Phát hiện xem một PDF có phải là quét hay không

Trường hợp sử dụng

• Quyết định về một OCRBiết nhanh chóng xem OCR có cần thiết trước khi lập chỉ mục/tìm kiếm toàn văn.
• Kiểm soát khả năng tiếp cậnXác định các PDF "hình ảnh" không thể chọn (thường không thể tiếp cận) cần được sửa chữa.
• Pipeline trích xuấtTự động định tuyến các tài liệu: trích xuất trực tiếp nếu có văn bản, nếu không thì OCR.
• QA quétPhát hiện các trang chất lượng kém (quá ít văn bản, hình ảnh chiếm ưu thế) trong một lô quét.

Những gì bạn nhận được

Một chẩn đoán JSON theo trang: sự hiện diện của văn bản, tỷ lệ nội dung hình ảnh, chỉ số "quét" (theo các phương pháp suy diễn).

Các chỉ số để ưu tiên OCR (các trang cần xử lý, các trang đã có thể sử dụng).

Giới hạn và điểm cần chú ý

• Phát hiện suy diễn: một số PDF đồ họa (catalogue, slide) có thể trông giống như các bản quét mà không phải.
• Một số PDF có thể chứa "văn bản ẩn" (OCR đã được thực hiện): công cụ phát hiện nhưng chất lượng có thể thay đổi.
• Chất lượng thực tế của OCR sẽ phụ thuộc vào độ phân giải, độ tương phản và ngôn ngữ — không được đánh giá chi tiết ở đây.

Câu hỏi thường gặp

Mẹo