Extrair dados de imagens escaneadas é um desafio comum, especialmente quando envolve dados estruturados como tabelas. Com as capacidades avançadas de aprendizado de máquina do IronOCR, você pode agora extrair dados de tabelas sem esforço, incluindo valores de células e suas posições. Nesta demonstração, Shadman Majid, Engenheiro de Vendas de Software, explica a implementação do código passo a passo, enquanto Anne Lazarakis, Diretora de Vendas e Marketing, compartilha casos de uso do mundo real dos clientes da Iron Software.

Casos de Uso do Mundo Real

Explicado por Anne Lazarakis, Diretora de Vendas e Marketing*

Processamento de Sinistros de Seguro (Opyn Market)

Na indústria de seguros de saúde altamente regulamentada nos EUA, empresas como Opyn Market ainda recebem muitos documentos via fax. Esses documentos escaneados frequentemente contêm dados tabulares que devem ser extraídos com precisão e inseridos em sistemas internos. Com o IronOCR, eles conseguem automatizar esse processo, reduzindo o trabalho manual e eliminando o potencial de erro humano.

Logística e Distribuição de Alimentos (iPAP)

iPAP, o maior distribuidor de queijo nos EUA, usa o IronOCR para gerenciar mais de 200 pedidos de clientes. Suas faturas vêm em vários formatos com layouts de tabelas inconsistentes. IronOCR os ajuda a extrair números de pedidos de compra, datas de envio e detalhes de itens de documentos escaneados de forma eficiente, mesmo com formatação variada. Essa automação economizou entre $40.000 e $45.000 anualmente.

Visão Geral Técnica

Sessão de Codificação Ao Vivo Com Shadman Majid, Engenheiro de Vendas de Software*

IronOCR usa modelos proprietários de aprendizado de máquina para detectar e extrair dados de tabelas de documentos escaneados. Este recurso suporta:

• Extração de células de tabela e coordenadas
• OCR de imagens escaneadas e PDFs de múltiplos quadros
• Compatibilidade com C#, VB.NET, .NET Standard, .NET Framework e .NET Core

Para acessar essa funcionalidade, você precisará:

• IronOCR NuGet package
• IronOcr.Extensions.AdvancedScanning pacote NuGet para detecção de tabelas via modelos de ML

Esses pacotes incluem os modelos de ML treinados necessários para a detecção da estrutura de tabelas e OCR preciso.

Exemplo de Código para Extração de Tabelas

Abaixo está um exemplo de trecho de código C# que demonstra como usar o IronOCR para extrair dados de tabelas de imagens:

// 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);
            }
        }
    }
}

' Import the necessary IronOCR namespaces
Imports IronOcr

' Initialize the IronTesseract to handle OCR processes
Private Ocr = New IronTesseract()

' Load the image containing the table
Using input = New OcrInput("invoice.jpg")
	' Perform OCR and extract text data including tables
	Dim result = Ocr.Read(input)

	' Iterate through each page in the document
	For Each page In result.Pages
		' Iterate through each table found on the page
		For Each table In page.Tables
			Console.WriteLine("Table found:")
			' Iterate through each row in the table
			For Each row In table.Rows
				' Convert the row of cells to a comma-separated string
				Dim cells = String.Join(", ", row.Cells.Select(Function(cell) cell.Text))
				Console.WriteLine(cells)
			Next row
		Next table
	Next page
End Using

' Import the necessary IronOCR namespaces
Imports IronOcr

' Initialize the IronTesseract to handle OCR processes
Private Ocr = New IronTesseract()

' Load the image containing the table
Using input = New OcrInput("invoice.jpg")
	' Perform OCR and extract text data including tables
	Dim result = Ocr.Read(input)

	' Iterate through each page in the document
	For Each page In result.Pages
		' Iterate through each table found on the page
		For Each table In page.Tables
			Console.WriteLine("Table found:")
			' Iterate through each row in the table
			For Each row In table.Rows
				' Convert the row of cells to a comma-separated string
				Dim cells = String.Join(", ", row.Cells.Select(Function(cell) cell.Text))
				Console.WriteLine(cells)
			Next row
		Next table
	Next page
End Using

• Carregando uma Imagem: O script começa inicializando o motor IronTesseract e carregando um arquivo de imagem nomeado invoice.jpg que você deseja processar.
• Execução do OCR: Ele realiza OCR na entrada para extrair dados de texto, focando particularmente em qualquer tabela.
• Extração de Tabelas: O script percorre cada tabela detectada e suas linhas, exibindo o conteúdo das células de forma estruturada.

Certifique-se de ter instalado os pacotes NuGet necessários para IronOCR antes de executar este script.

Conclusão

IronOCR torna fácil automatizar a extração de dados complexos de tabelas de documentos escaneados. Quer você esteja na área da saúde, logística, finanças ou manufatura, esta solução oferece confiabilidade, precisão e eficiência de economia de custos. Com apenas algumas linhas de código, você pode eliminar a entrada manual de dados e reduzir erros humanos.

Quer ver em ação? Agende uma demonstração ao vivo com um de nossos engenheiros aqui.