Avainsanojen automaattinen tarkastaminen kuvan arkistoille varmistaa, että visuaaliset tiedot on johdonmukaisesti merkitty ja helposti löydettävissä. Aspose.OCR for .NET avulla voit lukea sisällytetyn / näkyvän tekstin kuvista ja validoida sen hallitusta avainsanan luettelosta - sitten raportoida, mitä puuttuu.

Täydellinen esimerkki

edellytykset

  • .NET 8 (tai .NET 6+) SDK asennettu.
  • NuGet pääsy asentaa Aspose.OCR.
  • Kuvien muistikortti tarkastettavissa (esim. C:\Path\To\ImageArchive).
  • (Vaihtoehtoinen) ASPOSE-lisenssin tiedosto, jos aiot ylittää arviointirajat.

Luo projektin ja lisää paketteja

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

Vaihe 1 - Valmista avainsanojen luettelo

Valitse, mitä kanonisia avainsanoja kuvasi pitäisi sisältää. gist, avainsanat ovat koodattu yksinkertaisuuden:

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

Tyyppi (vaihtoehtoinen): Tallenna avainsanoja keywords.txt (Yksi linjaa kohti) ja laita ne sisään List<string> Ajankohtaisesti, jotta vältetään keräämistä.

Vaihe 2 – Aloita Aspose.OCR ja skanna arkisto

Yhteensopivaa: luo OCR-moottori, luet kuvia, jokainen tiedosto, ja tarkista avainsanojen läsnäolo.

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;
        }
    }
}

Vaihe 3 – Tarkistuksen jatkaminen (vaihtoehtoinen, mutta suositeltava)

Voit parantaa raportointia ja suodatusta pitämällä samalla sama OCR ydin.

3.a Suodatin monimuotoinen kuvan tyyppi

// 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 Päätää, mitkä avainsanat vastaavat / puuttuvat

// 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 Kirjoita CSV-raportti

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)}\"");
}

Vaihe 4 – Käynnistä PowerShell tai Batch

Luo yksinkertainen 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"

Valittu: Jos muutat ohjelmaa hyväksymään väitteitä, käytä sitä seuraavasti:ImageArchiveKeywordAudit.exe "C:\Images" "C:\keywords.txt"

Vaihe 5 – aikataulu toistuvat tarkastukset (Windows Task Scheduler)

Käytä schtasks Käynnistä päivittäin klo 2am:

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

Rekisteröidä tiedostoon tallentamalla komennon a .cmd joka ohjaa stdout/stderr:ImageArchiveKeywordAudit.exe >> C:\Path\To\Logs\audit-%DATE%.log 2>&1

Parhaat käytännöt

  • Pidä kanoninen avainsananlähde. Säilytä luettelo Gitissä tai CMDB:ssä; tarkistetaan neljännesvuosittain.
  • Normalisoida OCR-teksti. Trim whitespace, unify hyphens ja Unicode look-alikes ennen vastaamista.
  • Tune suorituskyky. Tiivistää tiedostoja; lisää rinnakkaisuutta vain mittauksen jälkeen I/O ja CPU.
  • Laatu sisällä, laatu ulos. Puhtaat skannat (deskew/denoise) parantavat merkittävästi otteluhintoja.
  • Audit ulottuvuus. Tarkastellaan erillisiä avainsanoja keräyksessä (esim. ”landscape”, ”tuote”, “muodot”).
  • Seuraavuus. Pidä CSV-raportit ajanlaskuilla historian muuttamiseksi ja nopea erottaminen.

Troubleshooting

  • ** Tyhjä OCR-lähtö:** Tarkista kuvan suuntaus ja kontrasti; kokeile muuta muotoa (*.png, *.tif).
  • False negatives: Lisää luetteloon moniarvoisia / ääni-muunnelmia tai synonyymejä (esim. ”kierros”, ”kerros”).
  • ** Läpinäkyvyysongelmat:** Rajoita kilpailukykyisiä toimintoja; välttää verkkoosien skannaamista hitailla linkkeillä.

More in this category