التعرف الضوئي على الحروف (OCR) تقنية تقرأ النص الموجود داخل صورة، سواء كانت صفحة ممسوحة ضوئيًا أو ملف PDF مصوّرًا أو صورة من الجوال، وتحوّله إلى نص رقمي. في نظام الأرشفة يُضاف هذا النص طبقةً خلف الصورة الأصلية، فيصبح المستند قابلًا للبحث بأي كلمة داخله، ويمكن بعد ذلك استخراج بياناته.
جودة النتيجة لا تُقاس بنسبة يعلنها مورد، بل تتوقف على جودة المسح ونوع الخط والتخطيط واللغة. لذلك اختبرها على عينة من وثائقك قبل أن تعتمد عليها.
هذا الشرح لمدير الأرشيف، ومدير الشؤون الإدارية، ومن يخطط لرقمنة أرشيف ورقي أو لنقل أرشيف ممسوح لا يمكن البحث فيه. ستفهم كيف يعمل OCR، ولماذا تمثل العربية تحديًا خاصًا، وما العوامل التي ترفع الدقة أو تخفضها، وكيف تختبره بنفسك.
ما هو OCR؟ التعريف البسيط
حين تمسح صفحة ضوئيًا، ينتج الماسح صورة. قد ترى أنت فيها كلمات، لكن الحاسوب يرى نقاطًا ملونة فقط. لذلك لا يستطيع البحث فيها ولا نسخ نصها. وظيفة OCR أن يتعرف على أشكال الحروف والكلمات في هذه الصورة، ثم يحوّلها إلى نص يفهمه الحاسوب.
تتضح القيمة في أرشيف فيه آلاف الفواتير أو العقود الممسوحة. بلا OCR لا تجد المستند إلا إن تذكرت اسم الملف أو مكانه. ومع OCR تبحث باسم المورد أو برقم العقد أو بعبارة من بند، فيظهر المستند ولو كان صورة.
ثلاثة مصطلحات يخلط بينها كثيرون:
- OCR: تحويل الصورة إلى نص.
- PDF قابل للبحث: ملف يحتفظ بالصورة الأصلية كما هي، ويضيف خلفها طبقة نص ناتجة عن OCR.
- استخراج البيانات: خطوة لاحقة تفهم النص وتستخرج منه حقولًا محددة، كالمورد والمبلغ وتاريخ الاستحقاق. المقارنة بين الخطوتين في OCR أم استخراج بيانات ذكي: ما الذي يحتاجه مشروعك فعليًا؟
كيف يعمل OCR خطوة بخطوة؟
يمر المستند بخمس مراحل: التقاط الصورة، ثم تحسينها، ثم تحليل تخطيط الصفحة لمعرفة ترتيب القراءة، ثم التعرف على الحروف والكلمات، ثم حفظ النص طبقةً قابلة للبحث دون تغيير الصورة الأصلية. أي ضعف في المرحلة الأولى ينتقل إلى كل ما بعدها.
لماذا تمثل العربية تحديًا خاصًا؟
معظم تقنيات OCR تطورت أولًا للغات اللاتينية، والعربية تختلف عنها في خصائص تؤثر مباشرة في النتيجة:
- الحروف المتصلة: يتغير شكل الحرف بحسب موضعه في أول الكلمة أو وسطها أو آخرها، ويتصل بما قبله وما بعده.
- النقاط والتشكيل: نقطة واحدة تفرّق بين حرفين، والتشكيل إن وُجد يزيد تعقيد الشكل.
- الاتجاه: الكتابة من اليمين إلى اليسار، مع أرقام وكلمات إنجليزية داخل السطر في الفواتير والعقود.
- تنوع الخطوط: من خطوط الطباعة الحديثة إلى الرقعة والنسخ في الوثائق القديمة والأختام.
- خط اليد: الملاحظات والتوقيعات والتعبئة اليدوية للنماذج أصعب بكثير من المطبوع.
