با استفاده از Aspose.OCR برای .NET، شما می توانید متن موجود / قابل مشاهده را از تصاویر بخوانید و آن را در برابر یک لیست کلمات کلیدی کنترل شده تأیید کنید - سپس آنچه را که از دست رفته است گزارش دهید. این راهنمای جریان کار را با مراحل دقیق و قابل اجرا که در نهایت با gist مطابقت دارد، به علاوه بهبود های اختیاری برای برنامه ریزی، گزارش و نگهداری افزایش می دهد.

نمونه کامل

پیش شرط

  • .NET 8 (یا .NET 6+) SDK نصب شده است.
  • NuGet دسترسی به نصب Aspose.OCR.
  • یک پوشه از تصاویر برای حسابرسی (به عنوان مثال، C:\Path\To\ImageArchive).
  • (اختیاری) یک فایل مجوز ASPOSE اگر قصد دارید از محدودیت های ارزیابی فراتر بروید.

ایجاد پروژه و اضافه کردن بسته ها

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

مرحله اول: لیست کلمات کلیدی خود را آماده کنید

کلمات کلیدی کانونیک را انتخاب کنید که تصاویر شما باید حاوی آن باشند.در gist، کلمه کلیدی برای سادگی به سختی رمزگذاری می شوند:

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

نوع (اختیاری): کلمات کلیدی را ذخیره کنید keywords.txt و آن ها را بر روی آن قرار دهید. List<string> برای اجتناب از جمع آوری.

مرحله 2 - شروع Aspose.OCR و اسکن آرشیو

مطابقت: ایجاد یک موتور OCR، فهرست تصاویر، هر فایل O CR، و بررسی برای حضور کلمات کلیدی.

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;
        }
    }
}

مرحله 3 - تمدید حسابرسی (اختیاری اما توصیه می شود)

شما می توانید گزارش و فیلتر کردن را در حالی که همان هسته OCR را حفظ می کنید، بهبود ببخشید.

3.A فیلتر چندین نوع تصویر

// 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 ضبط کلمات کلیدی مطابقت / از دست رفته

// 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 نوشتن یک گزارش 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)}\"");
}

مرحله 4 – از PowerShell یا Batch اجرا کنید

ایجاد یک PowerShell Runner ساده 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"

اختیاری: اگر برنامه را برای پذیرش استدلال ها تغییر دهید، آن را به صورت زیر اجرا کنید:ImageArchiveKeywordAudit.exe "C:\Images" "C:\keywords.txt"

مرحله 5 – برنامه بازنگری مجدد (Windows Task Scheduler)

استفاده schtasks هر روز در ساعت 2 صبح:

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

ثبت نام با وارد کردن دستور در یک .cmd که به stdout/stderr هدایت می کند:ImageArchiveKeywordAudit.exe >> C:\Path\To\Logs\audit-%DATE%.log 2>&1

بهترین شیوه‌ها

  • **منبع کلمات کلیدی کانونیک را حفظ کنید.**فهرست خود را در Git یا CMDB ذخیره کنید؛ به صورت سه ماهه مورد بررسی قرار دهید.
  • تصویر OCR را به طور معمول تنظیم کنید. قبل از مطابقت، فضای سفید، هیفن های یکنواخت و چشمه های Unicode را بشویید.
  • ** عملکرد تن.** بسته بندی با پوشه ها؛ اضافه کردن موازیسم تنها پس از اندازه گیری I/O و CPU.
  • کیفیت در، کیفیت بیرون. اسکن های تمیز (تخلیه / دایناسور) به طور قابل توجهی نرخ بازی را افزایش می دهد.
  • ** محدوده حسابرسی.** در نظر گرفتن مجموعه های کلمات کلیدی جداگانه در هر مجموعه (به عنوان مثال، “landscape”، “product”, “forms”).
  • تعقیب پذیری. گزارش های CSV را با شاخص های زمانی حفظ کنید تا تاریخچه را تغییر دهید و به سرعت از بین ببرید.

Troubleshooting

  • ** خروجی خالی OCR:** جهت گیری تصویر و کنتراست را بررسی کنید؛ فرمت دیگری را امتحان کنید (*.png, *.tif).
  • نگرش های نادرست: گزینه های چندگانه یا صوتی یا همگن ها را به لیست خود اضافه کنید (به عنوان مثال، “بایچ” یا “بیچ”).
  • مشکلات خروجی: محدود کردن اجراهای همزمان؛ اجتناب از اسکن سهام شبکه از طریق لینک های آهسته.

More in this category