Hur ser framtiden ut för OCR?

Transkript

1 Hur ser framtiden ut för OCR? Mikael Lund Maj 2007

2 Hur ser framtiden ut för OCR? 2 Sammandrag Examensarbetet handlar om OCR (Optical Character Recognition). OCR-tekniken går ut på att konvertera inskannade bilder från maskinskriven eller handskriven text (siffror, bokstäver och symboler) till datorformat. Syftet med detta examensarbete är att utforska OCRs framtid och vilka användningsområden som finns idag för tekniken. Det intressanta är att se hur OCR klarar sig när mer och mer material är digitala. Genomförandet till detta examensarbete har gjorts med information från böcker, Internet, mejl och genom att tittat närmare på ett företag inom den grafiska branschen som använder sig av OCR, nämligen Aftonbladet. Jag har även testat ett OCR-program, ABBYYs FineReader 8 och gjort tester med några testteman, exempelvis matematiktest och olika tester på artiklar från några tidningar. Mina slutsatser är att OCR har en framtid men tekniken har en del förbättringsmöjligheter, exempelvis tolkning av handskrivna texter. OCR kan finnas kvar även när mer och mer material blir digitala om det integreras i befintliga tekniker, som i ett spam-filter för att tolka texten i bilden. Den nuvarande OCR-tekniken fungerar bra om materialet är maskinskrivet och i bra skick men den måste bli bättre på att tolka handskrivna texter för att kunna användas vid arkiveringsbehov av sådana texter. Nyckelord OCR, hur tekniken fungerar, OCR-program, användningsområden, test av FineReader, Raymond Kurzweil

3 Hur ser framtiden ut för OCR? 3 Abstract How is the future of OCR? My examination subject is about OCR (Optical Character Recognition). The idea of OCRtechnology is to convert scanned images of machine-printed or handwritten text (numerals, letters and symbols) into a computer-processable format. The purpose of my examination subject is to explore the future of OCR and why to use it today. It s interesting to see if OCR survives when more and more material is digital. The implementations to the examination subject have been made from books, Internet, and I have discovered how a company in the graphic industry are using OCR, namely Aftonbladet. I have also tested an OCR-program, ABBYYs FineReader 8, and done some testing with some test themes, for example mathematics test and different tests on articles from a few magazines. My conclusions are that OCR has a future but the technology needs some improvements, for example interpreting handwritten texts. OCR can exist, even when more and more material is digital, if its integrated with existing technologies, for example with a spam-filter to interpret the text within in the picture. The current OCR-technology works fine with machine-printed material, and when the document quality is good. However it needs to be on handwritten text to be used for archiving needs. Keywords OCR, how the technology works, OCR-program, areas of use, test of FineReader, Raymond Kurzweil

4 Hur ser framtiden ut för OCR? 4 Innehållsförteckning 1 Inledning Syfte Bakgrund Frågeställningar Avgränsningar Målgrupp Disposition Metod Litteraturstudie Fallstudie Prediktion Intervju Enkät Historia Raymond Kurzweil Kurzweils läsande maskin Hur tekniken fungerar Bildskannern Dokumentanalys Teckenigenkänningsalgoritmer Sammanhangsprocess Utmatningsgränssnittet Applikationer Användningsområden Portabel OCR-läsare för blinda Funktioner Begränsningar C-Pen den läsande pennan Skrivbords C-Pen Bärbar C-Pen Arkivering Register till kyrkoböcker i Stockholms stadsarkiv Svensk tidskrift för musikforskning Fakturering OCR-referensnummer Skatteverkets användning av OCR-referensnummer Fakturor Betalningsexempel Framtiden Mobilkamera med OCR-funktioner Hur tekniken fungerar Mobilkameror som högprecisionsskanners... 25

5 Hur ser framtiden ut för OCR? Copyrightproblem OCR-teknik som filter mot spam-bilder Slumpmässigt skapade spam Skannersignatur Fördelar med OCR Sökbara arkiv/dokument Nackdelar med OCR Handskrivna texter Lunds landsarkiv Riksarkivet Träffsäkerhet Statens musikbibliotek, raritetssamlingarna OCR-program Dolphin Cicero Funktioner hos Cicero ReadSoft Invoices Aftonbladet Hur de använder OCR Test av ABBYY s FineReader Testteman Matematiktest Fotbollstidningstest Damtidningstest Dagstidningstest Speltidningstest PC-tidningstest Handskriven test Resultat Diskussion Sammanfattning Referensförteckning... 56

