メインコンテンツまでスキップ

はじめに

Intelligent OCR アクティビティ パッケージ（akaBot Studio では RCA.Activities.OCR として知られています）は、光学文字認識（OCR）、クラウド OCR、および構造化データ抽出のためのアクティビティを提供します。ロボットが請求書、領収書、フォームなどのさまざまなドキュメント タイプをデジタル化し、構造化データを抽出できるようにします。

Document Understanding（文書理解）機能を活用することで、文書のデジタル化からデータの抽出、エクスポートまでの処理を行うワークフローを構築できます。

パッケージ詳細​

  • パッケージ名: RCA.Activities.OCR
  • サポートされているフレームワーク: .NET Framework 4.5.2 以上、.NET Framework 4.7.2 以上。
  • 依存関係: イメージング、コンピュータビジョン、Azure Cognitive Services、およびタクソノミー（分類）ライブラリを含みます。

主なアクティビティ​

文書を処理してそのデータを抽出するために、akaBot Studio のワークフローは通常、以下の順序に従います。

  1. Digitize Document (ドキュメントをデジタル化): ネストされた OCR エンジン（Tesseract OCR など）を使用して文書をデジタル化し、Document Object Model（DOM）と抽出された文書テキストを生成します。
  2. Data Extraction Scope (データ抽出スコープ): DOM と文書テキストを受け取り、その本体内にネストされた抽出器を実行して、タクソノミー（分類）フィールドの値を抽出します。
  3. Form Extractor (フォーム抽出器): 単語の座標に基づいて、固定レイアウトの文書からテンプレート レイアウトとフィールドを照合することによりデータを抽出します。
  4. Regular Expression Extractor (正規表現抽出器): 事前設定された正規表現パターンとテキストを照合してデータを抽出します。
  5. Export Extraction Results (抽出結果をエクスポート): スコープからの最終的な ExtractionResult を、Excel、データベース、または ERP 統合で使用するための標準の DataSet（テーブルのコレクション）に変換します。