etc.

// Define the path to the invoice image
string invoicePath = @"D:\Invoices\SampleInvoice.png";

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Add the invoice image to the OCR input
    input.AddImage(invoicePath);

    // Perform OCR on the input image and store result
    OcrResult result = ocr.Read(input);

    // Output the extracted text from the image to the console
    Console.WriteLine(result.Text);
}

// Define the path to the invoice image
string invoicePath = @"D:\Invoices\SampleInvoice.png";

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Add the invoice image to the OCR input
    input.AddImage(invoicePath);

    // Perform OCR on the input image and store result
    OcrResult result = ocr.Read(input);

    // Output the extracted text from the image to the console
    Console.WriteLine(result.Text);
}

' Define the path to the invoice image
Dim invoicePath As String = "D:\Invoices\SampleInvoice.png"

' Create an instance of IronTesseract for OCR processing
Dim ocr As New IronTesseract()

' Use 'using' to ensure proper disposal of OcrInput resources
Using input As New OcrInput()
	' Add the invoice image to the OCR input
	input.AddImage(invoicePath)

	' Perform OCR on the input image and store result
	Dim result As OcrResult = ocr.Read(input)

	' Output the extracted text from the image to the console
	Console.WriteLine(result.Text)
End Using

El código anterior es un ejemplo conciso en C# que usa IronOCR para realizar OCR en una sola imagen de factura (SampleInvoice.png) y luego imprime los datos extraídos de la factura en la consola. Asegúrate de reemplazar la variable invoicePath con la ruta a tu archivo de imagen específico de factura.

Tomemos múltiples entradas de facturas a la vez y extraigamos sus datos. El siguiente es el directorio de facturas que estamos utilizando como entrada.

El siguiente código de muestra realizará la extracción de texto de múltiples facturas a la vez.

// Get all PNG files from the specified directory
string[] fileArray = Directory.GetFiles(@"D:\Invoices\", "*.png");

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Loop through each file and add it to the OCR input
    foreach (string file in fileArray)
    {
        input.AddImage(file);
    }

    // Perform OCR on all the added images and store the result
    OcrResult result = ocr.Read(input);

    // Output the extracted text from all images to the console
    Console.WriteLine(result.Text);
}

// Get all PNG files from the specified directory
string[] fileArray = Directory.GetFiles(@"D:\Invoices\", "*.png");

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Loop through each file and add it to the OCR input
    foreach (string file in fileArray)
    {
        input.AddImage(file);
    }

    // Perform OCR on all the added images and store the result
    OcrResult result = ocr.Read(input);

    // Output the extracted text from all images to the console
    Console.WriteLine(result.Text);
}

' Get all PNG files from the specified directory
Dim fileArray() As String = Directory.GetFiles("D:\Invoices\", "*.png")

' Create an instance of IronTesseract for OCR processing
Dim ocr As New IronTesseract()

' Use 'using' to ensure proper disposal of OcrInput resources
Using input As New OcrInput()
	' Loop through each file and add it to the OCR input
	For Each file As String In fileArray
		input.AddImage(file)
	Next file

	' Perform OCR on all the added images and store the result
	Dim result As OcrResult = ocr.Read(input)

	' Output the extracted text from all images to the console
	Console.WriteLine(result.Text)
End Using

El código anterior obtendrá todas las imágenes PNG de la carpeta, extraerá los datos y luego imprimirá los datos extraídos de todas las facturas en la carpeta en la consola.

Guardar los datos extraídos como una factura en PDF con función de búsqueda

El siguiente código leerá todas las imágenes de la carpeta, realizará la extracción de datos y las guardará como una sola factura PDF buscable.