6 Hur ser framtiden ut för OCR? 5 1 Inledning OCR-teknik möjliggör att skannade dokument blir sökbara och redigerbara. Med denna teknik möjliggörs att skapa digitala arkiv av inskannade dokument. Alla dokument kan inte OCRbehandlas, exempelvis handskrivna texter och dokument där kvaliteten inte är den bästa. Min förhoppning är att läsaren ska få en inblick i OCRs olika användningsområden som finns och vad som kan bli intressant i framtiden. 1.1 Syfte Syftet med rapporten är att klargöra OCRs användningsområden, vilka för- och nackdelar som finns och hur framtiden ser ut. 1.2 Bakgrund Då många grafiska företag inte använder sig av OCR kommer frågan varför? Varför behövs inte tekniken? Hur framtiden ser ut för OCR tas upp i examensarbetet och vilka användningsområden där tekniken kan användas. 1.3 Frågeställningar Hur ser framtiden ut för OCR? Hur fungerar tekniken? Vad finns det för fördelar respektive nackdelar med OCR-tekniken? 1.4 Avgränsningar Om jag hade haft mer tid till examensarbetet hade jag velat testa fler OCR-program, dels för att jämföra hur bra de löser olika dokument men även se hur bra en gratisvariant och jämfört med ett professionellt program. 1.5 Målgrupp Examensarbetet är skrivet för dem som är intresserade om OCR och vill veta mer om denna teknik.

7 Hur ser framtiden ut för OCR? Disposition Examensarbetet inleds med en introduktion av personer som har varit med och utvecklat OCRtekniken, ett historieavsnitt. Därefter kommer en teoridel om hur tekniken fungerar för att man ska förstå de andra avsnitten om OCR bättre. Efter det kommer det användningsområden som visar var och hur OCR används. Efter detta kommer ett avsnitt om framtiden och vilka användningsområden som OCR-teknik kan användas. Efterföljande avsnitt handlar om fördelar och nackdelar för OCR för att se vad tekniken kan användas till och vad det inte går bra att använda till. Därefter tas det upp två OCR-program som används av företag som har svarat på mejlfrågorna. Efter det kommer avsnittet om ett företag i den grafiska branschen som använder sig av OCR, Aftonbladet. Därefter kommer det ett kapitel om ett test av ett OCR-program, ABBYYs FineReader 8, där det testas artiklarna som är handskrivna och maskinskrivna för att se hur den tolkar respektive artikel. De sista delarna är resultat, diskussion och en avslutande sammanfattning.

8 Hur ser framtiden ut för OCR? 7 2 Metod 2.1 Litteraturstudie Jag behöver använda mig av denna metod på grund av att jag behöver information Internet men även information från böcker. Denna typ av metod ger mig en bra inblick av ämnet handlar om, en bra introduktion och något som jag kommer att använda till största delen av mitt examensarbete. 2.2 Fallstudie Med denna typ av metod vill jag få ut information från längre frågor via e-post. Denna metod kommer förhoppningsvis att ge mig mer information om företaget Aftonbladet som jag vill titta lite närmare på om hur de använder sig av OCR, det kan man inte göra genom att enbart titta på deras hemsida eller titta i en bok utan man måste försöka prata med dem som arbetar med OCR. 2.3 Prediktion Jag vill med denna metodstudie försöka se vilken funktion OCR kommer att ha i framtiden och se vad som kan göra att OCR tappar/vinner mark i framtiden. Jag har använt denna metod genom att leta efter information om framtida användningsområden för OCR och därmed se vad OCR kan användas till i framtiden. 2.4 Intervju Jag har intervjuat två personer på Aftonbladet (ett företag inom den grafiska branschen) som arbetar med OCR/har kunskap om OCR för att få deras synvinkel på ämnet. Det har gett mig även en djupare förståelse hur de använder sig av OCR. Jag har intervjuat via e-post. 2.5 Enkät Enkäter gör att jag kan jämföra svaren från flera olika företag som jag vill skicka ut frågorna till. Genom att analysera svaren hoppas jag komma till en slutsats. Jag har redan gjort ett mejlutskick innan examensarbetet påbörjades till ett antal företag och det har gjort att jag har fått en bättre uppfattning vad företag använder OCR till och vilka typer av företag som använder OCR. För mig

9 Hur ser framtiden ut för OCR? 8 har denna typ av metod redan gjort att jag har fått en djupare förståelse av ämnet men även att jag har kommit i kontakt med flera företag som använder sig av OCR.

