كيف يعمل مسح الإيصالات بتقنية OCR: الدليل الشامل

تعرّف على كيفية تحويل مسح OCR للإيصالات الورقية إلى بيانات رقمية — من التقاط الصورة إلى استخراج العناصر الفردية. افهم التقنية الكامنة وراء معالجة الإيصالات.

Yulia Lit

باحثة في علم نفس المستهلك والاقتصاد السلوكي

Mar 23, 2026

15 min read

التكنولوجيا المالية الشخصية نصائح توفير المال#كيف يعمل مسح الإيصالات بتقنية ocr#معالجة إيصالات ocr#مسح إيصالات ocr#استخراج بيانات إيصالات ocr#تنسيقات إيصالات ocr#عناصر إيصالات ocr الفردية#ماسح إيصالات ocr

كيف يعمل مسح الإيصالات بتقنية OCR: الدليل الشامل

في الولايات المتحدة وحدها، يُطبع ما يقارب 60 مليار إيصال ورقي سنوياً — معظمها يحتوي على بيانات المشتريات، لكنها تختفي في الجيوب والمحافظ وسلال المهملات في غضون ساعات قليلة. مسح الإيصالات بتقنية OCR هو التكنولوجيا التي تستعيد هذه البيانات وتحوّل صور الإيصالات المطبوعة إلى سجلات رقمية منظمة وقابلة للبحث.

لكن "OCR" ليست خطوة واحدة فحسب — بل هي خط أنابيب متعدد المراحل، حيث تُدخل كل مرحلة أخطاء محتملة تتراكم عبر العملية بأكملها. إن فهم آلية كل مرحلة يُمكّنك من تقييم أيّ أدوات مسح الإيصالات تُفي فعلاً بوعود الدقة وأيها مجرد تسويق.

يستعرض هذا الدليل عملية مسح إيصالات OCR بأكملها — من الفوتونات التي تصطدم بحساس الكاميرا إلى ملف JSON منظّم يحتوي على اسم المتجر والعناصر الفردية والإجماليات.

النقاط الرئيسية

يتكون مسح الإيصالات بـ OCR من 6 مراحل متمايزة: التقاط الصورة، المعالجة المسبقة، اكتشاف النص، التعرف على الأحرف، استخراج الحقول، والتحقق
المعالجة المسبقة (تحسين التباين، تصحيح الانحراف، إزالة الضوضاء) مسؤولة عن 20–30% من الدقة النهائية — أكثر بكثير مما يدركه معظم المستخدمين
تستخدم تقنية OCR الحديثة للإيصالات التعلم العميق (شبكات LSTM وTransformer)، وليس مطابقة القوالب
استخراج الحقول — تعيين النص الخام إلى بيانات منظمة — هو المرحلة الأصعب وحيث تتمايز معظم الأدوات في الجودة
استخراج العناصر الفردية أصعب بمرتبة 3–5 أضعاف من استخراج المبلغ الإجمالي/اسم المتجر، نظراً لتعقيد تخطيط الإيصال
تقلل تقنيات التحقق المتقدمة (معالجة متعددة المسارات، التحقق المتقاطع الرياضي) معدلات الأخطاء بنسبة 30–40%

المراحل الست لمسح الإيصالات بـ OCR

مسح الإيصالات ليس "وجّه الكاميرا نحو الإيصال واحصل على البيانات". كل خطوة في خط الأنابيب تحوّل المدخلات وتحدد ما ستعمل عليه الخطوة التالية. الأخطاء في مرحلة واحدة تنتقل إلى كل المعالجة اللاحقة.

Interactive Guide

The 6-Stage OCR Receipt Scanning Pipeline

Click each stage to explore how receipts are transformed from paper to structured data.

📷

Stage 1

Image Capture

The receipt is photographed via smartphone camera, imported as a file, or scanned on a flatbed scanner. Auto-focus, exposure compensation, and edge detection optimize the raw image. Resolution of 300–600 DPI equivalent is sufficient; higher resolution rarely improves accuracy. The key factor is even lighting and a flat receipt surface.

