Utilizando OCR para dibujos de ingeniería complejos

OCR para dibujos de ingeniería complejos

El Reconocimiento Óptico de Caracteres (OCR, por sus siglas en inglés) ha revolucionado la forma en que las empresas automatizan el procesamiento de documentos. Sin embargo, la calidad y precisión de la tecnología no es suficiente para todas las aplicaciones. Cuanto más complejo sea el documento que se está procesando, menos precisa se vuelve. Esto es especialmente cierto para los dibujos de ingeniería. Aunque las tecnologías de OCR predefinidas pueden no ser adecuadas para esta tarea, existen otras formas de lograr sus objetivos de procesamiento de documentos con OCR. A continuación, exploraré varias soluciones viables para darle una idea general sin entrar en demasiados detalles técnicos.

Desafíos del Reconocimiento de Dibujos de Ingeniería

En lo que respecta a los dibujos técnicos, el OCR tiene dificultades para comprender el significado de los elementos de texto individuales. La tecnología puede leer el texto, pero no entiende su significado. Hay varias oportunidades que los ingenieros y fabricantes deben considerar si la reconocimiento automático del documento técnico está configurado correctamente. Vea las más significativas a continuación.

Fuente de la imagen: Mobidev

• Desvelando el futuro de la IA con GPT-4 y la IA Explicada (XAI)
• El poder de la destilación del conocimiento en la IA moderna acortando la brecha entre modelos potentes y compactos
• Análisis de sentimiento en las reseñas de hoteles de TripAdvisor con ChatGPT

Para lograr un análisis complejo de la documentación técnica, los ingenieros necesitan entrenar modelos de IA. Al igual que los humanos, los modelos de IA necesitan experiencia y entrenamiento para comprender estos dibujos.

Un desafío del reconocimiento de planos y dibujos de ingeniería es que el software debe comprender cómo separar las diferentes vistas del dibujo. Estas son partes diferentes del dibujo que dan una idea básica de su diseño. Al separar las vistas y comprender cómo se relacionan entre sí, el software puede calcular el cuadro delimitador.

Este proceso puede incluir varios desafíos:

• Las vistas pueden superponerse
• Las vistas pueden estar dañadas
• Las etiquetas pueden estar equidistantes a dos vistas
• Las vistas pueden estar anidadas

La relación entre las vistas es otro posible problema. Debe considerar si la vista es una parte plana del diagrama, una parte girada, un bloque o algo más. Además, puede haber otros problemas como medidas encadenadas, anotaciones faltantes, alturas definidas implícitamente mediante referencia a un estándar u otros problemas.

Es importante destacar que el OCR genérico no puede comprender de manera confiable el texto en los dibujos que está rodeado de elementos gráficos como líneas, símbolos y anotaciones. Debido a este hecho, necesitamos profundizar en el OCR con aprendizaje automático, lo cual será más útil para esta aplicación.

Modelos OCR Pre-Entrenados y Personalizados

No faltan software de OCR en el mercado, pero no todo este software puede ser entrenado o modificado por el usuario. Como hemos aprendido, el entrenamiento puede ser una necesidad para analizar sus dibujos de ingeniería. Sin embargo, existen herramientas de OCR para este tipo de dibujos.

Herramientas de OCR Pre-Entrenadas

Aquí hay algunas opciones comunes para el reconocimiento OCR de dibujos de ingeniería:

• ABBYY FineReader: este versátil software de interpretación de planos ofrece tecnología OCR con capacidades de reconocimiento de texto. Admite varios formatos de imagen, retención de diseño, exportación de datos e integraciones.
• Adobe Acrobat Pro: además de proporcionar edición, visualización y gestión de PDF, Acrobat le permite escanear documentos y planos OCR, extraer texto y realizar búsquedas. Admite varios idiomas y permite a los usuarios configurar opciones.
• Bluebeam Revu: otra aplicación de PDF popular, Bluebeam Revu ofrece tecnologías OCR para la extracción de texto de dibujos de ingeniería.
• AutoCAD: que significa Diseño Asistido por Computadora, AutoCAD admite complementos de OCR para interpretar planos y convertirlos en elementos CAD editables.
• PlanGrid: este software incluye interpretación OCR de planos desde el principio. Con esta función, puede cargar imágenes de planos y luego extraer, organizar, indexar y buscar el texto.
• Textract: esta función basada en la nube de AWS permite el análisis OCR de documentos y puede extraer elementos como tablas de documentos. También puede reconocer elementos de planos y proporciona APIs para la integración con otras aplicaciones.
• Butler OCR: proporcionando a los desarrolladores APIs de extracción de documentos, Butler OCR combina el aprendizaje automático con la revisión humana para mejorar la precisión del reconocimiento de documentos.