10 Hur ser framtiden ut för OCR? 9 3 Historia I detta avsnitt kommer det att tas upp en framstående person som har bidragit med utvecklingen från tidiga och enkla läsande maskiner till dagens avancerade maskiner som kan hantera bland annat handskriven text såväl som maskinskriven. 3.1 Raymond Kurzweil Raymond Kurzweil föddes i New York Vid 15 års ålder började han intressera sig för mönsterigenkänning, eftersom han ville lära maskiner att se och känna igen olika typer av mönster. På gymnasiet kom han i kontakt med Marvin Minsky som var specialist inom artificiell intelligens på MIT (Massachusetts Institute of Technology). Han kom sedan att studera på MIT med inriktning på datavetenskap och kreativt skrivande. ( ) Kurzweils läsande maskin 1970 startades Kurzweil Computer Products, företaget som skulle uppfinna Kurzweils läsande maskin för blinda. Den läsande maskinen innehöll CCD (Charged Coupled Device), planskrivare och den första OCR (Optical Character Recognition) mjukvara som kunde hantera vilket typsnitt som helst. Maskinen skannade en rad åt gången och kunde känna igen tecken genom att tecken hade lagrats i minnet. Den kunde även läsa upp texten genom att bestämma uttalet genom förbestämda ljudenliga regler. Detta gjordes med hjälp av ett talprogram som kunde skapa ljud. Kurzweils läsbara maskin kom 1976 och har kallats som den första kommersiella maskin som framgångsrikt använts sig av artificiell intelligens. ( ) 1980 köpte Xerox upp Kurzweils skannings- och OCR-teknik, idag finns det kvar i företaget Nuance som bland annat har hand om taligenkänning och OCR. ( )

11 Hur ser framtiden ut för OCR? 10 Figur 1 Raymond Kurzweils läsbara maskin från 1976, maskinen som kunde skanna böcker, tidningar och annat tryckt material och sedan läsa upp det för användaren. ( )

12 Hur ser framtiden ut för OCR? 11 4 Hur tekniken fungerar Processen att konvertera inskannade bilder från maskinskriven eller handskriven text (siffror, bokstäver och symboler) till datorformat även känt som optisk teckenigenkänning (OCR). Ett typiskt OCR-system (se figur 2) består av tre logiska komponenter. En bildskanner, OCR programoch hårdvara samt ett utmatningsgränssnitt. Bildskannern avbildar textsidor optiskt för igenkänning. Textavbilder processas med OCR program- och hårdvara. Processen innefattar tre operationer, dokumentanalys (hämta individuella teckenavbilder), igenkänning av dessa avbilder (baserat på form) samt sammanhangsprocess (antingen för att rätta fel gjorda av igenkänningsalgoritmerna eller för att begränsa igenkänningsalternativen). Utmatningsgränssnittet ansvarar för att resultatet av OCR-systemet överförs till omvärlden. (McGraw-Hill Encyclopedia of Science & Technology, s ) 4.1 Bildskannern Fyra grundläggande delar utgör bildskannerns funktion. En detektor (och tillhörande elektronik), en ljuskälla, en lins samt en dokumenttransportör. Dokumenttransportören placerar dokumentet i skannytan, ljuskällan belyser objektet, och linsen skapar objektets bild i detektorn. Detektorn består av en grupp av objekt som var och en konverterar inkommande ljus till en analog signal. Dessa analoga signaler konverteras därefter till en bild. Skanning utförs av detektorn och textobjektets rörelse anpassas till detektorn. Efter att en bild är avbildad kommer dokumentet att tas bort från skannytan. (McGraw-Hill Encyclopedia of Science & Technology, s. 753) Utvecklingen av skannertekniken har medfört högre upplösning, ofta upp till pixel per tum (ppi). Igenkänningsmetoderna som använder kännetecken (motsatsen till mallmatchning) använder upplösningar på åtminstone 200 ppi och omsorgsfull hantering av gråskalan. Lägre upplösning och enklare tröskelfunktion (med andra ord, begränsningar baserade på en pixels mörkhet överskrider ett givet tröskelvärde) verkar för att bryta tunna linjer eller för att fylla tomrum, samt också att eliminera kännetecken. (McGraw-Hill Encyclopedia of Science & Technology, s. 753) 4.2 Dokumentanalys I denna process utvinns text från dokumentbilden. Pålitlig teckensegmentering och igenkänning beror på både originalets dokumentkvalitet och detekterad bildkvalitet. Processer som försöker

