Wady OCR

US Postal Service wykorzystuje technologię optycznego rozpoznawania znaków (OCR) do odczytywania adresów z przesyłek pocztowych. Aby jednak poczta była czytelna przez sorter poczty OCR, adresy i czcionki muszą być sformatowane w określony sposób. Oprogramowanie OCR jest przydatne do konwertowania zeskanowanych obrazów dokumentów pisanych na maszynie lub odręcznych do przeszukiwalnego tekstu elektronicznego, ale ma wady, które ograniczają jego zastosowania.

OCR działa najlepiej w przypadku dobrej jakości pisanych dokumentów. Odręczne dokumenty nie mogą być łatwo odczytane przez oprogramowanie OCR. Podobnie czcionki, które przypominają pismo odręczne — a także czcionki inne niż łacińskie — powodują wiele błędów podczas procesu rozpoznawania OCR. Jeśli dokument ma słaby kontrast, jest pognieciony lub brudny lub tekst i tło są podobne w ciemności, funkcja OCR może nie działać prawidłowo. OCR ma trudności z dokumentami, które zawierają zarówno obrazy, jak i tekst. Arkusze kalkulacyjne będą również powodować więcej błędów.

Żadne oprogramowanie OCR nie jest w 100% dokładne. Liczba błędów zależy od jakości i typu dokumentu, w tym od użytej czcionki. Błędy występujące podczas rozpoznawania OCR obejmują błędne odczytywanie liter, pomijanie liter, które są nieczytelne lub mieszanie tekstu z sąsiednich kolumn lub podpisów obrazów. Jeśli wymagana jest wysoka dokładność – jak przy konwersji książek cyfrowych na format elektroniczny – konieczne będzie oczyszczenie tekstu elektronicznego.

OCR ma trudności z rozróżnieniem znaków, takich jak cyfra zero i duże „O”. Aby obejść ten problem, można użyć specjalnej czcionki OCR, na przykład wypisać zero. Działa to jednak tylko w przypadku dokumentów tworzonych z myślą o OCR, takich jak kwestionariusze. Tworząc kwestionariusze, które będą pisane odręcznie, badacze używają również pudełek na każdy list.

Nawet jeśli zeskanowany obraz oryginalnego dokumentu jest wysokiej jakości, należy wykonać dodatkowe czynności w celu oczyszczenia tekstu OCR. Poprawianie błędów powstałych przez OCR jest bardzo pracochłonne. Osoba musi ręcznie porównać oryginalny dokument z tekstem elektronicznym. Ludzie również popełniają błędy podczas wpisywania tekstu z dokumentu, ale czasami szybciej jest pominąć krok OCR.