Optische tekenherkenning (OCR) is technologie die een afbeelding van tekst omzet naar echte tekst die een computer kan gebruiken. Een gescande factuur is voor een machine gewoon een plaatje. OCR kijkt naar de vormen van de letters en snapt dat deze vlek een ‘A’ is, die andere een ‘7’, en geeft je een tekst die je kunt kopiëren, doorzoeken en verwerken.
Zie het als iemand die een gedrukte pagina hardop voorleest zodat een typist het kan opschrijven. De voorlezer begrijpt de betekenis niet, hij herkent alleen de letters en woorden. OCR doet precies dat, maar dan in milliseconden en over duizenden pagina’s. Zodra de tekst digitaal is, haal je er met data-extractie de stukken uit die je nodig hebt en stuur je die je systemen in.
De kwaliteit van de invoer telt zwaarder dan mensen verwachten. Een scherpe scan van 300 DPI leest bijna foutloos, terwijl een verkreukeld bonnetje dat schuin en in slecht licht is gefotografeerd fouten oplevert: een ‘5’ die als ‘S’ wordt gelezen, een verdwenen decimaalpunt. De meeste serieuze opstellingen voegen een zekerheidsscore toe en markeren alles wat twijfelachtig is voor een mens, in plaats van elk teken blind te vertrouwen.
Op zichzelf leest OCR alleen tekens. De echte waarde komt pas als je het combineert met logica die weet wat die tekens betekenen, en dat is de basis van intelligente documentverwerking. Zo wordt een stapel leveranciersfacturen vanzelf nette regels in je boekhoudpakket, zonder dat iemand ze overtypt, en het is dezelfde motor achter geautomatiseerde factuurautomatisering.
Bij TopDevs zetten we OCR in als eerste stap in documentautomatisering en bouwen we er een controlecheck bij, zodat de bedragen die je financiële team ziet ook echt de bedragen op de pagina zijn.