13 Hur ser framtiden ut för OCR? 12 kompensera för dålig originalkvalitet eller dålig skannerkvalitet inkluderar bildförbättring, borttagning av understrykningar och brusreducering. Bildförbättringsmetoder betonar särskiljning mellan tecken och objekt som inte är tecken. Understrykningsborttagning raderar tryckta riktlinjer och andra linjer som kommer i närheten av tecken och påverkar teckenigenkänning. Brusreducering raderar delar av bilden som inte är tecken. (McGraw-Hill Encyclopedia of Science & Technology, s. 753) Innan teckenigenkänning är det nödvändigt att isolera individuella tecken från textavbilden. Många OCR-system använder anslutna komponenter för denna process. För dessa anslutna komponenter som representerar multipla eller partiella tecken, används mera komplicerade algoritmer. I lågkvalitet eller icke homogena textavbilder kan dessa komplicerade algoritmer inte alltid utvinna tecken vilket medför att fel uppstår. Igenkänning av obegränsad handskriven text kan vara mycket svår eftersom tecknen inte kan isoleras säkert, speciellt när texten är skriven med skrivstil. (McGraw-Hill Encyclopedia of Science & Technology, s. 753) 4.3 Teckenigenkänningsalgoritmer Två viktiga komponenter i en teckenigenkänningsalgoritm är känneteckensutvinnaren och sorteringsapparaten. Känneteckensanalysen fastställer beskrivningen eller egenskapsdelarna som används för alla tecken. Känneteckensutvinnaren härleder egenskaperna som just den aktuella teckenavbilden har. De härledda egenskaperna används sedan som indata för teckenklassificeringen. (McGraw-Hill Encyclopedia of Science & Technology, s. 753) Schablonmatchning eller matrismatchning är en av de mest vanliga klassificeringsmetoderna. I schablonsmatchning används individuella bildpixlar som kännetecken. Klassifikation utförs genom att jämföra en inläst teckenavbild med en grupp schabloner eller prototyper från varje teckenklass. Varje jämförelse resulterar i en likhetsmätning mellan inläst tecken och schablonen. En mätning ökar sannolikheten för likhet när en pixel i det observerade tecknet är identiskt med samma pixel i schablonbilden. Om pixeln skiljer så minskar sannolikheten. Efter att alla schabloner har jämförts med den observerade teckenavbilden tilldelas tecknets identitet den identitet som den lika schablonen har. (McGraw-Hill Encyclopedia of Science & Technology, s. 753) Schablonmatchning är en inlärningsprocess eftersom schablontecken kan ändras. I många kommersiella system lagrar PROM, programmerbara read-only minnen, schabloner som innehåller enskilda fonter. För att omskola algoritmen ersätts nuvarande PROM med PROM som innehåller bilder på nya fonter. Dessutom om ett passande PROM finns för en font, så kan schablonmatchning tränas att känna igen denna font. Likhetsmätningen för schablonmatchning kan också förändras,

