Mở một file PDF scan, nhìn thấy chữ rất rõ nhưng bấm tìm tên khách hàng lại không ra kết quả: đây chưa chắc là lỗi máy photocopy. File có thể chỉ chứa ảnh của các trang giấy, chưa có lớp văn bản để phần mềm tìm kiếm.
Với văn phòng thường xuyên tra cứu hồ sơ, hiểu sự khác nhau này giúp chọn đúng quy trình scan ngay từ đầu. Một PDF đủ trang và đọc được vẫn có thể không phù hợp nếu công việc còn cần tìm từ khóa hoặc sao chép nội dung.
PDF ảnh và PDF có OCR khác nhau ở đâu?
PDF ảnh lưu hình ảnh trang đã quét. Người đọc nhìn thấy chữ trong ảnh, nhưng chương trình đọc PDF có thể không biết đó là những ký tự nào. OCR, tức nhận dạng ký tự quang học, phân tích hình ảnh để tạo thông tin văn bản. PDF có OCR có thể chứa cả ảnh trang và lớp chữ phục vụ tìm kiếm.
Ricoh có các cấu hình hỗ trợ nhúng văn bản vào file scan; không thể suy ra khả năng này chỉ từ việc máy có chức năng Scanner hoặc xuất được PDF. PDF có nhiều trang, PDF dung lượng nhỏ và PDF tìm kiếm được chữ là ba đặc tính riêng.
OCR cũng không đồng nghĩa chuyển hồ sơ thành một file Word có bố cục hoàn hảo. Bảng, cột và thứ tự đọc có thể cần kiểm tra lại nếu bạn lấy nội dung để dùng trong tài liệu khác.
Kiểm tra một file đang có bằng cách nào?
Dùng chương trình đọc PDF trên máy tính, mở file đã tải về và thử tìm một từ rõ ràng đang nhìn thấy trên trang. Chọn từ thuộc phần nội dung, tránh chỉ tìm tên file hoặc tiêu đề do người tạo nhập riêng.
- Thử tìm một từ ở trang đầu, một từ ở trang giữa và một từ ở trang cuối.
- Thử chọn một dòng chữ rồi sao chép vào trình soạn thảo văn bản.
- So sánh chữ sao chép với ảnh, nhất là dấu tiếng Việt và dãy số.
- Nếu chức năng chọn chữ bị hạn chế, kiểm tra quyền của file hoặc thử chương trình đọc phù hợp trước khi kết luận chưa có OCR.
Tìm được chữ ở một trang chưa chứng minh cả bộ hồ sơ đều đã nhận dạng. Một PDF ghép từ nhiều nguồn có thể gồm trang có lớp chữ xen với trang chỉ có ảnh. Cũng có phần mềm đọc PDF tự nhận dạng ảnh; vì vậy, hãy thử trên ứng dụng mà người nhận thực sự dùng, không chỉ trên máy của người scan.
Máy Ricoh có sẵn OCR không?
Tính năng phụ thuộc model, tùy chọn đã lắp và giải pháp scan đang triển khai. Ví dụ, tài liệu Ricoh IM 2500–6000 ghi OCR cần mô-đun chuyển đổi tùy chọn. Đây là thông tin của dòng máy đó, không phải kết luận chung cho mọi máy Ricoh.
Khi thuê hoặc nhận bàn giao máy, yêu cầu bên hỗ trợ tạo một file thử có khả năng tìm kiếm chữ bằng chính quy trình sẽ sử dụng. Hỏi rõ OCR chạy trên máy, trên phần mềm máy tính hay qua dịch vụ tích hợp; có hỗ trợ ngôn ngữ cần dùng và có chi phí hoặc điều kiện riêng hay không.
Nếu không thấy lựa chọn OCR trong màn hình Scanner, chưa nên kết luận máy hỏng. Gửi model, ảnh màn hình loại file và mô tả nhu cầu để bên cài đặt kiểm tra cấu hình. Không tự cài hoặc kích hoạt các tùy chọn kỹ thuật chưa xác định.
Khi nào PDF có OCR đáng sử dụng?
