OCR 
  Ввод первичных документов - оцифровка
OCR – назначение - распонавание
Поточный ввод
     В закладках ниже представлены данные о системах, использующихся в России, а также уникальная информация о компаниях-интеграторах и их проектах.

Приглашаем компании зарегистрировать свои системы и проекты в TAdviser.

       

Ввод первичных документов - оцифровка (image-processing, document capture)
В процессе подготовки информации при компьютеризации предприятия, автоматизации бухучета, возникает задача ввода большого объема текстовой и графической информации. Используя программы оптического распознавания текстов, можно оцифровывать текстовую информацию. Современные программно-аппаратные комплексы позволяют автоматизировать ввод больших объемов информации с использованием сетевых сканеров и параллельного распознавания текстов на нескольких компьютерах, одновременно.

OCR – назначение - распознавание
Большинство программ оптического распознавания текста (OCR - Optical Character Recognition) работают с растровым изображением, которое получено через факс-модем, сканер, цифровую фотокамеру или другое устройство. Назначение OCR-систем состоит в анализе растровой информации (отсканированного символа) и присвоении фрагменту изображения соответствующего символа. После завершения процесса распознавания OCR-системы должны уметь сохранять форматирование исходных документов, присваивать в нужном месте атрибут абзаца, сохранять таблицы, графику ит.д. Современные программы распознавания поддерживают все известные текстовые и графические форматы и форматы электронных таблиц, а некоторые поддерживают такие форматы, как HTML и PDF.

Поточный ввод
Для ввода больших объёмов применяется поточное сканирование документов на специальных промышленных документных сканерах. Обработка в таких системах производится в полуавтоматическом режиме с большой производительностью. Поточное сканирование документов оптимально для создания электронного архива большого объема однотипной информации (бухгалтерской документации, отчётов, заключений, научных работ и т.п.). Потоковое сканирование применяется для оцифровки: бухгалтерских и финансовых документов, договорных документов, юридических документов, архивных документов, каталогов библиотек и др.

Средства Image-processing применяются при автоматическом вводе данных в информационные системы из любых видов документов (удостоверяющих личность, бухгалтерских, юридических и т. д.) для создания электронных архивов с возможностью быстрого поиска нужных документов, при обработке больших массивов данных (перепись населения, единый госэкзамен и пр.), а также для перевода отсканированных документов, изображений и PDF-файлов в редактируемые форматы. внедрение современных средств потокового ввода позволяет снизить затраты на обработку документов более чем на 50%, достичь увеличения скорости ввода в информационные системы в 3—10 раз, обеспечить повышение удобства и качества работы с данными (высокий уровень безопасности конфиденциальных данных, сокращение количества ошибок, связанных с человеческим фактором при вводе данных), оптимизировать бизнес-процессы за счет автоматизации рутинной функции ввода данных и освобождения времени сотрудников на решение профильных задач. При этом средняя окупаемость внедрения составляет от трех месяцев до одного года.

Главными потребителями Image-processing в мире являются крупные организации (немногим более половины объема рынка в денежном выражении), на долю средних предприятий приходится около трети, остальное — малый бизнес.

 

Реклама на этой странице

Статьи

Новости

Вендоры по количеству проектов внедрений (СЭД - Системы потокового распознавания / Страхование)
За всю историю
2021 год
2022 год
2023 год
Текущий год

  Smart Engines (Смарт Энджинс)
  Синтеллект (Syntellect)
  Abbyy Россия
  Cognitive Technologies (Когнитивные технологии)
  Directum (Директум)
  Другие

  Синтеллект (Syntellect)
  Институт искусственного интеллекта Университета Иннополис
  Университет Иннополис
  Другие

  Smart Engines (Смарт Энджинс)
  Beorg (Биорг)
  NVI Research
  Другие

  Smart Engines (Смарт Энджинс)
  Другие

  Smart Engines (Смарт Энджинс)
  Другие


ВендорПродуктовПроектов в отрасли
1 Smart Engines (Смарт Энджинс) 3 (список) 12 (список)
2 Синтеллект (Syntellect) 2 (список) 7 (список)
3 Abbyy Россия 1 (список) 4 (список)
4 Cognitive Technologies (Когнитивные технологии) 2 (список) 4 (список)
5 Directum (Директум) 1 (список) 3 (список)
6 OpenText 1 (список) 2 (список)
7 Digital Design (Диджитал Дизайн) 1 (список) 1 (список)
8 Docsvision (ДоксВижн) 1 (список) 1 (список)
9 NVI Research 1 (список) 1 (список)
10 Институт искусственного интеллекта Университета Иннополис 1 (список) 1 (список)

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

  Smart Engines (Смарт Энджинс) (3, 12)
  Синтеллект (Syntellect) (2, 7)
  Cognitive Technologies (Когнитивные технологии) (2, 4)
  Abbyy Россия (1, 4)
  Directum (Директум) (1, 3)
  Другие (7, 8)

  Синтеллект (Syntellect) (2, 6)
  Институт искусственного интеллекта Университета Иннополис (1, 1)
  Университет Иннополис (1, 1)
  Другие (0, 0)

  Smart Engines (Смарт Энджинс) (1, 3)
  NVI Research (1, 1)
  Beorg (Биорг) (1, 1)
  Другие (0, 0)

  Smart Engines (Смарт Энджинс) (1, 2)
  Другие (0, 0)

  Smart Engines (Смарт Энджинс) (2, 2)
  Другие (0, 0)

ВендорКоличество продуктов самого вендораПроектов в отраслиСистем партнёров на базе продуктов вендораПроектов партнёров на базе решений вендора
Smart Engines (Смарт Энджинс)31200
Синтеллект (Syntellect)2700
Cognitive Technologies (Когнитивные технологии)2400
Abbyy Россия1400
Directum (Директум)1300
OpenText1200
NVI Research1100
Beorg (Биорг)1100
Digital Design (Диджитал Дизайн)1100
Docsvision (ДоксВижн)1100
Институт искусственного интеллекта Университета Иннополис1100
Университет Иннополис1100