أمثلة عن أدوات التعرف الضوئي على الأحرف

يشير التعرف الضوئي على الأحرف إلى عمليات تقنية يقوم بها الحاسوب لتحويل صور النصوص المطبوعة أو المكتوبة رقميًّا أو المكتوبة بخط اليد إلى ملفات نصية، حيث يتطلب الكمبيوتر برنامج التعرف الضوئي على الأحرف لأداء هذه المهمة. ويسمح ذلك باسترجاع النص الموجود في الصورة وحفظه في ملف يمكن استخدامه في معالج النصوص للإثراء والتخزين في قاعدة بيانات أو على وسيط آخر يمكن استخدامه بواسطة نظام الكمبيوتر. هناك اليوم الكثير من محركات التعرف الضوئي على الأحرف المستخدمة مثل “جوجل درايف أو سي آر” Google Drive OCR و”تيسراكت” Tesseract و”ترانسيم” Transym و”أومني بيج”OmniPage ، وما إلى ذلك. بعضها مدفوع وبعضها الآخر مجاني.

التعرف على النص العربي هو موضوع بحث شائع، حيث يتم استثمار قدر كبير من الجهود البحثية لزيادة معدل دقة التعرف الضوئي على الحروف باللغة العربية باستخدام أساليب وتقنيات مختلفة. ففي عام 2002، تم تطوير نظام للتعرف على النص العربي الذي يستخدم الشبكة العصبية باستخدام مجموعة من معادلات ورموز غير متغيرة. وتم استخدام الشبكة العصبية الاصطناعية في التصنيف [1]. ولقد أظهرت بعض الدراسات معدل دقة عالٍ قدره 90% [2]. واستخدم مشروع بحثي آخر تم إجراؤه في عام 2017 قاعدة بيانات مكونة من 34000 حرف، وتم تخصيص ما نسبته 70% لتدريب التعلم الآلي، و15% لمرحلة الاختبار و15% للتحقق من الصحة. وحقق المشروع معدل تعرف 98.27% [3]. وفي عام 2018، استخدم مشروع يهدف إلى التعرف على اللغة العربية المكتوبة بخط اليد مجموعة بيانات تزيد عن 43000 عبارة عربية مكتوبة بخط اليد، 30000 استخدمت للتدريب و13000 لمرحلة الاختبار. وأظهرت نتيجة التعرف دقة بنسبة 99% [4].

ظهر عدد من الأدوات والخدمات في السوق نتيجة للتقدم في مثل هذا العمل البحثي. وأصبحت جودة ودقة أدوات التعرف الضوئي على الأحرف أكثر فعالية وتحسنت على مر السنين. واليوم، هناك مجموعة واسعة من حلول التعرف الضوئي على الأحرف المتاحة للاستخدام، من البسيط إلى المعقد. وقد تحتاج بعض هذه الأدوات إلى مهارات برمجة لجعلها تعمل بينما يكون البعض الآخر جاهزًا لاستخدام الحلول الجاهزة. وقد تختلف تكاليف الحل بناءً على ميزاته ودقته، في حين أن بعض أدوات التعرف الضوئي على الأحرف متاحة للاستخدام مجانًا. ويتم توفير تفاصيل موارد التعرف الضوئي على الأحرف الأكثر شهرة في السوق في الجدول أدناه:

[1] Muna Ahmed Awel, Ali Imam Abidi, Review on optical character recognition, International Research Journal of Engineering and Technology (IRJET), p-ISSN: 2395-0072, Volume: 06 Issue: 06 | June 2019

[2] M. M. Altuwaijri and M. A. Bayoumi, “Arabic text recognition using neural networks,” pp. 415–418, 2002.

[3] N. Lamghari, M. E. H. Charaf, and S. Raghay, “Hybrid Feature Vector for the Recognition of Arabic Handwritten Characters Using Feed-Forward Neural Network,” Arab. J. Sci. Eng., vol. 43, no. 12, pp. 7031– 7039, 2018.

[4] N. A. Jebril, H. R. Al-Zoubi, and Q. Abu Al-Haija, “Recognition of Handwritten Arabic Characters using Histograms of Oriented Gradient (HOG),” Pattern Recognit. Image Anal., vol. 28, no. 2, pp. 321–345, 2018.