İçeriğe atla
Bilgi Merkezi/Makale
Makale

OCR Nedir? Nasıl Çalışır, Kullanım Alanları ve Sınırları

OCR, taranmış belgelerdeki yazıyı aranabilir metne çevirir. Nasıl çalıştığını, ICR ve OMR farkını, kullanım alanlarını ve sınırlarını anlattık.

Oğuzhan Gerçek··5 dk okuma
OCR Nedir? Nasıl Çalışır, Kullanım Alanları ve Sınırları

Kısa cevap: OCR (optical character recognition, optik karakter tanıma), taranmış belge, fotoğraf ya da PDF içindeki yazıyı makinenin okuyabileceği metne çeviren teknolojidir: kâğıttaki fatura, kimlik ya da sözleşme, kopyalanabilir, aranabilir ve bir yazılıma aktarılabilir veri olur. Klasik OCR basılı yazıyı harf harf desenle eşleştirir; makine öğrenmesi kullanan ICR el yazısını da okur, bugünkü belge işleme sistemleri ise tanınan metni anlamlandırıp alanlara (fatura numarası, tutar, tarih) ayırır. Sınırı doğruluktur: kötü tarama, el yazısı ve karmaşık tablolar hata üretir; bu yüzden kurumsal akışlarda OCR çıktısı bir doğrulama adımından geçer.

OCR nedir?

IBM'in tanımıyla OCR, metin görüntülerini hızla makinenin okuyabileceği biçime çeviren, otomatik veri çıkarma kullanan bir teknolojidir; metin tanıma (text recognition) adı da kullanılıyor. Tarayıcıdan çıkan görüntü bilgisayar için yalnızca piksellerden oluşan bir resimdir; OCR o pikselleri harflere, kelimelere ve satırlara dönüştürür. Sonuç düzenlenebilir bir metin dosyası, aranabilir bir PDF ya da doğrudan bir uygulamaya yazılan alanlar olabilir.

OCR nasıl çalışır?

IBM'in anlattığı aşamalar:

  1. Görüntü alma: Sayfa taranır ve iki renkli (siyah-beyaz) görüntüye çevrilir; koyu alanlar karakter, açık alanlar zemin sayılır.
  2. Ön işleme: Görüntü temizlenir: eğik tarama düzeltilir (deskew), çizgiler ve kutular ayıklanır, metin bölgeleri tespit edilir.
  3. Tanıma: İki yöntemden biri kullanılır. Desen eşleme, programın önceden eğitildiği yazı tipi örnekleriyle karakteri karşılaştırır ve tanıdığı yazı tiplerinde iyi çalışır. Özellik tanıma, karakterin çizgi, köşe, kavis gibi özelliklerine kurallar uygular ve eğitilmemiş yazı tiplerinde devreye girer.
  4. Yerleşim tanıma: Gelişmiş sistemler sayfayı metin bloklarına, tablolara ve görsellere ayırır; sonra satır, kelime ve karakterlere böler.
  5. Son işleme: Çıktı düzenlenebilir dosya ya da PDF olarak kaydedilir; bazı sistemler orijinal görüntüyle OCR metnini birlikte saklar.

Modern motorlar tanıma adımında sinir ağı kullanıyor: açık kaynak Tesseract'ın belgelerine göre 4. sürümle gelen motor, satır tanımaya odaklı bir LSTM sinir ağına dayanıyor.

OCR, OMR, ICR ve IWR farkı

IBM'in sınıflandırmasıyla:

  • Basit OCR: Karakter karakter desen eşleme; bildiği yazı tipleri ve dillerle sınırlı.
  • OMR (optik işaret tanıma): Onay kutuları, işaretlenmiş daireler, imza, logo ve filigran gibi işaretleri tanır; form ve sınav kâğıtlarında kullanılır.
  • ICR (akıllı karakter tanıma): Makine öğrenmesi ya da derin öğrenme kullanır; programı tekrar tekrar eğiterek el yazısı dâhil yeni biçimleri okumayı öğrenir.
  • IWR (akıllı kelime tanıma): ICR'nin sonraki adımı; karakter yerine kelimeyi tek görüntüde tanır, bu da hızı artırır.

Bugün OCR, belge anlama dediğimiz daha geniş bir zincirin ilk halkası: IBM'in de belirttiği gibi bilgisayarlı görü, doğal dil işleme ve üretken yapay zekâ tanınan metni sınıflandırmak, alanlara ayırmak ve özetlemek için OCR'nin üstüne geliyor. Büyük dil modelleriyle belge işleme için LLM yazısına bakılabilir.

Kullanım alanları

IBM'in saydığı örnekler sektörleri de gösteriyor: finansta kredi belgeleri ve banka ekstreleri, sağlıkta hasta kayıtları, sigortada formlar, lojistikte faturalar ve fişler; pasaport, plaka ve kartvizit dizinleme; çek işleme; veri girişinin otomasyonu; taranmış arşivlerin aranabilir hâle getirilmesi ve büyük veri analizine hazırlanması; görme engelli kullanıcılar için erişilebilirlik. Kurumsal pratikte en sık üç akış görülüyor: tedarikçi faturalarının muhasebe sistemine aktarılması, müşteri başvurularındaki kimlik ve belge bilgilerinin alınması ve kâğıt arşivin dijital arşive dönüştürülmesi.

