Apprentissage automatique pour l'OCR de factures (Tutoriel étape par étape)

1. Précision et réduction des erreurs

IronOCR utilise des algorithmes d'apprentissage automatique avancés pour reconnaître et extraire avec précision le texte des factures. Cela minimise les risques d'erreurs humaines lors de la saisie des données, garantissant ainsi l'enregistrement correct des informations financières essentielles.

2. Économies de temps et d'argent

L'automatisation du traitement des factures avec IronOCR réduit considérablement le temps et les ressources nécessaires à la saisie manuelle des données. Cela peut engendrer des économies substantielles en optimisant le temps du personnel et en réduisant le besoin de main-d'œuvre.

3. Amélioration de l'efficacité

IronOCR peut traiter un grand volume de factures rapidement et efficacement. Cela élimine la nécessité pour les employés de saisir manuellement les données de chaque facture, leur permettant ainsi de se concentrer sur des tâches plus stratégiques.

4. Évolutivité

IronOCR est évolutif et peut gérer un volume croissant de factures à mesure que votre entreprise se développe. Vous n'avez pas à vous soucier de l'augmentation de la charge de travail et des boîtes englobantes qui surchargent votre système de traitement des documents de facturation.

5. Portée mondiale

IronOCR prend en charge plus de 125 langues, ce qui permet aux entreprises de traiter les factures de fournisseurs et de clients du monde entier. Quelle que soit la langue dans laquelle une facture est rédigée, IronOCR peut extraire les données avec précision.

6. Prise en charge multiformat

IronOCR peut traiter les factures dans différents formats, notamment les images numérisées, les PDF contenant des images et les PDF contenant du texte. Cette polyvalence vous permet de gérer facilement les factures provenant de différentes sources et de différents formats.

7. Personnalisation et extraction de données

Vous pouvez personnaliser IronOCR pour extraire des champs de données spécifiques des factures, tels que les numéros de facture, les dates, les coordonnées du fournisseur et les informations relatives aux lignes de commande. Ce niveau de personnalisation vous permet d'adapter la solution à vos besoins spécifiques.

8. Conformité et piste d'audit

Le traitement automatisé des factures avec IronOCR contribue à maintenir des registres précis et fournit une piste d'audit. Ceci est essentiel pour le respect des réglementations financières et pour simplifier le processus d'audit.

9. Réduction du cycle de traitement des factures

La nature simplifiée et automatisée d'IronOCR réduit le temps nécessaire au traitement des factures, ce qui, à son tour, raccourcit le cycle de traitement des factures. Cela peut permettre des paiements plus rapides aux fournisseurs et des relations améliorées.

10. Analyse de données améliorée

En disposant des données de facturation dans un format numérique structuré, vous pouvez effectuer une analyse de données plus approfondie. Cela peut aider à identifier les tendances, à optimiser les dépenses et à prendre des décisions financières éclairées.

Étape 1 : Créer un nouveau projet C

Commencez par créer un nouveau projet C# ou ouvrez un projet existant dans votre environnement de développement préféré (par exemple, Visual Studio ou Visual Studio Code). J'utilise l'environnement de développement intégré Visual Studio 2022 et une application console pour cette démonstration. Vous pouvez utiliser la même implémentation dans n'importe quel type de projet, comme les API Web ASP.NET, ASP.NET MVC, ASP.NET Web Forms ou tout framework .NET.

Étape 2 : Installer IronOCR via le gestionnaire de packages NuGet

Pour utiliser IronOCR dans votre projet, vous devrez installer le package NuGet IronOCR. Voici comment procéder :

1. Ouvrez la console du gestionnaire de packages NuGet. Dans Visual Studio, vous trouverez cette option sous " Outils " > " Gestionnaire de packages NuGet " > " Console du gestionnaire de packages ".

   

2. Exécutez la commande suivante pour installer le package IronOCR :

   Install-Package IronOcr

   

3. Attendez que le package soit installé. Une fois l'installation terminée, vous pourrez commencer à utiliser IronOCR dans votre projet.

Étape 3 : Implémenter l'OCR dans votre projet C

À présent, écrivons le code C# permettant d'effectuer une reconnaissance optique de caractères (OCR) sur une facture à l'aide d'IronOCR. Nous utiliserons l'exemple de facture suivant pour cet exemple.

L'exemple de code suivant prendra l'image de la facture en entrée et extraira des données de la facture telles que le numéro de facture, les bons de commande, 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);
}

Le code ci-dessus est un exemple concis en C# qui utilise IronOCR pour effectuer une reconnaissance optique de caractères (OCR) sur une seule image de facture (SampleInvoice.png) puis affiche les données de facture extraites dans la console. Veillez à remplacer la variable invoicePath par le chemin d'accès à votre fichier image de facture spécifique.

Prenons plusieurs factures en entrée simultanément et extrayons leurs données. Voici le répertoire des factures que nous utilisons comme entrée.

L'exemple de code suivant effectuera l'extraction de texte à partir de plusieurs factures simultanément.

// 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);
}

Le code ci-dessus récupérera toutes les images PNG du dossier, en extraira les données, puis affichera les données extraites de toutes les factures du dossier sur la console.

Enregistrer les données extraites sous forme de facture PDF consultable

Le code suivant lira toutes les images du dossier, effectuera l'extraction des données et les enregistrera sous la forme d'une seule facture PDF consultable.

// 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");
}

Le code est quasiment identique dans tous les exemples ; Nous apportons simplement de légères modifications pour illustrer différents cas d'utilisation. Le fichier PDF généré est présenté ci-dessous :

IronPDF offre ainsi la solution la plus simple pour automatiser le traitement des factures et des documents.

Extraire les données des factures à partir de fichiers PDF

Pour extraire des données de factures PDF à l'aide d'IronOCR, vous pouvez suivre une approche similaire à celle de l'exemple de code précédent. IronOCR est capable de traiter aussi bien les PDF contenant des images que les PDF contenant du texte. Voici un bref exemple de la manière d'extraire des données d'une facture 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);
}

Le code ci-dessus traite efficacement par lots plusieurs factures PDF situées dans un répertoire (@"D:\Invoices\") à l'aide d'IronOCR. Il récupère les chemins d'accès aux fichiers, ajoute chaque PDF pour le traitement OCR, combine le texte extrait et imprime le résultat sur la console. Cette approche simplifie l'extraction des données de facturation pour les organisations traitant un nombre important de factures, améliorant ainsi l'efficacité et réduisant les efforts manuels.