OCR (οπτική αναγνώριση χαρακτήρων)

Η οπτική αναγνώριση χαρακτήρων διαβάζει τους χαρακτήρες μιας εικόνας και παράγει κείμενο. Στη λογιστική είναι το πρώτο βήμα επεξεργασίας μιας χάρτινης απόδειξης ή ενός PDF χωρίς επίπεδο δεδομένων: η εικόνα ισιώνεται και καθαρίζεται, το κείμενο αναγνωρίζεται, και στη συνέχεια ένα μοντέλο εξαγωγής εντοπίζει τον προμηθευτή, την ημερομηνία, τον αριθμό τιμολογίου, τον ΑΦΜ, τα καθαρά και μικτά ποσά και την ανάλυση του ΦΠΑ.

Η σύγχρονη εξαγωγή δεδομένων συνδυάζει το OCR με γλωσσικά μοντέλα που κατανοούν τη διάταξη και το νόημα ενός εγγράφου, γεγονός που διαχειρίζεται πολύ καλύτερα διαφορετικές γλώσσες, νομίσματα και μορφές σε σχέση με σταθερά πρότυπα. Η ακρίβεια εξαρτάται από την εικόνα: μια ευκρινής, καλά φωτισμένη φωτογραφία ολόκληρου του εγγράφου λειτουργεί σωστά· μια τσαλακωμένη ή ξεθωριασμένη θερμική απόδειξη όχι. Τα δομημένα ηλεκτρονικά τιμολόγια καθιστούν περιττό το OCR, καθώς τα δεδομένα φτάνουν ως XML. Το Kontevia εξάγει δεδομένα από έγγραφα που λαμβάνονται μέσω chat, e-mail ή μεταφόρτωσης, και ζητά από τον χρήστη να επιβεβαιώσει οτιδήποτε είναι αβέβαιο.