Sınırları ve doğruluk

OCR'nin çıktısı tarama kalitesiyle sınırlıdır: düşük çözünürlük, eğik ya da buruşuk sayfa, zayıf kontrast ve damga üstüne yazı hata üretir. El yazısı basit OCR'nin alanı değildir; ICR gerekir ve orada da doğruluk yazıya göre değişir. Tablolar, çok sütunlu sayfalar ve birleşik form alanları yerleşim tanımayı zorlar. Türkçede ayrı bir dikkat noktası var: motorun Türkçe dil verisiyle çalıştırılması gerekir; aksi hâlde noktalı ve noktasız i, ğ, ş gibi harfler yanlış tanınır. Bu yüzden kurumsal akışlarda OCR çıktısı doğrudan kayda yazılmaz; tutar ve kimlik numarası gibi kritik alanlar kurallarla (toplam kontrolü, format kontrolü) doğrulanır, düşük güven puanlı sayfalar insana düşer.

Belgeler kişisel veri taşıyorsa OCR akışı da KVKK kapsamındadır: kimlik kopyalarının nerede işlendiği (kendi sunucunuz mu, yurt dışındaki bir bulut servisi mi), ne kadar saklandığı ve kimin eriştiği baştan tanımlanmalı; gerekmeyen alanlar hiç okunmamalı, okunanlar da amaçla sınırlı tutulmalı.

Araçlar

  • Tesseract: Açık kaynak OCR motoru; Apache 2.0 lisanslı. GitHub sayfasına göre Hewlett-Packard'ın 1985-1994 arasında geliştirdiği, 2005'te açık kaynak yaptığı motor 2006'dan 2017'ye kadar Google tarafından geliştirildi; 5. sürüm Kasım 2021'de çıktı. Hazır dil verisiyle 100'den fazla dili destekliyor, çıktıyı düz metin, hOCR, PDF ve TSV gibi biçimlerde verebiliyor. Komut satırından ya da kütüphane olarak kullanılır; ücretsiz ama kurulum, ön işleme ve bakım sizin.
  • Bulut belge servisleri: AWS, Microsoft Azure ve Google Cloud'un belge analizi servisleri OCR'nin üstüne alan çıkarma ve tablo tanıma ekler; sayfa başına ücretlendirilir ve veri sağlayıcının altyapısında işlenir, bu da yerellik sorusunu gündeme getirir.
  • Kurumsal belge işleme platformları: OCR, sınıflandırma, alan çıkarma, doğrulama ekranı ve ERP entegrasyonunu tek üründe birleştirir; hacim yüksek ve belge türü çeşitliyse tercih edilir.

Kurumsal tarafta

Belge işleme akışının hangi adımlarının otomasyona uygun olduğu süreç optimizasyonu hizmetimizin konusu; OCR'yi dil modelleriyle birleştiren belge anlama sistemlerinin kurulumu ve işletimi AI stack mühendisliği sayfasında.

Sık sorulan sorular

OCR ne demek? Optical character recognition, optik karakter tanıma: görüntüdeki yazıyı bilgisayarın okuyabileceği metne çeviren teknoloji.

OCR nasıl yapılır? Belge taranır ya da fotoğraflanır, bir OCR yazılımına verilir ve çıktı metin ya da aranabilir PDF olarak alınır. Telefon tarama uygulamaları ve PDF araçları bunu tek tuşla yapar; kurumsal hacimde ise tarayıcı, OCR motoru ve doğrulama adımından oluşan bir akış kurulur.

OCR el yazısını okur mu? Basit OCR okumaz. Makine öğrenmesi kullanan ICR el yazısını okuyabilir, ama doğruluk yazının düzgünlüğüne ve eğitim verisine bağlıdır; kritik alanlar insan kontrolünden geçmelidir.

Türkçe OCR var mı? Var. Tesseract dâhil çoğu motor Türkçe dil verisiyle çalışır; önemli olan motorun Türkçe ayarıyla çalıştırılması, yoksa ı, i, ğ ve ş gibi harfler yanlış tanınır.

OCR ile ICR arasındaki fark nedir? OCR basılı karakterleri desenle eşleştirir; ICR makine öğrenmesiyle eğitilir, el yazısı ve yeni biçimleri de tanır. ICR, OCR'nin akıllı sürümü sayılır.

OCR ile okunan belgeler KVKK'ya tabi mi? Belge kişisel veri içeriyorsa evet. Verinin nerede işlendiği, ne kadar saklandığı ve kimin eriştiği tanımlanmalı; kimlik kopyalarında gerekmeyen alanlar okunmamalı.

Kaynaklar