التعرف البصري على الأحرف OCR (Optical Character Recognition)
التعرف البصري على الأحرف (OCR) هي تكنولوجيا تحول الصور التي تحتوي على نصوص مطبوعة أو مكتوبة بخط اليد إلى نصوص مشفرة آلياً وقابلة للتحرير. تمكّن أجهزة الكمبيوتر من قراءة ومعالجة المستندات التي توجد فقط في شكل بصري، مثل الصفحات الممسوحة ضوئياً أو الصور.
تحلل أنظمة OCR أنماط البكسل في الصور النقطية لتحديد الأحرف الفردية والكلمات والبنى التخطيطية، مما ينتج مخرجات نصية منظمة من المدخلات البصرية غير المنظمة. تنطبق التكنولوجيا على المستندات الممسوحة ضوئياً والصور الفوتوغرافية وملفات PDF بدون نص مضمن والعلامات ولوحات الترخيص والملاحظات المكتوبة بخط اليد.
اعتمدت تقنية OCR المبكرة (1950s–2000s) على مطابقة القالب والتعرف على الأنماط القائم على القواعد. تستخدم تقنية OCR الحديثة الشبكات العصبية الالتفافية (CNNs) لاستخراج الميزات والشبكات المتكررة (LSTMs) أو Transformers لفك تشفير التسلسل. يتضمن خط الأنابيب عادةً معالجة مسبقة للصورة (التثنية، تصحيح الانحراف)، والكشف عن النص (تحديد الصناديق المحدودة)، والتعرف على الأحرف أو الكلمات. تحقق الأنظمة مثل Tesseract 5.x و PaddleOCR والواجهات البرمجية التجارية مثل Google Document AI و Amazon Textract و Microsoft Azure AI Document Intelligence معدلات خطأ أحرف أقل من 1٪ في المستندات المطبوعة النظيفة.
تعتبر تقنية OCR أساسية لرقمنة المستندات، مما يمكّن البحث عن النصوص الكاملة واستخراج البيانات والمعالجة الآلية للسجلات الورقية. تستخدمها الحكومات والبنوك وأنظمة الرعاية الصحية وشركات الخدمات اللوجستية لأتمتة معالجة النماذج ومعالجة الفواتير والرقمنة الأرشيفية على نطاق واسع — أحجام يستحيل التعامل معها يدوياً.
اعتباراً من عام 2026، تم دمج قدرات OCR في نماذج لغة كبيرة متعددة الأوجه التي تجمع بين الفهم البصري والتفكير اللغوي. يمكن لنماذج الرؤية اللغوية مثل GPT-4o و Claude و Gemini استخراج وتفسير النص من الصور كجزء من مهام فهم المستندات الأوسع. تتعامل الأدوات المتخصصة مثل AWS Textract و Google Document AI مع الجداول والخانات وحقول النماذج بدقة عالية. يبقى التعرف على النصوص المكتوبة بخط اليد أصعب بكثير، حيث تنخفض الدقة للنصوص الخطية أو غير الرسمية.