14 Hur ser framtiden ut för OCR? 13 men vanligt för kommersiella OCR system är att dessa inte tillåter detta. (McGraw-Hill Encyclopedia of Science & Technology, s ) Strukturella klassificeringsmetoder utnyttjar strukturella egenskaper och beslutsregler för att klassificera tecken. Strukturella egenskaper kan definieras på grundval av teckenstreck, teckenhål samt andra teckenattribut som konkavitet. Till exempel bokstaven kan P beskrivas som ett vertikalt streck med ett hål fäst på övre höger sida. Vid en textavbilds inmatning utvinns de strukturella egenskaperna och ett regelbaserat system tillämpas för att klassificera tecknen. Strukturella metoder är också möjliga att använda med inlärning. Dock kan konstruktionen av bra egenskapsuppsättningar och regelbaser ta lång tid. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Många teckenigenkännare baseras på matematiska formler som minimerar felklassificeringen. Dessa igenkännare kan använda pixelbaserade egenskaper eller strukturella. Några exempel är särbehandlingsfunktions klassificering, Bayesiska klassificering, artificiell neurala nätverk samt schablonmatchning. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Särbehandlingsfunktions klassificering använder hyperytskikt för att separera tecknens beskrivningsegenskaper från olika semantiska klasser och i processen reducera medelkvadratavvikelsen. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Bayesiska metoder försöker minimera förlusterna som åtföljer felklassificering genom att använda sannolikhetsteorier. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Artificiell neurala nätverk, som liknar teorier om mänsklig iakttagelseförmåga, använder matematiska minimeringstekniker. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Både särbehandlingsfunktioner och artificiella neurala nätverk används i kommersiella OCR- system. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Felklassificering av kommer från två källor, dålig teckenbildkvalitet och dåliga särskiljningsmöjligheter. Dålig dokumentkvalitet vid bildskanning och förbehandling kan försämra prestanda genom att lämna dålig teckenbildkvalitet. Däremot så kan teckenigenkänningsmetoden inte vara inlärd för tecknen som orsakar problemen. Denna typ av fel är svåra att komma runt eftersom igenkänningsmetoden kan ha begränsningar och samtliga möjliga teckenbilder kan omöjligt vara med vid inlärning av klassificeringen. (McGraw-Hill Encyclopedia of Science & Technology, s. 754)

15 Hur ser framtiden ut för OCR? 14 Igenkänningsgraden för maskinskrivna tecken kan vara mer än 99 %, men vid handskrivna tecken är denna typiskt lägre eftersom alla personer skriver olika. Denna slumpartade natur resulterar ofta i felklassificeringar. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) 4.4 Sammanhangsprocess Sammanhangsinformation kan användas vid igenkänning. Antalet ordval för ett givet fält kan begränsas genom att veta innehållet av ett annat fält. Exempelvis vid igenkänning av ett gatunamn i en adress, gatunamnens val kan begränsas till en ordlista genom att först korrekt känna igen postkoden. Alternativt resultatet av igenkänningen kan efterbehandlas för att korrigera eventuella fel. En metod som används för att efterbehandla igenkänningsresultat är att använda en stavningskontroll för att verifiera ordstavningen. På liknande sätt använder andra efterbehandlingsprocesser ordlistor för att verifiera de föreslagna orden. Eller så kan resultaten verifieras interaktivt direkt med användaren. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Angående icke latinsk teckenigenkänning finns det 26 olika aktiva skrivtecken varianter av icke latinska tecken. Några har inte varit använda vid igenkänning exempelvis Kanada, medan mycket arbeta har lagts ner på andra, exempelvis Japanska. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Med tillägg av alfanumeriska tecken så används japanska Kanji-tecken, kinesiska, samt Kana, japanska stavelser. Därför är det så mycket svårare att igenkänna japansk text eftersom teckenuppsättningen storlek, ofta mer är 3300 tecken och komplexiteten samt likheten med Kanjitecknens struktur. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Låg datakvalitet är ett extra problem i alla OCR-system. En japansk OCR är normallt utrustad med två individuella klassificerare, förklassificering och efterklassificering. Förklassificeraren utför en snabb rå klassificering för att reducera teckenuppsättningens storlek till en kort kandidatlista, normalt mindre än 100 kandidater. Den sekundära klassificeringen använder sedan mera komplexa egenskaper för att bestämma vilka av kandidaterna i listan som är den närmaste matchningen. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) 4.5 Utmatningsgränssnittet Utmatningsgränssnittet tillåter teckenigenkänningsresultatet att bli elektroniskt överfört till domänen som ska använda resultatet. Exempelvis så tillåter många kommersiella system