OCR có ích khi cần tìm lại tên, mã hàng, số hợp đồng hoặc một đoạn nội dung trong hồ sơ đã lưu. Với tài liệu chỉ để xem hình, đối chiếu chữ ký hoặc gửi bản sao ngắn, một PDF ảnh rõ ràng có thể đã đủ cho mục đích sử dụng.
Đừng dùng kết quả OCR làm nguồn duy nhất để nhập số tiền, số tài khoản hoặc thông tin định danh. Các ký tự giống nhau và dấu tiếng Việt có thể bị nhận sai; đối chiếu ảnh gốc trước khi đưa dữ liệu vào công việc tiếp theo.
Văn bản viết tay, bản in mờ hoặc tài liệu nhiều dấu chồng lên chữ cần thử thực tế. Không nên yêu cầu mọi loại bản gốc đều đạt cùng mức chính xác, dù cùng một máy và thiết lập.
Chuẩn bị trang scan để nhận dạng tốt hơn
Đặt tài liệu ngay ngắn, giữ đủ mép có nội dung và kiểm tra chất lượng ảnh trước. Nếu ảnh đang sọc hoặc mờ, giải quyết vấn đề ảnh trước khi đánh giá OCR; xem cách kiểm tra sọc trên bản scan Ricoh.
Hướng dẫn Ricoh về thiết lập scan đề cập 300–400 dpi cho tài liệu phục vụ OCR hoặc in lại. Có thể dùng mức phù hợp mà model và quy trình hỗ trợ để thử, rồi so sánh độ chính xác và dung lượng; không mặc định 600 dpi sẽ nhận dạng đúng mọi lỗi.
Chọn chế độ màu theo nội dung cần giữ. Nét nhạt, dấu màu hoặc nền tài liệu có thể bị mất nếu chuyển sang đen trắng không phù hợp. Ngôn ngữ OCR cũng cần khớp với tài liệu và nằm trong phạm vi giải pháp hỗ trợ; không mặc định mọi tùy chọn đều xử lý tiếng Việt giống nhau.
Nếu máy chưa có OCR, có cần scan lại không?
Nếu PDF ảnh hiện tại đủ rõ và đủ trang, có thể cân nhắc nhận dạng bằng phần mềm được đơn vị cho phép. Không cần scan lại chỉ vì thiếu lớp chữ. Scan lại có ích khi ảnh gốc mất nét, mất mép hoặc thiếu trang khiến nhận dạng không đủ tin cậy.
Giữ riêng file ảnh ban đầu và file sau nhận dạng để dễ đối chiếu. Với hồ sơ khách hàng hoặc dữ liệu nội bộ, chọn quy trình lưu trữ và xử lý đã được đơn vị chấp thuận, thay vì đưa file lên công cụ OCR công khai chỉ vì tiện.
Nếu cần tạo một PDF đủ nhiều trang trước, xem cách scan nhiều trang thành một file PDF. Hoàn thành bước gom trang chưa có nghĩa đã bật OCR.
Duyệt file mẫu trước khi số hóa cả tủ hồ sơ
- Chọn vài trang đại diện: chữ thường, bảng số liệu, dấu và chữ nhỏ.
- Đảm bảo đủ trang, đúng hướng và ảnh đọc được.
- Tìm thử từ khóa trên các trang, kiểm tra chữ sao chép.
- Đối chiếu những thông tin quan trọng với ảnh.
- Xác nhận người nhận mở và tìm kiếm được bằng ứng dụng của họ.
Chỉ triển khai cả bộ hồ sơ khi mẫu đáp ứng nhu cầu. Nếu chưa đạt, gửi bên hỗ trợ một trang thử không chứa dữ liệu riêng tư, model, độ phân giải và lựa chọn file; những thông tin này giúp xác định vấn đề nằm ở ảnh, nhận dạng hay cấu hình xuất file.
Tham khảo: Ricoh: nhúng thông tin văn bản trong file scan; Ricoh IM 2500–6000: điều kiện mô-đun OCR; Ricoh: thiết lập độ phân giải scan. Khả năng cụ thể cần đối chiếu cấu hình đang dùng.
