OCR: Görüntüdeki Yazıyı Düzenlenebilir Metne Çevirmek

OCR nedir?

OCR (Optical Character Recognition, optik karakter tanıma), bir görüntü ya da taranmış belge üzerindeki basılı veya el yazısı metni tanıyıp makinenin işleyebileceği dijital metne dönüştüren teknolojidir. Taranmış bir fatura, fotoğraflanmış bir tabela ya da PDF'e çevrilmiş bir sözleşme, OCR sayesinde arama yapılabilen, kopyalanabilen ve veri tabanına aktarılabilen metne dönüşür.

OCR'ın çıktısı görüntünün kendisi değil, metindir. Bilgisayar için bir fotoğraf yalnızca piksel yığınıdır; OCR bu piksellerin içinden harfleri, kelimeleri ve satırları ayırt eder.

Nasıl çalışır?

Bir OCR hattı genellikle birkaç aşamadan oluşur:

• Ön işleme: Görüntü hizalanır, eğikliği düzeltilir, gürültü temizlenir, kontrast artırılır ve metin arka plandan ayrılır. Düşük kaliteli bir tarama, sonucu en çok etkileyen unsurlardandır.
• Düzen analizi: Sayfada metin blokları, tablolar, başlıklar ve görseller ayırt edilir; okuma sırası belirlenir.
• Karakter tanıma: Metin satır, kelime ve karakter düzeyinde okunur. Klasik yöntemler karakter şablonlarına dayanır; güncel sistemler ise derin öğrenme modelleriyle metni bağlama bakarak tanır.
• Sonradan düzeltme: Sözlük ve dil modelleriyle şüpheli kelimeler düzeltilir.
• Yapısal çıkarım: Fatura numarası, tarih, tutar gibi alanlar belirli alanlara eşlenir.

Tesseract gibi açık kaynaklı araçlar ile bulut servisleri bu aşamaları farklı düzeylerde sunar.

Küçük bir örnek

Örneğin bir finans ekibi her ay çok sayıda tedarikçi faturasını elle sisteme giriyor olsun. OCR kurulduğunda faturalar taranır, görüntü hizalanır ve iyileştirilir, ardından fatura numarası, tarih, vergi bilgisi ve toplam tutar gibi alanlar otomatik okunur. Sistem, güven düzeyi düşük alanları insan kontrolüne yönlendirir; yüksek güvenli kayıtlar doğrudan muhasebe sistemine aktarılır.

Bu akışta OCR tek başına işi bitirmez. Okunan alanın hangi alan olduğunu anlamak için belge düzeni analizi, hatalı okumayı yakalamak için doğrulama kuralları gerekir. Bu yüzden kurumsal ortamda OCR, bir belge işleme hattının yalnızca bir adımıdır.

Kullanım alanları

• Finans ve muhasebe: Fatura, makbuz ve dekont verisinin otomatik girilmesi.
• Hukuk ve kamu: Taranmış sözleşme ve dilekçe arşivlerinin aranabilir hale getirilmesi.
• Bankacılık ve sigorta: Kimlik, form ve hasar belgelerinin işlenmesi.
• Lojistik: Sevk irsaliyesi ve etiket okuma.
• Arşivcilik: Basılı eserlerin ve eski belgelerin dijital ortama aktarılması.
• Erişilebilirlik: Görüntüdeki metnin sesli okunabilmesi.

OCR çıktısı, son yıllarda büyük dil modellerine belge beslemek için de sık kullanılır: önce görüntü metne çevrilir, ardından model metni özetler ya da sorgular.

Sınırları ve sık karşılaşılan sorunlar

OCR mükemmel değildir; sonuç kalitesi girdiye bağlıdır.

• Düşük çözünürlük, bulanıklık, gölge ve eğik çekim hataları artırır.
• El yazısı ve süslü yazı tipleri basılı metne göre daha zor tanınır.
• Karmaşık tablolar ve çok sütunlu sayfalarda okuma sırası bozulabilir.
• Benzer görünen karakterler (örneğin sıfır ile O harfi) karıştırılabilir.
• Türkçe karakterler gibi dile özgü harfler, dil desteği olmayan araçlarda yanlış okunur.

Bu yüzden kritik verilerde OCR çıktısı doğrulama kurallarıyla ya da insan kontrolüyle desteklenir. Okunan değerin güven puanını izlemek de yaygın bir uygulamadır.

İlişkili kavramlardan farkı

OCR yalnızca metni tanır; belgenin ne anlama geldiğini anlamaz. Belge anlama (document understanding) ya da akıllı belge işleme, OCR çıktısının üzerine alan çıkarımı ve sınıflandırma ekler. RPA (robotik süreç otomasyonu) ise OCR ile elde edilen veriyi bir sonraki sisteme taşıyan otomasyon katmanıdır. Görüntü sınıflandırma ise görüntüde ne olduğunu söyler, içindeki yazıyı okumaz.

Mindset programlarında nerede çalışılır?

OCR ve Belge İşleme programının müfredatında şu başlıklar yer alır: • Görüntü Ön İşleme ve Kalite İyileştirme • Tesseract ve Açık Kaynak OCR Araçları • Derin Öğrenmeli OCR: Transformer Tabanlı Yaklaşımlar • Belge Düzeni Analizi ve Yapısal Çıkarım • Kurumsal Belge İşlem Pipeline Tasarımı • Bulut OCR Servisleri ve Sektör Uygulamaları • OCR Teknolojilerine Giriş ve Tarihsel Gelişim