16 Hur ser framtiden ut för OCR? 15 igenkänningsresultatet att bli placerat direkt i kalkylark, databaser och textbehandlare. Andra kommersiella system använder igenkänningsresultatet direkt i ytterligare automatiska processer och förkastar igenkänningsresultatet när processen är klar. Utmatningsgränssnittet kan vara simpelt men är nödvändigt för OCR-systemens framgång eftersom det kommunicerar med omvärlden. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) 4.6 Applikationer Kommersiella OCR-system kan i stort grupperas i två kategorier, uppdragsspecifika läsare och generella sidläsare. En uppdragsspecifik läsare hanterar endast specifika dokumenttyper. Några av de mest vanliga uppdragsspecifika läsarna läser bankcheckar, brevpost, kreditkortremsor. Dessa läsare utnyttjar vanligtvis specialanpassad bildlyftnings-hårdvara som fångar endast några få förutbestämda dokumentregioner. (McGraw-Hill Encyclopedia of Science & Technology, s. 754) Exempelvis kanske en bankchecksläsare skannar endast området där summan är handskriven. Ett postanpassat OCR-system kanske bara skannar adressytan på ett brev. Dessa system framhäver hög genomströmningsgrad och låg felprocent. Applikationer som brevläsare läser 12 brev i sekunden med en felprocent på mindre än 2 %. Teckenigenkännaren i många uppdragsspecifika läsare kan igenkänna både handskrivna och maskinskrivna texter. (McGraw-Hill Encyclopedia of Science & Technology, s. 754)

17 Hur ser framtiden ut för OCR? 16 Figur 2 Ett typiskt OCR-system består av tre huvudsakliga komponenter, En bildskanner, OCR program- och hårdvara samt ett utmatningsgränssnitt. Bildskannern skannar in dokumentet så att texter samt bilder kan tolkas. Därefter behandlas textbilderna med hjälp av OCR-mjukvara och hårdvara i tre steg. Dessa steg är dokumentanalys, teckenigenkänning och sammanhangsprocess. Därefter skickas det OCR-tolkade dokumentet vidare till valfritt program som man vill använda sig av det färdiga resultatet. (McGraw-Hill Encyclopedia of Science & Technology, s. 753)

18 Hur ser framtiden ut för OCR? 17 5 Användningsområden OCR används inte bara till fakturor som ett referensnummer utan har även fler användningsområden som förklaras närmare i detta kapitel. Exempel på användningsområden är sökning av inskannade dokument, som används vid arkiveringsbehov. 5.1 Portabel OCR-läsare för blinda Blind Reader är en handdator med digitalkamera som har en inbyggd OCR-funktion med talprogram som kan läsa upp den OCR-tolkade texten. Blind Reader fungerar genom att hålla kameran över det valda textavsnittet (exempelvis en flygbiljett eller ett medicinrecept), därefter tar man en bild av texten med hjälp av kameran och inläsningen av texten kan börja. När inläsningen är klar kan man höra den spelas upp i högtalare eller hörlur med hjälp av talprogram som finns inbyggt i Blind Reader. ( ) Funktioner I Blind Reader finns det två olika indelningar på vad man kan läsa för typ av information, den första läser böcker, artiklar och etiketter. Den andra läser räkningar och minnesanteckningar. ( ) Med Blind Reader kan en blind person klara många saker som tidigare varit beroende av hjälp från assistent eller hjälpsamma personer med vanliga saker som flygbiljettsinformation och räkning på restaurang. Detta görs möjligt med att Blind Reader kan läsa det mesta som är tryckt och sedan läsa upp det för användaren. ( ) Dokument som har lästs in kan sparas antingen som en ljudfil (Wav-format) eller som en bild (jpeg) och det finns plats för cirka 900 stycken bilder och ljudfiler på hårddisken. ( ) Blind Reader kan även läsa upp dokument från datorn, till exempel ett Word-dokument, på samma sätt som den kan ta emot dokument, kan den även exportera dokument till en dator. ( )

19 Hur ser framtiden ut för OCR? Begränsningar Blind Reader kan tyvärr inte läsa all tryckt material som finns, det som kan vara svårt att läsa är bland annat följande: Matförpackningar Medicinflaskor Graverad tryck, som serienummer på maskiner Blind Reader har svårigheter med att läsa matförpackningar på grund av att de ofta har konstnärliga texter på framsidan och en kompakt och komplicerad text på baksidan. ( ) Figur 3 Blind Reader, OCR-läsare som kan läsa många olika trycksaker, alltifrån från brev, böcker och medicinrecept. Den inlästa texten läses sedan upp av ett talprogram som kan spelas upp antingen i hörlurar eller i högtalare. ( ) 5.2 C-Pen den läsande pennan C-Pen är en penna som skannar in text och tolkar det som läses in. C-Pen har ett flertal lexikon som ingår som kan hjälpa en med att översätta textavsnitt som man har markerat med C-Pen Skrivbords C-Pen Skrivbords C-Pen läser in ett textdokument med hjälp av en skanningsfunktion som finns i läspennan. C-Pen börjar läsa när den automatiska avtryckaren är tryckt mot ytan och den läser tills den släpps från ytan. Det fungerar på samma sätt som när man skriver med en penna, lyfter man pennan skriver man inte längre på pappret. ( )

