AI OCR 文字辨識

高準度OCR系統建置

繁體中文 OCR 與 Document AI 系統 本專案為自研繁體中文 OCR 與 Document AI 系統,主要處理掃描 PDF、圖片文件、表格、公文格式文件、判決書、都市計畫文件、發票與收據。 技術選型以 非中資、可商用、可自建部署 為原則,降低授權、供應鏈與資料外流風險。 核心流程: Document / PDF / Image ↓ Text-line Detection ↓ Line / Fragment Grouping ↓ OCR Recognition ↓ Reading Order ↓ Layout / Table Detection ↓ Table Structure Inference ↓ Text-to-Cell Assignment ↓ Field Extraction / Validation ↓ Structured JSON OCR 辨識 使用自行訓練的 PaliGemma2 3B + QLoRA 模型,訓練資料約 59,443 組圖文資料。 目前實測: * Raw CER:約 1.58% * 一般整頁 CER:約 1.83% * 約等同 98.17% 字元正確率 重要欄位另外加入格式與商業規則驗證: * 關鍵欄位 Exact Match:約 99.7% * 關鍵欄位 CER:約 0.04% * 金額:約 99.8% * 案號:約 94.3% 文字偵測與版面分析 使用 Text-line Detector 將頁面文字定位為行或片段,再進行 Logical Line Grouping 與 Reading Order 重建。 目前 120 頁 held-out 測試: * Median Line Coverage:約 94.2% * p10:約 45.9% * 目前產品目標:Line Recall ≥99% 現階段主要瓶頸已不是 OCR 辨識本身,而是: * 密排表格 * 多欄文件 * 英文碎框 * 閱讀順序 * Fragment → Logical Line 分組 表格處理 表格不單純依賴實體框線,而拆分為: Text-line Detection + Layout / Table Detection ↓ Table Structure Inference ↓ Row / Column / Cell ↓ Text-to-Cell Assignment 可降低假框線、缺線、無框表格、合併儲存格造成的錯誤。 產品化能力 目前系統已具備: * 繁體中文 OCR * 自建模型 * 非中資技術路線 * On-Premise 私有部署 * 文字偵測 * 閱讀順序重建 * 表格結構辨識 * 關鍵欄位抽取 * 算術與商業規則驗證 * AUTO_ACCEPT / REVIEW / UNRESOLVED * Failure Taxonomy * Regression Test * Held-out Acceptance Test 目前研發方向已從單純「文字讀對」,進一步提升到: 正確還原文件的閱讀順序、表格結構與欄位語意。 整體定位為完整的 Document AI / Intelligent Document Processing 解決方案。

使用的技能專長

  • OCR
  • OCR文字辨識
  • AI OCR文字辨識
64
・2026/09/19 更新

阿庭

一週前上線平均 -- 回覆