Impact on final accuracy: Sets the ceiling for all downstream stages. A poor capture (motion blur, shadows, partial framing) caps maximum accuracy at 70–80% regardless of engine quality.

📷 Paper receipt

📊 Structured data

المرحلة الأولى: التقاط الصورة

تبدو المرحلة الأولى بسيطة: إدخال صورة الإيصال في النظام. لكن جودة الصورة تضع سقفاً لكل المعالجة اللاحقة.

الالتقاط بالكاميرا (تطبيقات الهاتف المحمول)

عند تصوير إيصال باستخدام تطبيق محمول كـ Yomio أو Expensify، ينفذ وحدة الكاميرا في التطبيق عدة تعديلات تلقائية:

التركيز التلقائي يقفل على نص الإيصال (بعض التطبيقات تستخدم اكتشاف النص لتوجيه التركيز)
ضبط التعرض يتكيف مع الإضاءة المحيطة
اكتشاف الحواف يحدد حدود الإيصال مقابل سطح الخلفية
تصحيح المنظور يبدأ هنا — يتعرف التطبيق على الإيصال كوثيقة مستطيلة ويوجه المحاذاة

تلتقط الهواتف الذكية الحديثة 12–50 ميغابكسل، وهو دقة أعلى بكثير مما يحتاجه OCR فعلياً. الدقة الفائضة مفيدة لأنها تتحمل القص والمعالجة المسبقة دون فقدان التفاصيل المهمة.

الالتقاط بالماسح الضوئي (سطح المكتب)

تنتج الماسحات الضوئية المسطحة صوراً عالية الجودة مقارنة بكاميرات الهاتف: إضاءة موحدة، لا تشويه في المنظور، تحكم دقيق في DPI. عند 300 DPI، تعطي عرض الإيصال القياسي (80mm) حوالي 945 بكسلاً من الدقة الأفقية — أكثر من كافٍ لـ OCR.

المقايضة هي الراحة. يتطلب المسح على سطح المكتب جمع الإيصالات ومعالجتها دفعةً واحدة، مما يخلق التأخير الذي يُسبب فشل معظم روتينات إدارة الإيصالات.

استيراد الملفات (PDF، الصور)

تقبل أنظمة OCR كثيرة ملفات الصور أو PDF الموجودة. هذا مناسب للإيصالات الرقمية (مرفقات البريد الإلكتروني، فواتير PDF) أو لإعادة معالجة المستندات التي سُبق مسحها بمحركات OCR أفضل.

Information

تقوم محركات OCR عادةً بتصغير الصور إلى ما يعادل 300–600 DPI قبل المعالجة. تصوير بهاتف 12 ميغابكسل من مسافة المسح العادية يعطي حوالي 400–600 DPI فعلي على نص الإيصال — ضمن النطاق الأمثل. نادراً ما تحسّن الدقة الأعلى من الدقة؛ الإضاءة الأفضل والسطح المستوي يصنعان فارقاً أكبر بكثير.

المرحلة الثانية: المعالجة المسبقة للصورة

تحوّل المعالجة المسبقة الصورة الخام من الكاميرا إلى مدخل نظيف وموحّد لمحرك OCR. تُشكّل هذه المرحلة 20–30% من الدقة النهائية وهي الجزء الذي لا تستثمر فيه معظم أدوات OCR المجانية أو الأساسية بما يكفي.

تصحيح الانحراف (Deskewing)

الإيصالات المصوَّرة بزاوية تنتج أسطر نص مائلة. تكشف خوارزميات تصحيح الانحراف عن الزاوية الرئيسية لأسطر النص (باستخدام تحويل هاف أو طرق مشابهة لاكتشاف الحواف) وتدور الصورة لمحاذاة النص أفقياً. حتى انحراف 3–5 درجات يمكنه خفض دقة التعرف على الأحرف بنسبة 5–10%.

تصحيح المنظور

عند تصوير الإيصال بزاوية بدلاً من مباشرة من الأعلى، يحدث تشويه في المنظور: يبدو النصف العلوي أضيق من النصف السفلي. يُعيد تحويل المنظور رباعي النقاط تعيين المستطيل المشوّه إلى مستطيل حقيقي.