Soluciones OCR Personalizadas

Si está buscando soluciones OCR personalizadas que se puedan entrenar para lograr una mejor extracción automática de datos de dibujos de ingeniería y adaptarla a su formato de datos específico, aquí hay algunas opciones populares:

• Tesseract: este motor OCR flexible y de código abierto mantenido por Google se puede entrenar con datos personalizados para reconocer caracteres y símbolos específicos de planos.
• OpenCV: la Biblioteca de Visión por Computadora de Código Abierto se puede combinar con herramientas de OCR como Tesseract para construir soluciones interpretativas personalizadas. Sus funciones de procesamiento y análisis de imágenes pueden mejorar la precisión del OCR en los dibujos de ingeniería cuando se utilizan correctamente.

Además de estas herramientas, también es posible desarrollar de forma independiente modelos de aprendizaje automático personalizados. Utilizando modelos de entrenamiento en conjuntos de datos etiquetados, frameworks como TensorFlow o PyTorch, estas soluciones pueden ajustarse para reconocer elementos específicos de planos y lograr una mayor precisión para las necesidades de una organización.

Los modelos pre-entrenados ofrecen comodidad y facilidad de uso, pero pueden no ser tan efectivos en la interpretación de dibujos de ingeniería como las soluciones personalizadas. Estas soluciones personalizadas también requieren recursos y experiencia adicionales para su desarrollo y mantenimiento.

Las soluciones personalizadas requieren recursos financieros y mano de obra adicionales para su desarrollo. Recomendaría comenzar con una prueba de concepto (PoC) para validar las capacidades técnicas y un producto mínimo viable (MVP) para verificar la percepción del mercado sobre el proyecto antes de invertir demasiado en una solución personalizada de OCR.

El Proceso de Implementación de un Módulo OCR para Leer Dibujos de Ingeniería

El mejor lugar para comenzar a construir software OCR para dibujos de ingeniería sería analizar las herramientas de código abierto disponibles. Si agota sus opciones de código abierto, es posible que necesite recurrir a opciones de código cerrado con integraciones de API.

Construir una solución OCR desde cero es impracticable porque requiere un gran conjunto de datos para el entrenamiento. Esto es difícil y costoso de recopilar y requiere muchos recursos para el entrenamiento del modelo. En la mayoría de los casos, ajustar los modelos existentes debería satisfacer sus necesidades.

El proceso a partir de aquí se ve así:

1. Considerar los requisitos: es necesario comprender qué tipo de dibujos de ingeniería debe manejar su aplicación y qué características y funcionalidades son necesarias para lograr ese objetivo.
2. Captura y pre-procesamiento de imágenes: piense en los dispositivos que planea utilizar para capturar las imágenes. Es posible que se necesiten pasos adicionales de pre-procesamiento para mejorar la calidad de los resultados. Esto puede incluir recorte, redimensionamiento, eliminación de ruido y más.
3. Integración de OCR: considere el motor OCR que funcionará mejor con su aplicación. Las bibliotecas OCR tienen APIs que permiten a su aplicación extraer texto de las imágenes capturadas. Es importante considerar soluciones OCR de código abierto para ahorrar costos. Las APIs de terceros pueden ser volubles en cuanto a los precios a lo largo del tiempo o perder el soporte.
4. Reconocimiento y procesamiento de texto: a continuación, es hora de implementar la lógica para procesar y reconocer el texto. Algunas posibles tareas que puede considerar agregar en este paso son la limpieza del texto, el reconocimiento de idioma o cualquier otra técnica que pueda proporcionar resultados más claros de reconocimiento de texto.
5. Interfaz y experiencia de usuario: una interfaz de usuario fácil de usar para la aplicación es importante para que el usuario pueda utilizarla de manera efectiva para capturar imágenes e iniciar el OCR. Los resultados deben presentarse al usuario de una manera fácil de entender.
6. Pruebas: pruebe minuciosamente la aplicación para garantizar su precisión y usabilidad. La retroalimentación del usuario es esencial en este proceso.

Conclusión

Ante los desafíos de crear software OCR para dibujos de ingeniería complejos, las organizaciones tienen varias opciones disponibles para abordar el problema. Desde una variedad de modelos pre-entrenados y herramientas personalizables para crear soluciones más personalizadas, las empresas pueden encontrar formas de analizar, indexar y buscar planos y otros documentos complejos de manera efectiva. Solo se necesita ingenio, creatividad y tiempo para crear una solución que satisfaga sus necesidades.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!