ABBYY Hot Folder يتعرّف على الإيصالات محليًا ولا يشغل سوى 25 ميغابايت من الذاكرة

تبدو قراءة الإيصالات مهمة مثالية لوكيل الذكاء الاصطناعي: يتلقى صورة، ويتعرف على الأسطر، ويحدد المتجر والتاريخ والبنود والمبلغ الإجمالي، وينتهي الأمر. أما عمليًا فتظهر بين الصورة والمصروفات المنظمة حديقة صغيرة من المشكلات: انحرافات، وأوراق مجعدة، وخطوط غريبة، ولغات متعددة، وصيغ مختلفة لأجهزة الدفع. اختبر كاتب المادة هذا المسار على ألف وخمسمئة إيصال، وخرج باستنتاج مفيد بشكل مزعج: النموذج الجديد لا يعني بعد منتجًا جاهزًا.

وجاء التباين الأوضح بين الخط محلي الصنع وABBYY Hot Folder، وهو أحد مكونات FineReader الذي يعرفه المؤلف منذ عام 2008. فبينما تتطلب الأدوات الحديثة ربط عدة نماذج ومكتبات، يكتفي Hot Folder بمراقبة مجلد، وتجهيز الصور، وتشغيل OCR، وحفظ النتيجة. وفي وضع الانتظار، بحسب ملاحظة المؤلف، يشغل البرنامج نحو 25 ميغابايت من الذاكرة.

لماذا لا يكفي التعرّف على النص

استخدمت النسخة الأولى من مهارة الوكيل مكتبة docTR. يعمل داخلها نموذجان: أحدهما يكتشف مناطق النص والآخر يتعرف على الحروف. لكن النتيجة تحتاج بعد ذلك إلى تحويلها إلى أسطر وترتيبها بالشكل الصحيح. ولهذا أضاف المؤلف bbox-align، وأضاف docuwarp لتقويم المستندات المشوهة.

وهنا ظهر حد هندسي مهم. فقد يرى OCR الكلمات المنفردة بشكل صحيح لكنه يخطئ في بنية المستند. أحيانًا تصل إحداثيات المستطيلات بترتيب غير متوقع، وتُجمَّع الأسطر خطأً، وتظهر بعض الكلمات معكوسة كالمرآة أو مقلوبة. وفي العبرية تزداد المهمة صعوبة: يُقرأ النص الأساسي من اليمين إلى اليسار بينما تُقرأ الأرقام داخله من اليسار إلى اليمين. لذا يلزم بعد التعرّف طبقة تطبيع منفصلة تفهم اتجاه الكتابة وهندسة المستند.

وحتى هذا نصف العمل فقط. فقد تختلف إيصالات سلسلة متاجر واحدة في موضع التاريخ ورقم الفرع والخصومات والضرائب. وقد يكون اسم المتجر صورة، والسلعة سطرًا بلا اسم، وقد يقابل رمز صنف واحد عدة بنود. لذلك يتعطل النموذج الموحد بسرعة. يسهّل نموذج لغوي كبير استخراج الحقول من نص غير متجانس، لكنه لا يلغي الحاجة إلى التحقق من المبالغ والتواريخ وأسطر السلع.

ما أظهرته Xiaomi-OCR

كانت المحاولة التالية مع Xiaomi-OCR-0 التي شُغّلت محليًا عبر llama.cpp على حاسوب محمول بذاكرة وصول عشوائي 24 غيغابايت وذاكرة فيديو نحو 0.5 غيغابايت. كان النموذج يُحمَّل عند الطلب ويُفرَّغ بعد المعالجة كي لا يشغل الذاكرة باستمرار. وقد جرى التعرف على إيصال اختبار من عشرة بنود في نحو 30 ثانية.

كانت النتيجة جيدة على الصور الواضحة والمستقيمة. أما في الإيصالات الضبابية فكان النموذج يفقد أجزاء، وينتقل أحيانًا إلى الأحرف الصينية، ويتعامل بشكل سيئ مع خط زوتيرلين. كما عمل النص الروسي بشكل غير مستقر في إعداد المؤلف. هذا لا يجعل النموذج عديم الفائدة، لكنه يبيّن ثمن العمل المحلي: يلزم مجموعة اختبار، ونسخة قابلة للتكرار من النموذج، وسيناريو فشل صريح.

ما الذي يُعتمد في النظام العملي

بالنسبة إلى جهاز يعمل بنظام Windows ويقبل ترخيصًا مدفوعًا، يظل Hot Folder خط أساس قويًا. فهو ينفذ بسرعة تجهيز الصورة وOCR، ويمكن ترك تحليل الحقول وتصنيف المصروفات والتحقق للوكيل. أما إذا كانت الشيفرة المفتوحة وقابلية النقل والتحكم الكامل في البيانات مهمة، فإن الجمع بين docTR أو Xiaomi-OCR ومعالجة لاحقة خاصة يمنح حرية أكبر، لكنه يتطلب جهدًا هندسيًا أكبر بوضوح.

الخلاصة العملية بسيطة: لا تبدأ باختيار نموذج رائج، بل بمجموعة من الإيصالات الحقيقية والمقاييس. قِس اكتمال الأسطر ودقة المبالغ وزمن المعالجة ونسبة المستندات المرسلة إلى المراجعة اليدوية. واحتفظ دائمًا بأداة جاهزة وبسيطة كنقطة مرجعية. فأحيانًا يكون أفضل وكيل هو ذاك الذي يراقب مجلدًا بصمت منذ خمسة عشر عامًا وينجز مهمة واحدة بلا مفاجآت.