الثنائية (Binarization)

تعمل محركات OCR بشكل أفضل مع الصور عالية التباين بالأبيض والأسود. تحوّل الثنائية الصور الرمادية أو الملونة إلى أسود نقي (نص) وأبيض (خلفية). يبدو الأمر بسيطاً، لكن الإيصالات تجعله صعباً:

الورق الحراري له تباين طبيعي منخفض، حتى وهو جديد
الإيصالات الباهتة قد يكون تباينها أقل من 2:1
الأنماط الخلفية (بعض الإيصالات تطبع شعارات أو علامات مائية خلف النص) تخلق ضوضاء

العتبة التكيفية — ضبط نقطة التبديل بين الأبيض والأسود محلياً في مناطق مختلفة من الصورة — تتعامل مع هذه التحديات بشكل أفضل من عتبة عالمية واحدة.

إزالة الضوضاء

حتى بعد الثنائية، تبقى آثار صغيرة: جزيئات الغبار، نسيج الورق، رذاذ الحبر من النص المجاور. العمليات المورفولوجية (التآكل متبوعاً بالتمدد) تزيل البكسلات المعزولة لضوضاء دون إتلاف بنية النص. يجب معايرة حجم النواة بعناية — إذا كانت عدوانية جداً، تختفي الحروف الرقيقة كالنقاط والفواصل.

تحسين التباين

للإيصالات الحرارية الباهتة، يمكن لتساوي الهستوغرام أو CLAHE (تساوي الهستوغرام التكيفي المقيّد بالتباين) استعادة نص مقروء من صور تبدو شبه فارغة للعين البشرية. هذا هو السبب في أن بعض التطبيقات تستطيع قراءة إيصالات باهتة من 3–6 أشهر مضت تبدو شبه غير مقروءة.

Warning

كيمياء الورق الحراري تعني أن الإيصالات تبدأ في التلاشي تدريجياً من اللحظة التي تُطبع فيها. بعد 6 أشهر، فقدت كثير من الإيصالات 40–60% من تباين طباعتها. بعد 12 شهراً، أصبحت كثير من الإيصالات شبه غير مقروءة في ظروف عديدة — المعالجة المسبقة لا تستطيع استعادة نص اختفى كيمياوياً. لأفضل دقة، امسح الإيصالات في غضون 24 ساعة.

المرحلة الثالثة: اكتشاف النص

يحدد اكتشاف النص أين يوجد النص في الصورة المعالجة مسبقاً — ليس ما يقوله النص، بل أي مناطق البكسل تحتوي على نص مقابل الخلفية والشعارات والباركود أو المساحة البيضاء.

تحليل المكونات المتصلة

يجمع النهج التقليدي البكسلات السوداء المتصلة في مكونات، ثم يصنّفها كمرشحين لأحرف نصية بناءً على الحجم ونسبة الأبعاد والعلاقات المكانية. تُجمّع الأحرف المتقاربة أفقياً والمتوازية رأسياً في أسطر نصية.

الاكتشاف بالتعلم العميق

تستخدم محركات OCR الحديثة شبكات CNN (الشبكات العصبية التلافيفية) لاكتشاف المناطق النصية مباشرةً. تُعرّف بنى مثل EAST (كاشف النص الفعّال والدقيق) وCRAFT (الوعي بمنطقة الأحرف لاكتشاف النص) المناطق النصية دون الاعتماد على المكونات المتصلة الإرشادية، وتتعامل مع سيناريوهات صعبة مثل:

النص المتداخل مع العناصر الرسومية
النص الصغير جداً (الحواشي، أرقام هاتف المتجر)
النص الدائري أو المنحني (شعارات دائرية محاطة بنص)

التحديات الخاصة بالإيصالات

تُقدّم الإيصالات تحديات فريدة لاكتشاف النص:

التخطيط الكثيف: أسطر نص الإيصالات كثيراً ما تكون مضغوطة، أكثر من المستندات القياسية
المحتوى المختلط: الباركود وأكواد QR والشعارات والنص موجودة جنباً إلى جنب في قرب وثيق
هيكل الأعمدة: الأسعار محاذاة يميناً، والأوصاف يساراً، والمسافة بينها تتغير
الفواصل: الشرطات وعلامات التساوي والنجوم المستخدمة كفواصل بصرية لا يجوز الخلط بينها وبين المحتوى النصي

المرحلة الرابعة: التعرف على الأحرف

هذه هي المرحلة التي يفكر فيها معظم الناس عند قولهم "OCR". بعد تحديد المناطق النصية، يُعرّف المحرك الأحرف الفردية.