لهذا لا تكفي عبارة «يدعم العربية». بعض الحلول يدعمها بتحويل يدوي لكل ملف، وبعضها يحتاج تثبيت حزمة لغة، وبعضها يدعم لغات كثيرة دون أن يُعرف مستواه في العربية تحديدًا. اسأل عن ثلاثة أمور منفصلة: هل OCR متاح؟ وهل يعمل تلقائيًا عند الرفع؟ وما أداؤه على عربيتك أنت؟
ما الذي يرفع الدقة أو يخفضها؟
بدل البحث عن نسبة دقة عامة، ركّز على العوامل التي تتحكم فيها. هذا الجدول يساعدك على تقدير ما ستحصل عليه من أرشيفك:
| العامل | متى تكون النتيجة أفضل | متى تنخفض | ما تفعله |
|---|---|---|---|
| دقة المسح | مسح بدقة كافية لقراءة الحروف الصغيرة | دقة منخفضة لتوفير المساحة، أو صورة جوال مائلة | حدّد إعدادات المسح في عقد الرقمنة |
| حالة الورق | ورق نظيف، وحبر واضح | ورق مصفر، أو حبر باهت، أو أختام فوق النص | افصل الوثائق القديمة في دفعة مستقلة بتوقعات مختلفة |
| نوع الخط | خطوط طباعة حديثة شائعة | خطوط مزخرفة، أو مخطوطات، أو خط يد | قيّم خط اليد منفصلًا |
| التخطيط | نص متصل في عمود واحد | جداول متعددة الأعمدة، أو نماذج بخانات | اختبر الجداول تحديدًا إن كانت فواتيرك منها |
| اللغة | لغة واحدة في المستند | عربي وإنجليزي وأرقام في السطر نفسه | ضع مستندات مختلطة في عينة الاختبار |
| صيغة الملف | PDF أو TIFF بجودة أصلية | صور مضغوطة بشدة، أو ملفات أُعيد حفظها مرات | احفظ النسخة الأصلية من المسح |
أي نسبة دقة تسمعها في عرض تسويقي قيست على مستندات يختارها صاحب العرض. نتيجة مستنداتك قد تكون أعلى أو أقل. الرقم الوحيد الذي يهمك هو الذي تقيسه على عينتك.
كيف تختبر OCR عربيًا على عينة من وثائقك؟
- اجمع عينة ممثلة. من 50 إلى 100 صفحة تشمل الأنواع الأكثر تداولًا وجودات مختلفة: مطبوع حديث، وقديم باهت، وجداول، ونماذج فيها تعبئة يدوية، ومستندات مختلطة اللغة.
- جهّز قائمة كلمات معروفة. لكل صفحة، اختر ثلاث إلى خمس كلمات أو أرقام تعرف أنها موجودة فيها، كاسم المورد ورقم العقد ومبلغ.
- شغّل البحث لا القراءة. ارفع العينة، ثم ابحث عن كل كلمة من القائمة، وسجّل هل ظهرت الصفحة الصحيحة. هذا يقيس ما يهمك فعلًا: هل ستجد المستند؟
- افصل النتائج بحسب النوع. لا تجمع كل شيء في رقم واحد. قد يكون المطبوع الحديث ممتازًا والجداول أضعف، وهذا يغيّر خطتك.
- حدّد ما يحتاج مراجعة بشرية. الأنواع التي تنخفض نتيجتها تُراجع أو تُفهرس يدويًا بحقول أساسية. الضوابط في متى تحتاج مراجعة بشرية لنتائج OCR.
التفاصيل الكاملة لتصميم هذا الاختبار ومعايير قبوله في كيف تختبر OCR عربيًا باستخدام عينة من وثائق مؤسستك؟. وإن كان جزء من أرشيفك ملفات PDF رديئة، فراجع معالجة ملفات PDF منخفضة الجودة قبل اعتماد نتائج البحث.
أين يعطي OCR أكبر قيمة في المؤسسة؟
الفواتير وأوامر الشراء
البحث باسم المورد أو رقم الفاتورة، ثم استخراج الحقول الرئيسية بدل إدخالها يدويًا.
العقود الورقية القديمة
البحث داخل البنود عن التزام أو تاريخ، دون فتح كل عقد.
المراسلات الواردة
فهرسة الخطابات الممسوحة ليجدها من يتابع المعاملة بالموضوع أو الجهة.
ملفات الموظفين
العثور على شهادة أو قرار داخل ملف ممسوح. وانتبه إلى أن صور الهويات لها أحكام خاصة في نظام حماية البيانات الشخصية تحدّ من الاحتفاظ بها.
الأرشيف التاريخي
تحويل آلاف الصفحات من «صور» إلى أرشيف قابل للبحث، مع توقعات واقعية للوثائق القديمة.
