ローカルOCRの導入で「モデルが表示された」を完了にしなかった理由

RelayDeskに複数のローカルモデルを追加した際、Windows側でIndra OCRを導入し、動作を確認しました。OCRは画像に含まれる文字を読み取る処理です。チャットの返答が出ることと、画像を渡して文字が返ることは、確認した機能が違います。

設置、登録、認識をそれぞれ確認する

ファイルを置くとアプリが参照できる場合があります。登録すると画面に名前が出ます。そこから実際に画像を渡し、結果を受け取るまでには、入力形式の受け渡しと認識処理が残っています。たとえば一覧の名前が正しくても、画像ではなくファイル名だけが処理に渡っていれば、文字は読めません。保存済み、選択可能、処理済みを別欄にすると、どこが終わったかを説明できます。

正解を先に書ける試験画像を作る

読者が試すなら、個人情報を含まない画像に「テスト伝票」「B-018」「合計 12,340円」のような文字を入れます。読み取り結果は元の文字と並べ、英字のOと数字の0、ハイフン、金額の桁を見ます。続いて、文字が小さい画像や、行が二つに分かれた画像を一つずつ足します。文字列が出たことと、金額や行の対応まで使えることを分けて評価できます。ここでの伝票は読者用の架空例です。

認識結果を帳票に使うなら、原文と補正を残す

読み取った内容が「B-O18」だったとき、後工程が「B-018」へ補正する場合があります。原文を上書きすると、読み間違いがモデル由来か補正由来か追えません。原文、補正結果、確認した人の判断を分けると、次に同じ間違いを直しやすくなります。一枚通った実績をもとに全帳票の精度を推定するより、使う帳票の種類ごとに少数の正解付きサンプルを増やします。

もう一歩、手元で確かめる

例えば発注書の「数量3」と「単価800円」を個々に正しく読んでも、別の品目へひも付ければ合計が狂います。小さなテストは最初に一行だけ、次に二行で、最後に列の間隔を狭くして試します。まず文字認識を確認し、次にどの行や列に属する文字なのかを確かめます。印刷物と手書きで用途が違うなら試験も分けます。

表への自動転記を考える場合は、読み取れなかった欄を空欄または要確認として残す設計にします。金額のように誤りの影響が大きい欄には、見直す人が元画像に戻れる手がかりを付けます。導入記事で確認できた一回の出力は、その後の業務精度を測る出発点です。

AIへの依頼例

既存の環境はそのまま使い、追加したOCRを画像入力で確認する。入力・期待文字列・実際の出力を一組残す。インストール済み、一覧で選べる、文字が返る、期待内容と一致する、の各段階を分ける。