كيف تتعرف OCR الحديثة على الأحرف

النهج القديم (مطابقة القوالب): مقارنة كل صورة حرف بمكتبة من قوالب الأحرف المعروفة. سريع لكن هشّ — يفشل مع الخطوط غير المعروفة أو الأحرف التالفة أو المسافات غير المعتادة.

النهج الحالي (التعلم العميق): تعالج شبكات LSTM (ذاكرة طويلة-قصيرة المدى) صور أسطر النص بشكل تسلسلي وتتعلم التعرف على أنماط الأحرف في السياق. تُحلّ الالتباسات مثل "0" مقابل "O" من خلال الأحرف المجاورة وموضع الحرف في الحقل.

التقنية الأحدث (نماذج Transformer): تعالج بنيات Vision Transformer (كـ TrOCR من Microsoft) مناطق النص الكاملة كتسلسلات، محققةً دقة أعلى في النص المتدهور أو غير المعتاد باستغلال سياق أوسع.

دالة الخسارة CTC

تستخدم معظم محركات OCR الحديثة CTC (التصنيف الزمني الاتصالي) أثناء التدريب. هذا يُمكّنها من تعلم تسلسلات الأحرف دون الحاجة إلى تجزئة دقيقة على مستوى الحرف — بالغ الأهمية للإيصالات حيث المسافات بين الأحرف غير منتظمة والأحرف أحياناً تتلامس أو تتداخل.

دقة مستوى الحرف مقابل مستوى الكلمة

دقة مستوى الحرف تقيس صحة الأحرف الفردية: "تفاحة" مقروءة كـ"تفاحة" هي 100%
دقة مستوى الكلمة تقيس الكلمات الكاملة: كلمة بها خطأ إملائي هي 0% لتلك الكلمة
مطالبات OCR للإيصالات تستشهد عادةً بدقة مستوى الحرف لأن الأرقام أعلى

في الاستخدام العملي، دقة مستوى الكلمة أهم — عند تصنيف المشتريات، اسم المنتج بخطأ إملائي بلا فائدة تماماً مثل الاسم المفقود.

Tip

الرقم "1" والحرف "l" (L الصغيرة) متطابقان بصرياً في كثير من خطوط الإيصالات. تستخدم محركات OCR السياق لحل هذا الالتباس: في حقل السعر "1" يفوز بشكل ساحق؛ في حقل اسم المنتج "l" هو الأكثر احتمالاً. هذا هو السبب في أن محركات OCR الخاصة بالإيصالات التي تفهم بنية حقول الإيصال تتفوق على التعرف العام على النص في بيانات الإيصالات.

المرحلة الخامسة: استخراج الحقول (الجزء الأصعب)

مخرجات OCR الخام من المرحلة الرابعة هي تدفق نصي مسطّح من الأحرف المُعرَّفة. يُعيّن استخراج الحقول هذا النص إلى بيانات منظّمة: تحديد أي نص هو اسم المتجر، وأيها العناصر الفردية، وأيها الإجمالي.

