ทุกท่านเคยประสบปัญหาอยากคัดลอกตัวหนังสือจากในรูปภาพไปใช้งานแต่ทำไม่ได้หรือไม่
หากเป็นเมื่อก่อนการจะเอาข้อมูลเหล่านี้ไปใช้งานต่ออาจจะทำได้ยาก แต่ปัจจุบันงานที่เกี่ยวข้องกับการคัดลอก
สกัด หรือแปลงตัวหนังสือออกจากรูปภาพ
หรือเอกสารทำได้สะดวกขึ้นมากด้วยความก้าวหน้าของเทคโนโลยี <a href="https://acp.visai.ai/product/ocr-general-document">OCR (Optical Character Recognition) คือ</a>กระบวนการทางอิเล็กทรอนิกส์
โดยการให้ซอฟต์แวร์ช่วยเรียนรู้จดจำรูปแบบตัวอักษรและอ่านตัวอักษรที่ปรากฏบนไฟล์ดิจิทัลในหลายรูปแบบ
เช่น รูปภาพ หรือเอกสาร PDF พร้อมสกัดตัวหนังสือออกมาเป็นข้อมูล ให้นำไปใช้งานต่อได้ทันที
เช่น นำไปทำ Data Analysis การทำดัชนี หรือการสืบค้นข้อมูล
เป็นต้น

เทคโนโลยี OCR ทุกวันนี้มีประสิทธิภาพสูงขึ้นมาก
เนื่องจากได้มีการนำ AI (Artificial
Intelligence) และ ML (Machine Learning) เข้ามาช่วยพัฒนา
ทำให้ OCR สามารถอ่านภาพหรือเอกสารได้ในหลากหลายรูปแบบ และหลายฟอนต์ นำมาสู่ผลลัพธ์ที่แม่นยำขึ้น
OCR จึงกลายเป็นที่นิยมใช้งานในหลายอุตสาหกรรม ไม่ว่าจะเป็น
อีคอมเมิร์ซ (e-commerce), โลจิสติกส์, หรือการเงิน เป็นต้น

ขั้นตอนในการทำงานของ
OCR

OCR หรือ Optical Character Recognition นับว่าเป็นเทคโนโลยีที่ช่วยให้เราทำงานที่เกี่ยวข้องกับข้อมูลตัวอักษรได้ง่ายขึ้นมากด้วยความสามารถในการสกัดข้อมูลตัวอักษรทั้งจากเอกสาร
หนังสือ หรือข้อมูลที่อยู่ในไฟล์ดิจิทัลให้สามารถนำเนื้อหาออกมาใช้งานต่อได้ โดยที่เราไม่ต้องมานั่งพิมพ์ข้อมูลใหม่ด้วยตัวเอง
ตัวอย่างการใช้งาน OCR ที่สำคัญเช่น การแปลงหนังสือเก่าหายากให้อยู่ในรูปไฟล์ดิจิทัล การอ่านและระบุข้อมูลบนป้ายทะเบียนรถยนต์
หรือการสกัดข้อมูลจากไฟล์เอกสารสกุล PDF หรือ DOCX &nbsp;ออกมา เป็นต้น หัวข้อนี้จะพาทุกท่านไปดูกันว่าเทคโนโลยี
OCR นั้นมีกระบวนการทำงานอย่างไร

1. ขั้นการรับรูปภาพ&nbsp;

กระบวนการรับรูปภาพนี้ถือเป็นขั้นแรก โดยสามารถรับภาพหรือไฟล์ดิจิทัลที่มาจากกล้องถ่ายภาพดิจิทัลหรือเครื่องสแกนเอกสารก็ได้
จากนั้นเราจะนำภาพหรือไฟล์ดิจิทัลเหล่านี้จะไปปรับแต่งความคมชัด
และกำจัดข้อมูลที่ไม่ต้องการในขั้นถัดไป  

