Extracción de datos de tablas de imágenes escaneadas usando IronOCR: resumen de demostración en vivo

Procesamiento de reclamaciones de seguros (Opyn Market)

En la industria de seguros de salud altamente regulada en los EE. UU., empresas como Opyn Market todavía reciben muchos documentos por fax. Estos documentos escaneados a menudo contienen datos tabulares que deben ser extraídos con precisión e ingresados en los sistemas internos. Con IronOCR, pueden automatizar este proceso, reduciendo el trabajo manual y eliminando el potencial de error humano.

Logística y Distribución de Alimentos (iPAP)

iPAP, el mayor distribuidor de queso en los EE. UU., utiliza IronOCR para gestionar más de 200 pedidos de clientes. Sus facturas vienen en varios formatos con diseños de tablas inconsistentes. IronOCR les ayuda a extraer números de pedidos, fechas de envío y detalles de los artículos de los documentos escaneados de manera eficiente, incluso con formateos variados. Esta automatización les ha ahorrado entre $40,000 y $45,000 anualmente.

Código de ejemplo para extraer tablas

A continuación se muestra un fragmento de código C# de ejemplo que demuestra cómo usar IronOCR para extraer datos de tablas de imágenes:

// Import the necessary IronOCR namespaces
using IronOcr;

// Initialize the IronTesseract to handle OCR processes
var Ocr = new IronTesseract();

// Load the image containing the table
using (var input = new OcrInput("invoice.jpg"))
{
    // Perform OCR and extract text data including tables
    var result = Ocr.Read(input);

    // Iterate through each page in the document
    foreach (var page in result.Pages)
    {
        // Iterate through each table found on the page
        foreach (var table in page.Tables)
        {
            Console.WriteLine("Table found:");
            // Iterate through each row in the table
            foreach (var row in table.Rows)
            {
                // Convert the row of cells to a comma-separated string
                var cells = string.Join(", ", row.Cells.Select(cell => cell.Text));
                Console.WriteLine(cells);
            }
        }
    }
}

// Import the necessary IronOCR namespaces
using IronOcr;

// Initialize the IronTesseract to handle OCR processes
var Ocr = new IronTesseract();

// Load the image containing the table
using (var input = new OcrInput("invoice.jpg"))
{
    // Perform OCR and extract text data including tables
    var result = Ocr.Read(input);

    // Iterate through each page in the document
    foreach (var page in result.Pages)
    {
        // Iterate through each table found on the page
        foreach (var table in page.Tables)
        {
            Console.WriteLine("Table found:");
            // Iterate through each row in the table
            foreach (var row in table.Rows)
            {
                // Convert the row of cells to a comma-separated string
                var cells = string.Join(", ", row.Cells.Select(cell => cell.Text));
                Console.WriteLine(cells);
            }
        }
    }
}

• Cargando una Imagen: El script comienza inicializando el motor IronTesseract y cargando un archivo de imagen llamado invoice.jpg que desea procesar.
• Ejecución de OCR: Realiza OCR en la entrada para extraer datos de texto, especialmente centrado en cualquier tabla.
• Extracción de Tablas: El script itera a través de cada tabla detectada y sus filas, produciendo el contenido de las celdas de manera estructurada.

Asegúrese de haber instalado los paquetes NuGet necesarios para IronOCR antes de ejecutar este script.