هنا يُميّز التدريب الخاص بالإيصالات الأدوات الاحترافية عن OCR الأساسي. محرك OCR عام يقرأ إيصالاً ينتج شيئاً كهذا:

كارفور هايبرماركت
شارع الملك فهد، الرياض 12345
رقم ضريبي: 300012345600003

موز طازج 1 كجم       5.50 ر.س
حليب كامل 1 لتر      4.25 ر.س
جبنة شيدر 400 جم     18.75 ر.س
خبز أسمر كامل       8.50 ر.س
أقراص غسيل الصحون    35.00 ر.س

المجموع الجزئي       72.00 ر.س
ضريبة القيمة المضافة (15%)  10.80 ر.س
الإجمالي             82.80 ر.س
فيزا ****5678

يحوّل محرك استخراج الحقول المدرَّب على الإيصالات هذا إلى:

{
  "اسمالمتجر": "كارفور هايبرماركت",
  "العنوان": "شارع الملك فهد، الرياض 12345",
  "التاريخ": "2026-03-22",
  "العناصر": [
    {"الاسم": "موز طازج 1 كجم", "السعر": 5.50},
    {"الاسم": "حليب كامل 1 لتر", "السعر": 4.25},
    {"الاسم": "جبنة شيدر 400 جم", "السعر": 18.75},
    {"الاسم": "خبز أسمر كامل", "السعر": 8.50},
    {"الاسم": "أقراص غسيل الصحون", "السعر": 35.00}
  ],
  "المجموعالجزئي": 72.00,
  "ضريبةالقيمةالمضافة": 10.80,
  "الإجمالي": 82.80,
  "طريقةالدفع": "فيزا تنتهي بـ 5678"
}

لماذا استخراج العناصر الفردية صعب

استخراج المبلغ الإجمالي أمر بسيط نسبياً: إنه عادةً أكبر رقم في أسفل الإيصال، يسبقه كلمة مثل "الإجمالي".

العناصر الفردية صعبة لأن:

لا يوجد تنسيق مشترك: كل متجر يُنسّق الإيصالات بشكل مختلف — عرض الأعمدة وأسلوب الاختصار وموضع السعر والفواصل تتباين عبر آلاف أنظمة نقاط البيع
الأسماء المختصرة: "موز 1كجم" يتطلب معرفة بالمجال للتفسير الصحيح
عناصر تمتد عبر أسطر متعددة: بعض العناصر تشغل سطرين (الوصف في سطر، السعر في التالي؛ أو سطر خصم تحت العنصر)
معدِّلات السعر: اشترِ واحداً واحصل على آخر، الأسعار حسب الوزن، خصومات الولاء، القسائم تخلق هياكل أسعار معقدة
الأسطر غير الخاصة بعناصر: الرؤوس والتذييلات والرسائل التسويقية وسياسات المتجر تختلط مع بيانات الشراء

للاطلاع على تحليل مفصل لما يمكن لمحركات حديثة استخراجه فعلاً، اقرأ دليل استخراج بيانات OCR من الإيصالات.

المرحلة السادسة: التحقق والمعالجة اللاحقة

تتحقق المرحلة الأخيرة من الاتساق الداخلي للبيانات المستخرجة:

التحقق الرياضي: هل مجموع أسعار العناصر يساوي المجموع الجزئي؟ المجموع الجزئي + الضريبة = الإجمالي؟
التحقق من التنسيق: هل التاريخ بتنسيق صالح؟ هل الإجمالي رقم موجب؟
درجات الثقة: يُعيّن المحرك درجة ثقة (0–100%) لكل حقل مستخرج، مما يُمكّن التطبيقات من تمييز الاستخراجات ذات الثقة المنخفضة للمراجعة من قِبل المستخدم
البحث في قاعدة بيانات المتاجر: بعض المحركات تُطابق اسم المتجر المستخرج مع قاعدة بيانات المتاجر المعروفة، لتصحيح التهجئة وتوحيد التسمية

التحقق متعدد المسارات

الأنظمة المتقدمة مثل Yomio تستخدم معالجة متعددة المسارات مع نماذج مخصصة مدرَّبة على الإيصالات للتحقق المتقاطع من النتائج. يُنفّذ المحرك جولات استخراج متعددة ويدمج النتائج. عند التوافق، تكون الثقة عالية؛ عند الاختلاف، يستطيع النظام:

اختيار النتيجة ذات أعلى درجة ثقة
تمييز الحقل للمراجعة من قِبل المستخدم
تطبيق الاستدلال القائم على القواعد (مثلاً: إذا قرأ محرك "82.80 ر.س" وقرأ آخر "82.75 ر.س"، ومجموع العناصر هو 82.80 ر.س، يفوز النتيجة الأولى)

يقلل هذا النهج متعدد المسارات معدل الخطأ الإجمالي بنسبة 30–40% مقارنة بالمعالجة أحادية المسار. هذا ما يُمكّن Yomio من تحقيق دقة 92% في العناصر الفردية، بينما تُحقق تطبيقات OCR الأساسية عادةً 75–85%.

