Automatické zpracování tištěné papírové účtenky za palivo

Abstract

Práce porovnává úspěšnosti několika postupů pro rozpoznání ceny, času a datumu na tištěné účtence za palivo s použitím OCR nástroje Tesseract. V předzpracování účtenky zkoumá vliv Sauvolova binarizačního algoritmu a mediánového filtru. Pro odhad zkosení účtenky srovnává Houghovu transformaci a metodu lineární regrese s K-means. Celé řešení je implementováno ve formě webové aplikace a porovnáno s Google Vision. Nejlepší úspěšnost řešení je pro datum, které na účtence nalezne v 73 % případů v porovnání s 92 % u Google Vision.

The thesis compares several methods for price, time and date recognition on printed fuel receipt using OCR tool Tesseract. In preprocessing step, Sauvola binarization and median filter impact is studied. For skew estimation, Hough transformation and linear regression with K-means are compared. This process is implemented as a web application and compared with Google Vision. The best method result is 73% for date extraction compared to 92% with Google Vision.