L’automatisation des audits de mots-clés pour les archives d’images garantit que vos données visuelles sont cohérentes et facilement identifiables. Aspose.OCR pour .NET, vous pouvez lire le texte intégré/visible des images et le valider contre une liste contrôlée de mot- clés - puis rappeler ce qui manque.

Exemple complet

Principaux

  • .NET 8 (ou .NET 6+) SDK installé.
  • NuGet accès à installer Aspose.OCR.
  • Un dossier d’images à l’audit (par exemple, C:\Path\To\ImageArchive).
  • (Optionnel) Un fichier de licence Aspose si vous prévoyez de dépasser les limites d’évaluation.

Créer le projet & ajouter des paquets

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

Étape 1 – Préparez votre liste de mots clés

Déterminez les mots-clés canoniques que vos images devraient contenir. Dans le gist, des mots clés sont hardcodes pour la simplicité:

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

Tip (optionnel): Enregistrez les mots clés dans keywords.txt (une par ligne) et les charger dans List<string> à l’heure actuelle pour éviter les compilations.

Étape 2 – Initialisez Aspose.OCR et scanez l’archive

Compatible avec le fichier: Créer un moteur OCR, enumer les images, tous les fichiers O CR, et vérifier la présence de mots-clés.

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;
        }
    }
}

Étape 3 – Extension de l’audit (optionnel mais recommandé)

Vous pouvez améliorer la notification et le filtrage tout en conservant le même noyau OCR.

3.a Filtre des types d’image multiples

// 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 Capture que les mots-clés correspondent / manquent

// 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 Écrire un rapport 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)}\"");
}

Étape 4 – Exécuter PowerShell ou Batch

Créer 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"

Optionnel: Si vous modifiez le programme pour accepter les arguments, exécutez-le comme:ImageArchiveKeywordAudit.exe "C:\Images" "C:\keywords.txt"

Étape 5 – Calendrier des audits récurrents (Windows Task Scheduler)

Utiliser schtasks Rendez-vous tous les jours à 2h :

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

Enregistrer la sortie du fichier en plaçant le commandement dans un .cmd qui redirige stdout/stderr :ImageArchiveKeywordAudit.exe >> C:\Path\To\Logs\audit-%DATE%.log 2>&1

Migliori pratiche

  • Mettre en place une source de mots-clés canoniques. Mettre votre liste dans Git ou un CMDB; réviser par trimestre.
  • Normalisez le texte OCR. Trim whitespace, unify hyphens et Unicode look-alikes avant de correspondre.
  • Tune performance. Batch par dossiers; ajoutez le parallèle uniquement après mesurer I/O et CPU.
  • Qualité en, qualité en. Les scans nettoyants (desquew/denoise) améliorent significativement les taux de match.
  • Audit scope. Considérons des sets de mots-clés séparés par collection (par exemple, «landscape», «produit », «formes»).
  • Traçabilité. Gardez les rapports CSV avec des timestamps pour changer l’historique et diffuser rapidement.

Troubleshooting

  • Précédent OCR vide: Vérifiez l’orientation et le contraste d’image; essayez un autre format (*.png, *.tif).
  • Faux négatifs: Ajoutez des variantes ou synonymes plurielles / voix à votre liste (par exemple, «beach », « beaches »).
  • Problèmes de sortie: Limitez les cours concurrents; évitez de scanner les parts du réseau sur des liens lents.

More in this category