La automatización de las auditorías de palabras clave para los archivos de imágenes garantiza que sus datos visuales se etiquetan de forma consistente y se encuentran fácilmente. con Aspose.OCR para .NET, se puede leer el texto incorporado/visible desde las imágenes y validarlo contra una lista de palabra clave controlada - luego reportar lo que falta. esta guía mejora el flujo de trabajo con pasos concretos y corrientes que coinciden con el gist al final, además de mejoras opcionales para la programación, la comunicación y el mantenimiento.

Ejemplo completo

Prerequisitos

  • .NET 8 (o .NET 6+) SDK instalado.
  • NuGet acceso para instalar Aspose.OCR.
  • Una carpeta de imágenes para la auditoría (por ejemplo, C:\Path\To\ImageArchive).).
  • (Opcional) Un archivo de licencia Aspose si planea superar los límites de evaluación.

Crea el proyecto y añade paquetes

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

Paso 1 - Prepara tu lista de palabras clave

Decide cuáles son las palabras clave canónicas que sus imágenes deben contener.En el gist, las palabra clave se codifican duro para la simplicidad:

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

**Tip (opcional): ** Almacenar las palabras clave en keywords.txt (una por línea) y cargarlos en List<string> tiempo para evitar las recopilaciones.

Paso 2 - Iniciar Aspose.OCR y escanear el archivo

Compatible con el gesto: crear un motor de OCR, enumerar imágenes, cada archivo de oCR y comprobar la presencia de palabras clave.

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;
        }
    }
}

Paso 3 – Extender la auditoría (opcional pero recomendado)

Puede mejorar la información y la filtración mientras mantiene el mismo núcleo de OCR.

3.a Tipos de imágenes múltiples de filtros

// 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 Capturar cuáles son las palabras clave que coinciden / faltan

// 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 Escribir un informe de CSV

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)}\"");
}

Paso 4 – Ejecutar de PowerShell o Batch

Crea un simple 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"

Opcional: Si modifica el programa para aceptar argumentos, ejecuta como:ImageArchiveKeywordAudit.exe "C:\Images" "C:\keywords.txt"

Paso 5 - Calendario de auditoría recurrente (Windows Task Scheduler)

Uso schtasks Todos los días a las 2h:

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

Logar la salida al archivo al enmarcar el comando en un .cmd que redirecciona stdout/stderr:ImageArchiveKeywordAudit.exe >> C:\Path\To\Logs\audit-%DATE%.log 2>&1

Mejores Prácticas

  • Guarda una fuente de palabras clave canónicas. Almacenar su lista en Git o en un CMDB; revisar trimestralmente.
  • Normalizar el texto OCR. Limpiar el espacio blanco, los hyphens unify y los look-alikes de Unicode antes de coincidir.
  • Tune performance. Batch por carteles; añade paralelismo sólo después de medir I/O y CPU.
  • Qualidad en, calidad fuera. Las escaneas limpias (descae/denoise) mejoran significativamente las tasas de encuentro.
  • Audit scope. Considerar conjuntos de palabras clave separados por colección (por ejemplo, “landescape”, “produto” y “formas”).
  • Traceability. Mantenga los informes de CSV con timestamps para cambiar el historial y la difusión rápida.

Troubleshooting

  • Puesto OCR: Verifique la orientación y el contraste de la imagen; intente otro formato (*.png, *.tif).).
  • **Negativas falsas: **Añadir variantes o sinónimos plural/género a su lista (por ejemplo, “beaches”, “biches”).
  • Problemas de tránsito: Limite las corrientes concurrentes; evite escanear las acciones de la red sobre enlaces lentas.

More in this category