Вьетнамское программное обеспечение для обработки текста и распознавания изображений

Компании 1VS и Dong Kinh Investment and Development Joint Stock Company только что объявили о завершении проекта по интеграции программного обеспечения "1C: Document Management (ECM)" и вьетнамского продукта распознавания изображений ABBYY.

В результате был создан интегрированный пакет программ, объединяющий функции управления документами с возможностью распознавания изображений, содержащих вьетнамский текст, и преобразования их в стандартный текстовый формат. Кроме того, он позволяет распознавать штрихкоды для автоматической классификации документов. Этот пакет программ эффективно помогает в оцифровке документов и создании электронных архивов.

Технология распознавания изображений для преобразования текстовых форматов разрабатывается с 1990-х годов, включая несколько технологий с открытым исходным кодом, таких как CuneiForm. Ранее эта функция распознавания с открытым исходным кодом была доступна в решении 1C:ECM, но она ограничивалась распознаванием лишь нескольких распространенных в мире языков, таких как английский, русский, французский, испанский и т. д., и не включала вьетнамский. В настоящее время технология распознавания вьетнамского языка разрабатывается компанией ABBYY (Российская Федерация), и интеграция технологии ABBYY с 1C:ECM позволяет решить проблему распознавания вьетнамского языка в решениях для управления документами.

При внедрении систем электронного документооборота и архивирования предприятиям часто приходится импортировать в систему огромный объем уже существующих бумажных документов. Каждый бумажный документ обычно соответствует метке документа в программе. Информация об атрибутах документа вводится в метки документов, а к ним прикрепляются файлы, содержащие отсканированные изображения оригинальных документов. Создание меток документов в программном обеспечении и сканирование бумажных документов может быть очень трудоемким процессом; например, обработка 100 000 документов может занять до 300 000 минут или 5000 рабочих часов, что эквивалентно 625 человеко-дням.

Интегрированное решение, объединяющее программное обеспечение 1C:ECM и Abby, включает в себя совершенно новый метод импорта данных, позволяющий сократить время сканирования изображений и импорта данных в десятки раз. Например, эта задача может быть выполнена всего за несколько недель.

Процесс довольно прост. Сначала решение автоматически генерирует все текстовые метки с заранее определенной структурой из файла Excel. Это занимает менее получаса, если файл Excel уже есть, а программное обеспечение 1C:ECM автоматически генерирует серию соответствующих штрих-кодов (если штрих-кодов еще нет). Остается пользователю наклеить штрих-коды на документы и одновременно отсканировать сотни тысяч таких документов. Средняя скорость промышленного сканера составляет 25 документов в минуту, а для сканирования 100 000 документов требуется 4000 минут, что эквивалентно 8 рабочим дням. После этого решение 1C:ECM, благодаря интеграции с ABBYY, распознает документы по штрих-кодам и автоматически прикрепит их к соответствующим текстовым меткам.

В частности, при получении файлов изображений (форматы BMP, TIF, TIFF, JPG, JPEG, PNG, GIF) со сканеров, факсимильных аппаратов и т. д., система 1C:ECM + ABBYY распознает эти файлы и преобразует изображения в текстовые форматы на вьетнамском языке (TXT, DOC, DOCX, HTML). Эта функция работает как с кодировкой Unicode, так и с VNi. Одновременно преобразованный текст индексируется, что позволяет осуществлять полнотекстовый поиск, аналогичный Google. Эта функция особенно полезна для компаний с большими архивами. Механизм поиска 1C:ECM будет просматривать индекс контента со ссылками на соответствующие документы, вместо того чтобы трудоемко открывать каждый документ в сотнях тысяч сохраненных файлов для поиска нужного контента.

Согласно Ханою Мои