Распознавание сканированных ТЗ и смет в PDF с помощью компьютерного зрения (OCR)

Многие заказчики прикрепляют ТЗ в виде многостраничных сканов плохого качества, что затрудняет ручной просчет сметы.

Современные зрительно-языковые модели восстанавливают геометрию строк и колонок даже при сильном наклоне листа.

Алгоритм связывает разорванные фразы описания технических характеристик в единое поле.

После обработки исходного файла сверяйте позиции, цифры, знаки и единицы измерения с оригиналом. Допустимые форматы и размер проверяйте при загрузке. Модуль «Подбор товара и аналогов» предоставляет итог в DOCX; универсальный экспорт распознанной сметы в Excel не заявляется.

Сохраните исходный PDF и создайте рабочую копию распознанного текста. Для каждой извлеченной позиции укажите номер страницы, исходный номер строки и место в таблице. Начните контроль с заголовков колонок: убедитесь, что количество, единица измерения, характеристика и примечание не сместились относительно друг друга. Особенно внимательно просмотрите границы страниц и строки, которые продолжаются на следующем листе.

В учебном примере распознанное число выглядит правдоподобно, но относится к соседней колонке. Поэтому проверяйте его вместе с названием параметра и единицей, открывая соответствующий фрагмент скана. Для нечитаемого символа оставьте отметку «не удалось разобрать» и изображение участка. Не подставляйте похожую цифру из другой позиции: такая замена создает новое требование, которого источник не подтверждает.

Составьте журнал исправлений: первоначальное распознавание, значение после проверки, страница и причина изменения. Отдельно перечислите строки, которые требуют более качественного файла или пояснения владельца документа. Перед использованием результата в запросе поставщику сопоставьте итоговую таблицу с исходной спецификацией целиком, включая сноски и общие требования. Статус «проверено по скану» присваивайте только просмотренным строкам; остальные сохраняйте как черновые данные, которые еще нельзя использовать для окончательного заказа.