Med Aspose.OCR for .NET kan du læse embedded/visible tekst fra billeder og validere det mod en kontrolleret søgeordliste – derefter rapportere, hvad der mangler. Denne guide forbedrer arbejdsprocessen med konkrete, løbende trin, der matcher gist i slutningen, plus valgfrie forbedringer for planlægning, rapportering og vedligeholdelse.

Et fuldstændigt eksempel

Forudsætninger

  • .NET 8 (eller .NET 6+) SDK er installeret.
  • NuGet adgang til at installere Aspose.OCR.
  • En mappe af billeder til auditering (f.eks. C:\Path\To\ImageArchive).
  • (Optionelt) En Aspose-licensfil, hvis du planlægger at overstige evalueringsgrænserne.

Skab projektet og tilføje pakker

dotnet new console -n ImageArchiveKeywordAudit -f net8.0
cd ImageArchiveKeywordAudit
dotnet add package Aspose.OCR

Trin 1 - Forbered din nøgleordliste

Bestem de kanoniske nøgleord dine billeder skal indeholde. i gist, er nøglerord hårdt kodet for enkelhed:

// Exact shape used in the gist
List<string> keywords = new List<string>
{
    "mountains", "beaches", "forests", "landscape"
};

Tip (valglig): Lagre nøgleord i keywords.txt (en pr. linje) og lad dem ind i List<string> i løbet af tiden for at undgå opsamlinger.

Trin 2 – Initialiser Aspose.OCR og scanner arkivet

Match the gist: oprette en OCR-motor, liste billeder, O CR hver fil, og tjek for nøgleord tilstedeværelse.

using System;
using System.Collections.Generic;
using System.IO;
using Aspose.Ocr;

namespace ImageArchiveKeywordAudit
{
    class Program
    {
        static void Main(string[] args)
        {
            // Path to the image archive directory (edit to your folder)
            string imageDirectory = @"C:\Path\To\ImageArchive";

            // Keyword list for auditing (matches the gist approach)
            List<string> keywords = new List<string>
            {
                "mountains", "beaches", "forests", "landscape"
            };

            // Initialize Aspose.OCR API (license is optional)
            // new License().SetLicense("Aspose.Total.lic");
            using (AsposeOcr api = new AsposeOcr())
            {
                // Process each JPG in the directory (same filter style as the gist)
                foreach (string imagePath in Directory.GetFiles(imageDirectory, "*.jpg"))
                {
                    // Extract text from the image
                    string extractedText = api.RecognizeImageFile(imagePath);

                    // Audit the extracted text against the keyword list
                    bool containsKeywords = AuditText(extractedText, keywords);

                    // Output the results
                    Console.WriteLine($"Image: {imagePath} - Contains Keywords: {containsKeywords}");
                }
            }
        }

        // Method to audit extracted text against a list of keywords (as in gist)
        static bool AuditText(string text, List<string> keywords)
        {
            foreach (string keyword in keywords)
            {
                if (text.Contains(keyword, StringComparison.OrdinalIgnoreCase))
                {
                    return true;
                }
            }
            return false;
        }
    }
}

Trin 3 – Udvid revisionen (optional men anbefalet)

Du kan forbedre rapportering og filtrering samtidig med at du holder den samme OCR-kern.

3.a Filter Multiple billedtyper

// Replace the single GetFiles with this multi-pattern approach
string[] patterns = new[] { "*.jpg", "*.jpeg", "*.png", "*.tif", "*.tiff", "*.bmp" };
var imageFiles = new List<string>();
foreach (var pattern in patterns)
    imageFiles.AddRange(Directory.GetFiles(imageDirectory, pattern, SearchOption.TopDirectoryOnly));

3.b Fanger, hvilke nøgleord der er matchet / savnet

// After OCR:
var matched = new List<string>();
var missing = new List<string>();

foreach (var k in keywords)
    (extractedText.IndexOf(k, StringComparison.OrdinalIgnoreCase) >= 0 ? matched : missing).Add(k);

Console.WriteLine($"Image: {Path.GetFileName(imagePath)} | Matched: [{string.Join(", ", matched)}] | Missing: [{string.Join(", ", missing)}]");

3.c Skriv en CSV-rapport

string reportPath = Path.Combine(imageDirectory, "audit-report.csv");
bool writeHeader = !File.Exists(reportPath);

using (var sw = new StreamWriter(reportPath, append: true))
{
    if (writeHeader)
        sw.WriteLine("Image,ContainsKeywords,Matched,Missing");

    sw.WriteLine($"\"{Path.GetFileName(imagePath)}\",{matched.Count > 0},\"{string.Join(";", matched)}\",\"{string.Join(";", missing)}\"");
}

Trin 4 – Run fra PowerShell eller Batch

Skab en simpel PowerShell runner run-audit.ps1:

# Adjust paths as needed
$solutionRoot = "C:\Path\To\ImageArchiveKeywordAudit"
$imageDir     = "C:\Path\To\ImageArchive"

# Build and run
dotnet build "$solutionRoot" -c Release
& "$solutionRoot\bin\Release\net8.0\ImageArchiveKeywordAudit.exe"

Optionelt: Hvis du ændrer programmet for at acceptere argumenter, kører det som:ImageArchiveKeywordAudit.exe "C:\Images" "C:\keywords.txt"

Steg 5 – Planlægning af gentagne revisioner (Windows Task Scheduler)

Brug af schtasks Dagligt at køre ved 2am:

schtasks /Create /TN "ImageKeywordAudit" /TR "\"C:\Path\To\ImageArchiveKeywordAudit\bin\Release\net8.0\ImageArchiveKeywordAudit.exe\"" /SC DAILY /ST 02:00

Log udgangen til filen ved at indsætte kommandoen i en .cmd som omdirigerer stdout/stderr:ImageArchiveKeywordAudit.exe >> C:\Path\To\Logs\audit-%DATE%.log 2>&1

Bedste praksis

  • Hold en kanonisk nøgleordkilde. Hold din liste i Git eller en CMDB; gennemgå kvartalt.
  • Normalisere OCR-teksten. Trim whitespace, unify hyphens og Unicode look-alikes før matching.
  • Tune performance. Batch ved mapper; tilføje parallelisme kun efter måling af I/O og CPU.
  • Kvalitet i, kvalitet ud. Clean scans (deskew/denoise) forbedrer markant match rates.
  • Audit omfang. Overvej separate nøgleordssæt pr. samling (f.eks. ”landscape”, ”produkt”, “former”).
  • Traceability. Hold CSV-rapporter med timestamper for ændring af historie og hurtig diffing.

Troubleshooting

  • Udlad OCR-udgang: Kontrollér billedorientering og kontrast; prøv et andet format (*.png, *.tif).
  • Falske negativer: Tilføj plural/stem varianter eller synonymer til din liste (f.eks. “beach”, “Beaches”).
  • Throughput problemer: Begræns konkurrencedygtige løb; undgå at scanne netværksaktier over langsomme links.

More in this category