2. ขั้นก่อนการประมวลผล
และการปรับแต่งภาพ

กระบวนการนี้นับว่าสำคัญมาก เพราะอาจส่งผลต่อความถูกต้องของผลลัพธ์ โดยขั้นก่อนประมวลผล
(Preprocessing) คือการกำจัดข้อมูลที่ไม่ต้องการ
เช่น ลายน้ำ รอยเลอะ และในส่วนขั้นปรับแต่งภาพ (Image
Enhancement) คือการปรับค่าที่เกี่ยวข้องกับภาพ เช่น ความสว่าง ความคมชัด อัตราส่วนคอนทราสต์
เพื่อให้ตัวหนังสืออ่านได้ง่ายยิ่งขึ้น การทำเช่นนี้จะช่วยลดสิ่งที่ไปรบกวนกระบวนการทำงานของ
OCR ทำให้ผลลัพธ์ออกมาแม่นยำขึ้น

3. ขั้นการอ่านและสกัดตัวหนังสือ

เมื่อทำการปรับภาพเรียบร้อยแล้ว OCR จะสแกนภาพนั้น โดยไล่ไปทีละตัวอักษร
และระบุออกมาว่าเป็นตัวอักษรอะไร โดยอ้างอิงจากชุดข้อมูลตัวอักษรที่เครื่องเรียนรู้และจดจำเอาไว้
โดยขั้นตอนนี้นับว่าเป็นขั้นตอนที่สำคัญที่สุด 

4.&nbsp;ขั้นหลังการประมวลผล
และผลลัพธ์&nbsp;

ในขั้นนี้ OCR จะตรวจทานตัวอักษรอีกครั้งและแก้ไขในจุดที่ผิดพลาด
จากนั้นจะส่งตัวอักษรเหล่านี้ออกมาในรูปแบบ (format)
ที่ตั้งค่าเอาไว้
เช่น เอกสาร Word หรือ Spreadsheet


ตัวอย่างการใช้งานเทคโนโลยี OCR ในภาคธุรกิจ

บริษัท องค์กร หรือผู้พัฒนาซอฟต์แวร์ ได้พัฒนาเทคโนโลยี OCR ในรูปแบบแอปพลิเคชัน หรือซอฟต์แวร์มาประยุกต์ใช้งานในหลากหลายอุตสาหกรรมอย่างกว้างขวาง
ตัวอย่างการใช้งานที่พบเห็นได้ทั่วไป ได้แก่

1. การจัดการเอกสาร
และการแปลงให้อยู่ในรูปแบบดิจิทัล

OCR นั้นเรียกได้ว่าเป็นหัวใจของระบบจัดการเอกสารที่เก็บอยู่ในรูปแบบกระดาษและแปลงให้อยู่ในรูปแบบดิจิทัล
เพราะช่วยให้องค์กรเข้าถึงและค้นหาเอกสารต่างๆ พวกนี้ได้สะดวกสบายยิ่งขึ้น ตัวอย่างเช่น การนำ OCR มาผสานเป็นระบบสืบค้นข้อมูลที่ VISAI ได้พัฒนาขึ้นเพื่อช่วยให้ผู้ใช้สามารถสืบค้นข้อมูลภายในเอกสาร รูปภาพ และวิดีโอได้

2. การกรอกข้อมูลอัตโนมัติ

OCR เป็นหนึ่งในเทคโนโลยีที่นำไปพัฒนาระบบกรอกข้อมูล จากที่ต้องกรอกข้อมูลด้วยตนเองให้อยู่ในรูปแบบอัตโนมัติ
ช่วยบริษัทให้ประหยัดเวลาและทรัพยากร ช่วยลดความผิดพลาดที่เกิดจากมนุษย์อีกด้วย การใช้งานในรูปแบบนี้เป็นที่นิยมในองค์กรประเภท
ธนาคาร สำนักงานบัญชี ธุรกิจอีคอมเมิร์ซ หรือธุรกิจบริการดูแลสุขภาพ ตัวอย่างเช่น

3. การช่วยเหลือผู้พิการด้านการมองเห็น&nbsp;

OCR ได้รับการพัฒนาเพื่อใช้งานเป็นเทคโนโลยีสำหรับช่วยเหลือผู้พิการด้านการมองเห็น โดยจะทำการสกัดข้อความจากไฟล์ภาพ
ผสานร่วมกับเทคโนโลยีแปลงข้อความเป็นเสียงพูด (Text To Speech: TTS) แปลงข้อความตัวหนังสือให้กลายเป็นเสียง ทำให้ผู้พิการด้านการมองเห็นสามารถใช้ชีวิตได้สะดวกขึ้นทั้งในโลกออนไลน์และชีวิตจริง