Success

الدقة النهائية لـ OCR لإيصال ما هي حاصل ضرب جميع المراحل الست. إذا كانت كل مرحلة بدقة 97% بشكل مستقل، فإن الدقة المجمّعة هي 0.97⁶ = 83.3%. هذا هو السبب في أن تحسين مرحلة واحدة — حتى بضع نقاط مئوية — يُحدث تأثيراً قابلاً للقياس على الدقة من البداية إلى النهاية. وسبب أن الاستثمار في المعالجة المسبقة (المرحلة الثانية) يُعطي عوائد غير متناسبة.

مسح الإيصالات بـ OCR: التنسيقات والتحديات الشائعة

الإيصالات الحرارية (الأكثر شيوعاً)

يُطبع حوالي 90% من إيصالات المتاجر على الورق الحراري، الذي يستخدم طلاءً حساساً للحرارة بدلاً من الحبر. الطباعة الحرارية تُنتج:

جودة متسقة في الأحرف عند استخدامها حديثاً
حساسية للحرارة وضوء الشمس والتعرض للمواد الكيميائية
تلاشياً تدريجياً يبدأ فور الطباعة
شبه عدم قابلية للقراءة بعد 12–24 شهراً في ظروف كثيرة

الإيصالات المطبوعة بالحبر

طابعات نقطة المصفوفة وطابعات النفث الحبري (الشائعة في أنظمة نقاط البيع القديمة أو طابعات الفواتير اليدوية) تستخدم حبراً حقيقياً لا يتلاشى كيميائياً. لكنها غالباً تُعاني من رديء جودة الطباعة — عدم انتظام سُمك الأحرف، رذاذ الحبر، دقة منخفضة. دقة OCR للمطبوعات نقطية المصفوفة أقل عادةً بنسبة 5–10% من الطباعة الحرارية الطازجة.

الإيصالات الرقمية (البريد الإلكتروني/PDF)

تتجاوز الإيصالات الرقمية كلياً مرحلتَي التقاط الصورة والمعالجة المسبقة. يمكن استخراج النص مباشرةً من PDF أو HTML البريد الإلكتروني دون OCR، مما يُقرّب دقة استخراج النص من 100%. غير أن استخراج الحقول لا يزال يتطلب فهم تنسيق الإيصال لتنظيم البيانات بشكل صحيح.

تنسيقات الإيصالات الدولية

تتباين تنسيقات الإيصالات بشكل ملحوظ بين الدول:

الولايات المتحدة/المملكة المتحدة: العناصر محاذاة يسار، الأسعار يمين، النقطة فاصل عشري
أوروبا القارية: الفاصلة كفاصل عشري (€13,63)، أحياناً الإجمالي من اليمين لليسار
الدول العربية: اتجاه النص من اليمين إلى اليسار، أرقام عربية أو غربية، محتوى متعدد اللغات المختلط
شرق آسيا: أسماء المنتجات المبنية على الحروف، النص العمودي أو الأفقي، أحرف ذات عرض متغير

دعم هذه التنسيقات يتطلب نماذج OCR خاصة باللغة وفهم التنسيق الثقافي، وليس فقط التعرف على الأحرف.