OCR ليس الرقمنة نفسها
يظن بعض المشترين أن نظام الأرشفة مع OCR «يحوّل الأرشيف الورقي» وحده. الواقع أن هناك مرحلتين منفصلتين. الأولى الرقمنة الفعلية: فك الملفات، وتجهيز الأوراق، ومسحها، ومراقبة الجودة. والثانية المعالجة: OCR والفهرسة والتصنيف داخل النظام. تُنفَّذ الرقمنة داخليًا أو عبر مزود مسح متخصص، ثم يستقبل النظام الناتج ويطبّق عليه OCR ويفهرسه. حدّد في مشروعك من يقوم بكل مرحلة، واكتب متطلبات الجودة في عقد المسح كما في كيف تكتب متطلبات التعاقد مع مركز مسح ضوئي وفهرسة.
أخطاء شائعة في مشاريع OCR
- المسح بأقل جودة لتوفير المساحة. تكلفة التخزين الإضافية صغيرة مقارنة بإعادة مسح أرشيف كامل لأن البحث فيه لا يعمل. اختيار الصيغة والدقة مشروح في اختيار صيغ الملفات الناتجة عن الرقمنة.
- الاعتماد على OCR وحده للفهرسة. البحث داخل النص مفيد، لكن الحقول الأساسية كنوع الوثيقة والجهة والتاريخ تجعل الأرشيف منظمًا وقابلًا للتصفية. اجمع بين الأمرين.
- اختبار العرض على مستندات المورد. المستندات النموذجية نظيفة غالبًا، وأرشيفك ليس كذلك.
- إهمال الملفات المرحّلة من نظام قديم. قد تكون ملفات PDF ممسوحة بلا طبقة نص، أو بطبقة نص رديئة من أداة قديمة. اسأل هل يعيد النظام معالجتها عند الترحيل.
- توقع نتيجة واحدة لكل الأرشيف. خطط لمسارات مختلفة: المطبوع الحديث آلي بالكامل، والقديم والجداول بمراجعة، وخط اليد بفهرسة يدوية للحقول الأساسية.
OCR في وثيقة
يتيح وثيقة OCR للعربية والإنجليزية يحوّل الصور والمستندات الممسوحة إلى نص قابل للبحث، مع بحث نصي داخل محتوى ملفات PDF والمستندات الممسوحة. وتُستقبل المستندات بالرفع الجماعي، أو بربط الماسح الضوئي مباشرة، أو عبر تكامل البريد الإلكتروني. وبعد OCR يمكن أن يقترح النظام تصنيف المستند ووسومه، ويستخرج بياناته الرئيسية، مثل أطراف العقد وقيمته وتاريخ انتهائه، ويُبحث فيه بحثًا دلاليًا يفهم المعنى. يتوفر OCR والذكاء الاصطناعي في الباقة الاحترافية فما فوق. ولا يغيّر OCR الصورة الأصلية للمستند، بل يضيف إليها طبقة نص تُفهرس للبحث، فتبقى الصورة مرجعًا لمطابقة أي نتيجة عند الشك، ويبقى المستند محفوظًا بالشكل الذي استُلم به.
ولأن نتيجة OCR تتوقف على وثائقك، فالطريقة الأصح للتقييم أن تجلب عينتك إلى عرض توضيحي أو إلى التجربة المجانية لمدة 30 يومًا، وتطبّق عليها خطوات الاختبار أعلاه.
الخطوة التالية
اجمع عينة من 50 صفحة من أصعب وثائقك وأكثرها تداولًا، وجهّز قائمة الكلمات المعروفة. ثم راجع قدرات OCR والذكاء الاصطناعي والبحث في وثيقة، واطلب عرضًا توضيحيًا تُختبر فيه العينة أمامك.
المصادر
احجز عرضاً باستخدام سيناريوهات مؤسستك
جهّز ثلاثة إلى خمسة سيناريوهات من عملكم اليومي، ونعرضها على النظام بدل عرض عام لا يشبه إجراءاتكم.
- عدد المستخدمين المتوقع والإدارات المشاركة
- حجم الأرشيف الحالي تقريباً (عدد الملفات أو الصفحات أو الحجم بالجيجابايت) ونسبة الورقي منه
- نموذج الاستضافة المفضل: سحابة داخل المملكة أو خوادم الجهة
- النظام الحالي للملفات والأنظمة المطلوب التكامل معها
الهاتف وواتساب: +966 56 533 0501 — الأحد إلى الخميس 9 صباحاً حتى 6 مساءً.