OCR (reconhecimento ótico de carateres)

O reconhecimento ótico de carateres lê os carateres numa imagem e produz texto. Na contabilidade, é o primeiro passo no processamento de um recibo em papel ou de um PDF sem camada de dados: a imagem é endireitada e limpa, o texto é reconhecido, e um modelo de extração identifica então o fornecedor, a data, o número da fatura, o número de identificação fiscal, os montantes líquido e bruto e a discriminação do IVA.

A extração moderna combina o OCR com modelos de linguagem que compreendem a estrutura e o significado de um documento, o que trata muito melhor diferentes idiomas, moedas e formatos do que modelos fixos. A precisão depende da imagem: uma fotografia nítida e bem iluminada do documento completo funciona bem; um recibo térmico amarrotado ou desbotado não. As faturas eletrónicas estruturadas tornam o OCR desnecessário, porque os dados chegam em formato XML. O Kontevia extrai documentos recebidos por chat, e-mail ou carregamento, e pede ao utilizador que confirme o que for incerto.