20 Hur ser framtiden ut för OCR? 19 Figur 4 Ritning över hur C-Pen 20 fungerar och vilka komponenter som ingår i läspennan. ( ) Figur 5 Hur man ska hålla C-Pen 20 för att den ska kunna läsa texten på ett korrekt sätt. Det är viktigt att komma ihåg att placera spetsen före texten som ska läsas, annars kan inläsningen bli fel. ( ) Figur 6 C-Pen 20, en skrivbordsläspenna som är ansluten till en dator. Denna variant av C-Pen kan hantera 167 olika språk, läsa streckkoder, OCR-nummer och siffror. ( ) Figur 7 Funktioner som man kan välja till C-Pen 20 genom att högerklicka på ikonen vid aktivitetsfönstret. ( )

21 Hur ser framtiden ut för OCR? Bärbar C-Pen C-Pen läser text genom att använda sig av OCR. När man flyttar C-Pen över ett textstycke belyser pennans ljuskälla tecknen och en kamera tar en bild av texten. Under OCR-processen analyserar C- Pen bilderna som tagits med kameran och omvandlar dem till texttecken. ( ) Figur 8 C-Pen 800c, en bärbar läspenna som kan översätta och spara text som läses in. Det finns ett flertal lexikon som ingår i C-Pen, exempelvis Norstedts Ordbok och Merriam Webster som hanterar flera olika språk. ( ) 5.4 Arkivering OCR-teknik kan användas för att skapa sökbara arkiv av dokument. Det är fördelaktigt att ha sökbara arkiv om man vill digitalisera till exempel sin egen samling av dokument Register till kyrkoböcker i Stockholms stadsarkiv Stockholms stadsarkiv har digitaliserat sitt register till församlingarnas kyrkoböcker. De har skannats in och med hjälp av OCR-tolkning kan man även söka i texterna efter information. De OCR-tolkade dokumenten är sparade i PDF, man kan därför använda sig av Acrobat för att söka på sökord på samma sätt som söker på i vanliga fall. En sak som man får ta hänsyn till vid sökning på de här kyrkoböckerna är att innehållet är inte korrekturläst. Det använda OCR-programmet kan ha tolkat tecken fel, därför kan det vara bra att söka på delar av ordet för att hitta det man letar efter. Man kan söka på exempelvis på namn på personer, efter yrken och var de föddes. Vad man kan söka på beror även på i vilken typ av kyrkobok som man letar i, det finns ett flertal kyrkoböcker som man kan söka i och olika innehåll. Några av de kyrkoböcker som finns digitalt är dessa: Adolf Fredriks församling Bromma församling Brännkyrka församling

22 Hur ser framtiden ut för OCR? 21 Stockholm stads militärkår Finska gardesregementet Göta livgarde Kyrkoböckerna finns från 1700-talet till 1800-talet, en del finns bara från 1800-talet. ( ) Figur 9 Register från Stockholms stads militärkår, på detta exempel kan man söka på exempelvis namn, titel och födelseort. ( ) Stockholms stadsarkiv har även använt OCR-tolkning när de har skannat maskinskrivna kortkataloger för att skapa digitala register. De har även experimenterat med OCR-tolkad text som komplement till handskrivna originaltexter från 1600-talet. Stockholms stadsarkiv använder OCR när det går och när det finns behov av att söka på arkivmaterial. (Fogelvik, ) Svensk tidskrift för musikforskning Svensk tidskrift för musikforskning (STM) ges ut av Svenska samfundet för musikforskning. Den har utgetts sedan 1919 och är en av Europas äldsta tidskrifter inom musikvetenskap. Den innehåller förutom vetenskapliga texter, recensioner även studentuppsatser av studenter från musikhögskolor. Arkiveringen är dels till för forskning men även för allmänheten som kan ta del av tidskrifterna. Man kan söka i en databas på samtliga tidskrifter som har gjorts digitala eller klicka på de årtalen för att direkt komma till en sökbar PDF-fil, se figur 10 för grafisk förklaring. ( )