// Get all PNG files from the specified directory
string[] fileArray = Directory.GetFiles(@"D:\Invoices\", "*.png");

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Loop through each file and add it to the OCR input
    foreach (string file in fileArray)
    {
        input.AddImage(file);
    }

    // Perform OCR on all the added images and store the result
    OcrResult result = ocr.Read(input);

    // Save the result as a searchable PDF
    result.SaveAsSearchablePdf(@"D:\Invoices\Searchable.pdf");
}

// Get all PNG files from the specified directory
string[] fileArray = Directory.GetFiles(@"D:\Invoices\", "*.png");

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Loop through each file and add it to the OCR input
    foreach (string file in fileArray)
    {
        input.AddImage(file);
    }

    // Perform OCR on all the added images and store the result
    OcrResult result = ocr.Read(input);

    // Save the result as a searchable PDF
    result.SaveAsSearchablePdf(@"D:\Invoices\Searchable.pdf");
}

' Get all PNG files from the specified directory
Dim fileArray() As String = Directory.GetFiles("D:\Invoices\", "*.png")

' Create an instance of IronTesseract for OCR processing
Dim ocr As New IronTesseract()

' Use 'using' to ensure proper disposal of OcrInput resources
Using input As New OcrInput()
	' Loop through each file and add it to the OCR input
	For Each file As String In fileArray
		input.AddImage(file)
	Next file

	' Perform OCR on all the added images and store the result
	Dim result As OcrResult = ocr.Read(input)

	' Save the result as a searchable PDF
	result.SaveAsSearchablePdf("D:\Invoices\Searchable.pdf")
End Using

El código es casi similar en todos los ejemplos; solo estamos haciendo pequeños cambios para demostrar diferentes casos de uso. El PDF de salida se muestra a continuación:

De esta manera, IronPDF proporciona la forma más sencilla de automatizar el procesamiento de facturas y documentos.

Extraer datos de facturas de facturas en PDF

Para extraer datos de facturas PDF utilizando IronOCR, puedes seguir un enfoque similar al del ejemplo de código anterior. IronOCR es capaz de manejar tanto PDFs basados en imágenes como basados en texto. Aquí hay un breve ejemplo de cómo extraer datos de una factura PDF:

// Get all PDF files from the specified directory
string[] fileArray = Directory.GetFiles(@"D:\Invoices\", "*.pdf");

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Loop through each file and add it to the OCR input
    foreach (string file in fileArray)
    {
        input.AddPdf(file);
    }

    // Perform OCR on all the added PDFs and store the result
    OcrResult result = ocr.Read(input);

    // Output the extracted text from all PDFs to the console
    Console.WriteLine(result.Text);
}

// Get all PDF files from the specified directory
string[] fileArray = Directory.GetFiles(@"D:\Invoices\", "*.pdf");

// Create an instance of IronTesseract for OCR processing
IronTesseract ocr = new IronTesseract();

// Use 'using' to ensure proper disposal of OcrInput resources
using (OcrInput input = new OcrInput())
{
    // Loop through each file and add it to the OCR input
    foreach (string file in fileArray)
    {
        input.AddPdf(file);
    }

    // Perform OCR on all the added PDFs and store the result
    OcrResult result = ocr.Read(input);

    // Output the extracted text from all PDFs to the console
    Console.WriteLine(result.Text);
}

' Get all PDF files from the specified directory
Dim fileArray() As String = Directory.GetFiles("D:\Invoices\", "*.pdf")

' Create an instance of IronTesseract for OCR processing
Dim ocr As New IronTesseract()

' Use 'using' to ensure proper disposal of OcrInput resources
Using input As New OcrInput()
	' Loop through each file and add it to the OCR input
	For Each file As String In fileArray
		input.AddPdf(file)
	Next file

	' Perform OCR on all the added PDFs and store the result
	Dim result As OcrResult = ocr.Read(input)

	' Output the extracted text from all PDFs to the console
	Console.WriteLine(result.Text)
End Using

El código anterior procesa en lotes de manera eficiente múltiples facturas PDF ubicadas en un directorio (@"D:\Invoices") utilizando IronOCR. Recupera las rutas de archivo, agrega cada PDF para el procesamiento OCR, combina el texto extraído e imprime el resultado en la consola. Este enfoque agiliza la extracción de datos de facturas para organizaciones que manejan una cantidad sustancial de facturas, mejorando la eficiencia y reduciendo el esfuerzo manual.