4. การจดจำป้ายทะเบียนรถยนต์&nbsp;

OCR ได้รับการพัฒนาเพื่อใช้จดจำข้อมูลบนป้ายทะเบียนรถยนต์ โดยอาศัยจากกล้องจับภาพ ทำให้การให้บริการหรือกระบวนการต่างๆ
ที่ต้องรู้จำป้ายทะเบียนรถยนต์ใช้งานได้สะดวกรวดเร็วและแม่นยำยิ่งขึ้น การใช้งาน OCR ในลักษณะนี้มีความสำคัญอย่างยิ่งสำหรับงานด้านการบังคับใช้กฎหมาย
การเฝ้าสังเกตสภาพการจราจร และการออกใบสั่งรถยนต์ที่จอดรถในที่ห้ามจอด

5. การอ่านบาร์โค้ดสินค้าในงานโลจิสติกส์&nbsp;

ใช้ OCR เพื่ออ่านบาร์โค้ด
หรือป้ายกำกับสินค้าที่ขนส่ง และนำไปต่อยอด โดยใช้งานร่วมกับการวิเคราะห์ข้อมูล
หรือใช้ ML เรียนรู้พฤติกรรมการสั่งซื้อของลูกค้าเพื่อให้โมเดลสามารถทำนายได้ว่าลูกค้าจะมีความต้องการซื้อสินค้าประเภทใดในครั้งถัดไป

คุณสามารถทดลองการใช้งาน OCR ของ VISAI ได้ ซึ่งเหมาะสำหรับงานจัดการเอกสาร หรือการสกัดข้อมูลจากไฟล์ดิจิทัล
โดยเอกสารที่รองรับนั้นมีทั้งไฟล์เอกสารในองค์กร สำเนาบัตรประชาชน
หรือสำเนาพาสปอร์ต นามสกุลไฟล์ Docx, PTTX, PDF, JPG หรือ
PNG สามารถเข้าไปใช้งานได้ที่
<a href="https://acp.visai.ai/th/product/ocr-general-document">OCR General Document</a>

VISAI
พัฒนา AI Model ด้าน OCR ที่ช่วยเรื่องการจัดการเอกสารอย่างไร

VISAI ให้บริการโมเดลปัญญาประดิษฐ์ OCR หลากหลายแบบที่แม่นยำและมีประสิทธิภาพ เพื่อให้ผู้ที่สนใจหรือองค์กรต่าง ๆ สามารถนำไปใช้งานร่วมกับซอฟต์แวร์และแอปพลิเคชัน โดยโมเดล OCR
เหล่านี้ เป็นโมเดลสำเร็จรูปที่นักพัฒนาสามารถนำไปผสานกับระบบที่มีเพื่อใช้งานได้เลย ผ่านการเชื่อมด้วย API Key โดยไม่ต้องเขียนโค้ด ประกอบด้วย


















คือโมเดล OCR สำหรับอ่านเอกสาร ที่ได้รับการพัฒนาให้รองรับเอกสารภาษาไทยประเภทต่าง ๆ ที่หลากหลาย ไม่ว่าจะเป็น เอกสารทางราชการ เอกสารส่วนบุคคล หรือเอกสารที่ใช้กันอย่างแพร่หลายในบริษัทเอกชนทั่วไป เป็นต้น โดยทีมผู้เชี่ยวชาญ VISAI ได้พัฒนารูปแบบชุดคำสั่ง Detector หรืออัลกอริทึมสำหรับการตรวจจับตำแหน่งของข้อความ, Recognizer หรืออัลกอริทึมที่สกัดข้อความจากภาพ
โดยกระบวนการจะเริ่มจาก Detector
ระบุพิกัดของข้อความที่อยู่ในภาพ จากนั้น Recognizer ทำการสกัดข้อความจากพิกัดที่ได้รับ
และขั้นตอนสุดท้ายคือ Post-Processing จะทำการจัดรูปแบบประโยคหรือรูปแบบคำให้เหมาะสมกับเอกสาร
เช่น การแบ่งวรรค การแบ่งประโยคเพื่อให้ข้อความที่สกัดออกมาจากเอกสารมีความถูกต้องแม่นยำพร้อมนำข้อความไปใช้งานต่อได้อย่างง่ายดาย





