A strukturálatlan vizuális adatok jelentik az egyik legnagyobb szűk keresztmetszetet a modern üzleti működésben. A számlák ferde telefonos fotóként érkeznek, az igazolványok becsillannak vagy árnyékosak, a helyszíni felmérések pedig több ezer rendszerezetlen fotót eredményeznek, amelyeket a munkatársaknak hunyorogva, kézzel kell átgépelniük. Ez a folyamat lassú, hibákkal teli, és megbénítja a cég operatív kapacitását. Robusztus gépi látási és intelligens dokumentumfeldolgozó (IDP) folyamatokat építek, amelyek pontos üzleti jelentést nyernek ki a képi világból. A kép-előfeldolgozás, a multimodális látási modellek és a szigorú sémavalidáció ötvözésével a képi dokumentumok másodpercek alatt típusbiztos adatbázis-rekordokká válnak. Kulcsfontosságú, hogy bizonytalan képminőség esetén a megbízhatósági pontozás automatikusan egy ergonomikus, egymás melletti emberi ellenőrző felületre irányítja a határeseteket – 100%-os adatintegritást biztosítva a munkafolyamatok lassítása nélkül.
Beszéljük meg a projektjétA végleges feladatkört és részleteket az Ön projektjéhez igazítva határozzuk meg.
Elemezzük az Ön valós képanyagainak reprezentatív mintáit: ferde szkenneléseket, gyűrött nyugtákat, beszállítói PDF-eket vagy terepi kamerafotókat. Felmérjük a várható képi zajt, a fényviszonyok ingadozásait és a kinyerendő pontos adatmezőket.
A közvetlen kamerafelvételek ritkán tökéletesek. Olyan automatizált előfeldolgozást építünk, amely korrigálja a perspektivikus torzítást, kiegyenesíti a ferde dokumentumokat, normalizálja a kontrasztot és kiszűri az árnyékokat, mielőtt a kép a felismerő modellekhez kerülne.
Messze túlmutat az egyszerű szövegkinyerésen. Összetett kulcs-érték párokat, többsoros táblázatos tételeket és kézírásos megjegyzéseket nyerünk ki, a vizuális elrendezést közvetlenül strukturált JSON-sémákba képezve le.
Modelleket tanítunk be és állítunk hadrendbe a beérkező képek automatikus kategorizálására. Legyen szó gépjárműfotók látószög szerinti rendezéséről, raktárkészlet-besorolásról vagy sérült csomagok észleléséről, a képek manuális címkézés nélkül rendszereződnek.
Soha ne bízzon vakon a vizuális adatkinyerésben. A felismert adószámokat, számlaösszegeket, dátumokat és sorozatszámokat ellenőrzőösszeg-képletekkel, reguláris kifejezésekkel és matematikai keresztellenőrzésekkel hitelesítjük, mielőtt bekerülnének az adatbázisba.
Ha egy kép sérült, és a modell megbízhatósági pontszáma a meghatározott küszöbérték alá esik, a rendszer megjelöli a rekordot. A kezelők a kiemelt mező mellett közvetlenül látják a kivágott eredeti képrészletet, és egyetlen billentyűnyomással jóváhagyhatják vagy módosíthatják azt.
Az ellenőrzött adatok nem maradnak tétlenek. Webhook-figyelők és háttérfolyamatok (workers) azonnal frissítik a CRM-et, elindítják a beszállítói megrendeléseket, egyeztetik a banki tételeket, vagy értesítik az illetékes kollégákat.
A pontosság és az API-költségek optimális egyensúlyára tervezve. Gyors helyi modelleket alkalmazunk a nagy volumenű alapszintű OCR-hez, és nagy teljesítményű multimodális modelleket a bonyolult szemantikai értelmezéshez – szigorú, GDPR-kompatibilis képmegőrzési szabályzat mellett.
Elemezzük az Ön valós képanyagainak reprezentatív mintáit: ferde szkenneléseket, gyűrött nyugtákat, beszállítói PDF-eket vagy terepi kamerafotókat. Felmérjük a várható képi zajt, a fényviszonyok ingadozásait és a kinyerendő pontos adatmezőket.
Az éles működésben alkalmazott gyakorlati gépi látás többrétegű mérnöki megközelítést igényel egyetlen zárt, fekete doboz jellegű modell helyett. Az OpenCV és a Sharp könyvtárakat alkalmazom a képtranszformációhoz és a térbeli normalizáláshoz; a Google Cloud Vision, az AWS Rekognition vagy a Tesseract motorokat a nagy áteresztőképességű optikai karakterfelismeréshez; valamint modern multimodális látási modelleket (Claude 3.5 Sonnet Vision, GPT-4o), amikor a dokumentumok mély szemantikai értelmezést és komplex táblázatelemzést igényelnek. Különösen alacsony késleltetést vagy offline működést igénylő feladatoknál eszközoldali vagy peremhálózati (edge) feldolgozást valósítok meg TensorFlow Lite vagy ONNX segítségével. Minden adatkinyerést szigorú Zod sémavalidáció biztosít, az eredmények pedig biztonságos, aszinkron feladatsorokon (queues) keresztül azonnal beépülnek az Ön backend-rendszerébe.