مستقبل مسح الإيصالات بـ OCR

نماذج اللغة الكبيرة (LLM) لاستخراج الحقول

أحدث تطور في OCR الإيصالات هو استخدام LLM في مرحلة استخراج الحقول. بدلاً من الاستخراج القائم على القواعد أو CNN، تُغذَّى نصية OCR الخام إلى نموذج لغوي يفهم بنية الإيصال سياقياً. تُظهر النتائج الأولية تحسينات دقة بنسبة 5–10% في الإيصالات المعقدة:

حل أسماء المنتجات المختصرة
التعامل مع تخطيطات الإيصالات غير المعتادة غير المرئية في بيانات التدريب
الإيصالات متعددة اللغات التي تحتوي على نصوص مختلطة

المعالجة على الجهاز

أطر عمل ML على الجهاز من Apple وGoogle (Core ML, ML Kit) تُحضر OCR الإيصالات إلى الأجهزة الطرفية، مما يقلل التأخير ويُتيح المسح دون اتصال بالإنترنت. دقة المعالجة على الجهاز الحالية أقل بنسبة 10–15% من المعالجة السحابية، لكن الفجوة تضيق مع كل جيل من الأجهزة.

الإيصالات الرقمية المنظمة

الحل طويل المدى لتحدي OCR للإيصالات هو إزالة الحاجة إلى OCR كلياً. معايير مثل DRIS (معيار تبادل الإيصالات الرقمية) تقترح تنسيقات إيصالات قابلة للقراءة آلياً تُرسل رقمياً عند نقطة البيع. التبني بطيء — يتطلب ترقية أنظمة نقاط البيع لدى ملايين تجار التجزئة — لكن الزخم يتصاعد في الاتحاد الأوروبي والمملكة المتحدة.

الأسئلة الشائعة

ما مدى دقة مسح الإيصالات بـ OCR في 2026؟ تحقق محركات السحابة الأعلى جودةً دقة 90–95% على مستوى الحقل ودقة 85–92% على مستوى العناصر الفردية للإيصالات القياسية. المحرك المخصص لـ Yomio يحقق دقة تتجاوز 92% في العناصر الفردية. تنخفض الدقة مع الإيصالات الحرارية الباهتة والتخطيطات غير المعتادة والنص المكتوب بخط اليد.

هل يستطيع OCR التعامل مع الإيصالات المجعدة أو التالفة؟ يمكن للمعالجة المسبقة الحديثة استعادة النص من الإيصالات المجعدة بشكل معتدل عبر تصحيح الانحراف وتحسين التباين المحلي. الإيصالات التالفة بشدة (ممزقة، مبللة، مطوية بقوة على طول أسطر النص) قد تُعطي نتائج غير مكتملة. تسوية الإيصال قبل المسح تُحسّن النتائج بشكل ملحوظ.

لماذا يُعطي نفس محرك OCR نتائج مختلفة في إيصالات مختلفة؟ تباين تخطيط الإيصالات هو العامل الرئيسي. إيصالات السلاسل الوطنية الكبرى ذات أنظمة نقاط البيع الموحدة تُعطي نتائج متسقة بدقة عالية. إيصالات المتاجر المحلية الصغيرة ذات الطابعات القديمة قد تكون أقل دقة بسبب التنسيق غير المعتاد واختيار الخط وجودة الطباعة.

ما الفرق بين مسح الإيصالات بـ OCR وOCR العادي؟ OCR العادي يحوّل الصور إلى نص. OCR الإيصالات يُضيف استخراج الحقول: فهم أي نص هو اسم المتجر، وأيها التاريخ، وأيها العناصر الفردية، وأيها الإجمالي. هذا الذكاء الخاص بالإيصالات يتطلب تدريباً على ملايين نماذج الإيصالات وفهم أنماط تخطيط الإيصالات.

ما الفرق بين OCR وICR؟ OCR (التعرف الضوئي على الأحرف) محسَّن للنص المطبوع آلياً. ICR (التعرف الذكي على الأحرف) يتعامل مع النص المكتوب بخط اليد. معظم تطبيقات مسح الإيصالات تستخدم OCR فحسب، لأن الإيصالات مطبوعة آلياً. ICR مناسب للفواتير المكتوبة يدوياً أو مذكرات المصروف.

شاهد مسح الإيصالات بـ OCR في العمل الفعلي

يستخرج المحرك المخصص من Yomio جميع العناصر الفردية من إيصالك في ثوانٍ. جرّب مسح إيصال تسوقك القادم — اكتشف الفرق الذي تُحدثه البيانات على مستوى العناصر.

حمّل Yomio مجاناً

المزيد من Yomio