คือโมเดล OCR สำหรับการสกัดข้อมูลจากบัตรประชาชน โดยสามารถสกัดข้อมูลจากหน้าบัตร เช่น เลขบัตรประจำตัวประชาชน ชื่อภาษาไทย ชื่อภาษาอังกฤษ วันเกิด และที่อยู่ รวมถึงหมายเลขหลังบัตรได้ ซึ่ง VISAI มุ่งเน้นการพัฒนาโมเดล ด้วยการสร้างชุดข้อมูลสังเคราะห์ (Synthetic
Data) ปริมาณมาก และหลากหลายรูปแบบ รวมถึงใช้แนวทางรูปแบบชุดคำสั่ง Detector, Recognizer และ Post-Processing Model เพื่อนำเข้ามาเทรนโมเดลให้มีความสามารถในการดึงข้อความจากรูปบัตรประชาชน นอกจากนี้ โมเดลยังผ่านการทดสอบและเปรียบเทียบผลการทำงานด้วยชุดข้อมูลภายในที่รักษาเป็นความลับที่ทีมงานวิสัยได้รวบรวมขึ้น โมเดลที่ได้จึงสามารถตอบโจทย์การใช้งานในการรวบรวมข้อมูลประวัติบุคคล
ทั้งนี้รูปบัตรประชาชนที่ผู้ใช้นำมาใช้งานผ่านระบบจะถูกเข้ารหัสด้วย HTTPS ที่ช่วยให้ผู้ใช้สามารถส่งข้อมูลที่ละเอียดอ่อน เช่น หมายเลขบัตรประชาชนได้อย่างปลอดภัยผ่านอินเทอร์เน็ต
ข้อมูลจะถูกลบทิ้งทันทีหลังจากสกัดข้อมูลเสร็จสิ้น
ผู้ใช้จึงไม่ต้องกังวลเรื่องความปลอดภัยของข้อมูล

คือโมเดล OCR ที่พัฒนาขึ้นสำหรับการสกัดข้อมูลในหนังสือเดินทาง (Passport) โดยเฉพาะ ซึ่ง VISAI มุ่งเน้นการพัฒนาโมเดล ด้วยการสร้างชุดข้อมูลสังเคราะห์ (Synthetic
Data) ปริมาณมาก และหลากหลายรูปแบบ ทำให้มีความแม่นยำสูงกับข้อมูลประเภทดังกล่าวเป็นพิเศษ โดยปัจจุบันสามารถรองรับหนังสือเดินทางจากประเทศไทย จีน
ญี่ปุ่น และฟิลิปินส์&nbsp; OCR ประเภทนี้สามารถนำไปใช้ในการตรวจสอบข้อมูลเพื่อยืนยันตัวตนในงานอีเวนต์ การประชุมสัมมนาระหว่างประเทศ รวมถึงนำไปเชื่อมต่อกับแอปพลิเคชันเพื่อทำการยืนยันตัวตน (KYC - Know Your Customer) กับธุรกิจของคุณ

ถึงตรงนี้แล้วจะเห็นเลยว่าเทคโนโลยี OCR ที่ดูเหมือนจะเล็กๆ
แต่แท้จริงมีประโยชน์มหาศาลและใช้กันแพร่หลายในหน่วยงานหลากหลายภาคส่วน
ไม่ว่าจะธุรกิจ อุตสาหกรรมต่างๆ หรือหน่วยงานภาครัฐ อย่างไรก็ตาม หากจะใช้งาน OCR ก็ควรเลือกโมเดลที่มีความแม่นยำภาษาไทยเพื่อไม่ให้เกิดข้อผิดพลาดที่อาจนำไปสู่ความเสียหายที่ยิ่งใหญ่ต่อองค์กร
ปัจจุบัน VISAI ได้พัฒนา OCR ที่มีความแม่นยำภาษาไทยสูง โดยมีทั้ง OCR สำหรับเอกสารทั่วไป รวมถึงสำหรับบัตรประชาชน และหนังสือเดินทาง พร้อมให้ทุกท่านทดลองใช้งานได้แล้วที่เว็บไซต์ <a href="https://acp.visai.ai/product/ocr-general-document">OCR General Document</a><a href="https://acp.visai.ai/product/ocr-general-document"></a>