Egyetlen létező modell sem képes 100%-os pontosságra sérült vagy elmosódott képeken, és aki mást állít, az félrevezeti Önt. A lényeg az, hogy a mérnöki architektúra hogyan kezeli a bizonytalanságot. Adatfolyamunk minden egyes kinyert mezőhöz matematikai megbízhatósági pontszámot rendel. Gyenge megvilágítás vagy kitakart szöveg esetén a rendszer automatikusan egy áramvonalas emberi ellenőrző felületre irányítja a dokumentumot – garantálva, hogy az adatbázisába kizárólag 100%-ban ellenőrzött, pontos adatok kerüljenek be.
Szigorú adatminimalizálással és adatmegőrzés nélküli (zero-retention) architektúrák alkalmazásával. A képek titkosítása átvitel közben TLS-en, nyugalmi állapotban pedig AES-256 szabvánnyal történik. Az érzékeny dokumentumokat olyan vállalati API-kon keresztül dolgozzuk fel, amelyek szerződésben garantálják a nulla adatmegőrzést, vagy közvetlenül az Ön dedikált privát infrastruktúráján futtatjuk a folyamatot. A kinyerés és ellenőrzés befejezése után a nyers képfájlokat védett tárolókba archiváljuk, vagy a szabályozási előírásoknak megfelelően véglegesen töröljük.
A modern multimodális látási modellek kiemelkedő pontossággal képesek értelmezni a rendezett vagy mérsékelten olvasható kézírást (például aláírásokat, dátumokat és kézzel kitöltött űrlapmezőket). A súlyosan sérült vagy szabálytalan folyóírás azonban továbbra is kihívást jelent. A kezdeti mintaértékelési fázisban reprezentatív kézírásmintákon teszteljük az alappontosságot, és ennek megfelelően alakítjuk ki az emberi felügyelet (human-in-the-loop) határvonalait.
Igen. A kötegelt feldolgozás (batch processing) az egyik leggyakoribb operatív alkalmazási terület. Elosztott aszinkron háttérfolyamatokat (workers) állítunk be, amelyek akár éjszaka, a háttérben dolgozzák fel a korábbi PDF-ek vagy képarchívumok nagy tételsorait. A rendszer valós időben követi az előrehaladást, kezeli a hívási korlátokat (rate limits), a kivételeket egy ellenőrzési sorba irányítja, a végeredményt pedig tiszta, strukturált JSON vagy SQL rekordokként adja át, készen az adatbázisba történő importálásra.
Kifejezetten a villámgyors billentyűzetes használatra és a maximális ergonómiára terveztük. A kezelőfelületen a kérdéses beviteli mező mellett közvetlenül megjelenik a dokumentum kivágott képrészlete. A rendszer sárgával emeli ki a bizonytalan karaktert vagy szót. Az operátor a szóköz (Space) lenyomásával azonnal jóváhagyhatja a mezőt, vagy a numerikus billentyűzeten másodpercek alatt korrigálhatja – így több száz megjelölt rekord ellenőrizhető percek alatt, órákig tartó manuális munka helyett.
Minden együttműködéshez egyedi árajánlat készül a hatókör, az összetettség és a szállítási igények pontos felmérése alapján. A fejlesztés megkezdése előtt minden munkafolyamatban és költségben előre megállapodunk.
Egyedi fejlesztésű projektek (bespoke) esetén a fejlesztett kód 100%-ban az Ön tulajdonába kerül, saját kézben lévő adattárakkal (repositories), saját infrastruktúra-hozzáféréssel, alapos dokumentációval és teljes tulajdonjogú átadással (sovereign handover). A felhasznált harmadik féltől származó komponensek és szolgáltatások megőrzik saját licenceiket és feltételeiket. Amennyiben egy már meglévő termék vagy bevált alap maradéktalanul kielégíti az igényeit, segítek annak bevezetésében és testreszabásában, elkerülve a felesleges párhuzamos fejlesztést. Ilyen esetben a hozzáférést az adott termék megállapodott feltételei szerint kapja meg, miközben a mögöttes platformmag a tulajdonosánál marad.
Az egyedi projektek az élesítést követően 60 napos hibajavítási és stabilizációs időszakot tartalmaznak a megállapodott szállítási terjedelemre. A folyamatos támogatás ezt követően karbantartási megállapodás keretében biztosítható, az új funkciók fejlesztését pedig külön projektként határozzuk meg. A kész termékekhez való hozzáférés az adott termék hivatalos támogatási feltételeit követi.
Meséljen az ötletről, a felmerült kihívásról vagy a termék azon részéről, amellyel előre szeretne lépni. Együtt meghatározzuk a pontos kereteket és a leginkább célravezető következő lépést.
Beszéljünk a termékéről