Aprendizado de Máquina para OCR de Faturas (Tutorial Passo a Passo)

1. Precisão e Redução de Erros

IronOCR utiliza algoritmos avançados de aprendizado de máquina para reconhecer e extrair texto de faturas com precisão. Isso minimiza as chances de erros humanos na entrada de dados, garantindo que informações financeiras críticas sejam registradas corretamente.

2. Economia de Tempo e Custo

Automatizar o processamento de faturas com IronOCR reduz significativamente o tempo e os recursos necessários para entrada de dados manual. Isso pode levar a economias de custo substanciais ao otimizar o tempo da equipe e reduzir a necessidade de trabalho manual.

3. Melhoria de Eficiência

IronOCR pode processar um grande volume de faturas de forma rápida e eficiente. Elimina a necessidade de os funcionários inserirem manualmente dados de cada fatura, permitindo que se concentrem em tarefas mais estratégicas.

4. Escalabilidade

IronOCR é escalável e pode lidar com um volume crescente de faturas à medida que seu negócio cresce. Você não precisa se preocupar com cargas de trabalho aumentadas e caixas de limite sobrecarregando seu sistema de processamento de documentos de faturas.

5. Alcance Global

IronOCR suporta mais de 125 idiomas, o que permite que as empresas processem faturas de fornecedores e clientes ao redor do mundo. Independente do idioma em que uma fatura é escrita, IronOCR pode extrair dados com precisão.

6. Suporte a Múltiplos Formatos

IronOCR pode processar faturas em vários formatos, incluindo imagens escaneadas, PDFs baseados em imagem e PDFs baseados em texto. Essa versatilidade garante que você possa lidar com faturas de diferentes fontes e formatos com facilidade.

7. Personalização e Extração de Dados

Você pode personalizar IronOCR para extrair campos de dados específicos de faturas, como números de fatura, datas, detalhes do fornecedor e informações de itens de linha. Esse nível de personalização permite que você adapte a solução às suas necessidades comerciais específicas.

8. Conformidade e Rastro de Auditoria

O processamento automatizado de faturas com IronOCR ajuda a manter registros precisos e fornece um rastro de auditoria. Isso é crucial para a conformidade com as regulamentações financeiras e para simplificar o processo de auditoria.

9. Ciclo de Processamento de Faturas Reduzido

A natureza simplificada e automatizada do IronOCR reduz o tempo necessário para processar faturas, o que, por sua vez, encurta o ciclo de processamento de faturas. Isso pode levar a pagamentos mais rápidos aos fornecedores e melhorar os relacionamentos.

10. Análise de Dados Aprimorada

Ao ter dados de faturas em um formato digital estruturado, você pode realizar análises de dados mais aprofundadas. Isso pode ajudar a identificar tendências, otimizar gastos e tomar decisões financeiras informadas.

Step 1: Create a New C#

Comece criando um novo projeto C# ou abrindo um projeto existente em seu ambiente de desenvolvimento preferido (por exemplo, Visual Studio ou Visual Studio Code). Estou usando o IDE Visual Studio 2022 e Aplicativo de Console para esta demonstração. Você pode usar a mesma implementação em qualquer tipo de projeto, como APIs Web ASP.NET, MVC ASP.NET, Web Forms ASP.NET, ou qualquer .NET Framework.

Passo 2: Instale IronOCR via Gerenciador de Pacotes NuGet

Para usar IronOCR em seu projeto, você precisará instalar o pacote NuGet IronOCR. Eis como fazer:

1. Abra o Console do Gerenciador de Pacotes NuGet . No Visual Studio, você pode encontrar isso em 'Ferramentas' > 'Gerenciador de Pacotes NuGet' > 'Console do Gerenciador de Pacotes'.

   

2. Execute o seguinte comando para instalar o pacote IronOCR:

   Install-Package IronOcr

   

3. Aguarde a instalação do pacote. Uma vez concluído, você pode começar a usar IronOCR em seu projeto.

Step 3: Implement OCR in Your C#

Agora, vamos escrever o código C# para realizar OCR em uma fatura usando IronOCR. Usaremos a seguinte fatura de exemplo para este exemplo.

O seguinte código de exemplo receberá a imagem da fatura como entrada e extrairá dados da fatura, como número da fatura, pedidos 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);
}

O código acima é um exemplo conciso de C# que usa o IronOCR para realizar OCR em uma única imagem de fatura (SampleInvoice.png) e, em seguida, imprime os dados da fatura extraídos no console. Certifique-se de substituir a variável invoicePath pelo caminho para o seu arquivo de imagem de fatura específico.

Vamos pegar várias faturas de uma vez e extrair seus dados. A seguir está o diretório de Faturas que estamos usando como entrada.

O código de exemplo a seguir irá realizar a extração de texto de várias faturas de uma 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);
}

O código acima irá obter todas as imagens PNG da pasta, extrair dados e depois imprimir os dados extraídos de todas as faturas na pasta no console.

Salvar Dados Extraídos como uma Fatura PDF Pesquisável

O código a seguir lerá todas as imagens da pasta, realizará a extração de dados e as salvará como uma única fatura PDF pesquisável.

// 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");
}

O código é quase semelhante em todos os exemplos; estamos apenas fazendo pequenas alterações para demonstrar diferentes casos de uso. O PDF de saída é mostrado abaixo:

Dessa forma, o IronPDF fornece a maneira mais fácil de automatizar o processamento de faturas e documentos.

Extrair Dados de Faturas de PDFs de Faturas

Para extrair dados de PDFs de faturas usando o IronOCR, você pode seguir uma abordagem semelhante ao exemplo de código anterior. O IronOCR é capaz de lidar com PDFs baseados em imagem e texto. Aqui está um breve exemplo de como extrair dados de uma fatura em 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);
}

O código acima processa em lote de forma eficiente várias faturas em PDF localizadas em um diretório (@"D:\Invoices\") usando o IronOCR. Ele recupera os caminhos dos arquivos, adiciona cada PDF para processamento OCR, combina o texto extraído e imprime o resultado no console. Esta abordagem simplifica a extração de dados de faturas para organizações que lidam com um número substancial de faturas, aumentando a eficiência e reduzindo o esforço manual.