Ustrukturerte visuelle data er et av de største friksjonspunktene i moderne forretningsdrift. Fakturaer ankommer som skjeve mobilbilder, legitimasjon sendes inn med reflekser og skygger, og feltinspeksjoner produserer tusenvis av uorganiserte bilder som medarbeidere må myse på og taste inn for hånd. Det er tregt, feilutsatt og kveler den operative kapasiteten. Jeg bygger robuste pipelines for maskinsyn (computer vision) og intelligent dokumentbehandling (IDP) som henter ut strukturert mening fra visuelt materiale. Ved å kombinere bildeforbehandling og multimodale modeller med streng skjemavalidering, omsettes bildefiler til typede databaseregistreringer på sekunder. Avgjørende er det at når bildekvaliteten er usikker, ruter konfidensberegninger (confidence scoring) grensetilfeller til oversiktlige side-om-side-grensesnitt for manuell kontroll (human-in-the-loop) – noe som sikrer 100 % dataintegritet uten å bremse driften.
Diskuter prosjektet dittDet endelige omfanget tilpasses nøyaktig til prosjektet ditt.
Vi analyserer representative utvalg av de faktiske bildene deres – skjeve skanninger, krøllede kvitteringer, leverandør-PDF-er eller bilder tatt i felt. Vi kartlegger forventet støy, lysvariasjoner og nøyaktig hvilke datafelter som må hentes ut.
Rå kamerabilder er sjelden perfekte. Vi bygger automatiserte forbehandlingsledd som korrigerer perspektiv, retter opp skjeve dokumenter, normaliserer kontrast og fjerner skygger før bildene sendes til gjenkjenningsmodellene.
Hent ut tekst fra avanserte tabelloppsett, flerkolonne-fakturaer, fraktbrev og pass/førerkort. I stedet for rå, ustrukturerte tekststrenger kobler systemet visuelle avgrensningsbokser (bounding boxes) direkte til semantiske datafelter.
Tren og rull ut modeller for å kategorisere innkommende bilder automatisk. Enten det gjelder å sortere bilbilder etter eksteriørvinkel, klassifisere varer på lager eller flagge transportskader, indekseres bildene uten manuell merking.
Stol aldri blindt på visuelt uttrekk. Uttrukne organisasjonsnumre, beløp, datoer og serienumre krysssjekkes mot kontrollberegninger, regex-mønstre og matematiske formler før de lagres i databasen.
Når et bilde er utydelig og modellens konfidensscore (confidence score) faller under den avtalte terskelen, flagges saken. Operatøren ser det aktuelle bildeutsnittet direkte ved siden av det markerte feltet, og bekrefter eller korrigerer med et enkelt tastetrykk.
Når dataene er verifisert, blir de umiddelbart operative. Webhooks og hendelsesstyrte bakgrunnsprosesser oppdaterer CRM-et, sender innkjøpsordrer, avstemmer bankbilag eller varsler saksbehandlere automatisk.
Konstruert for å balansere nøyaktighet mot driftskostnader. Vi benytter lette, lokale modeller for standard OCR i store volumer, og aktiverer avanserte multimodale modeller ved komplekse dokumenter – med full overholdelse av strenge GDPR-regler for bildelagring.
Vi analyserer representative utvalg av de faktiske bildene deres – skjeve skanninger, krøllede kvitteringer, leverandør-PDF-er eller bilder tatt i felt. Vi kartlegger forventet støy, lysvariasjoner og nøyaktig hvilke datafelter som må hentes ut.
Praktisk datasyn i produksjon krever en lagdelt arkitektur fremfor én ugjennomsiktig blackbox-modell. Jeg kombinerer OpenCV og Sharp for bildeoptimalisering og vinkelretting; Google Cloud Vision, AWS Rekognition eller Tesseract for rask optisk tegngjenkjenning (OCR); og multimodale modeller (Claude 3.5 Sonnet Vision, GPT-4o) når dokumentene krever dyp forståelse av tabeller og semantisk sammenheng. For direkte prosessering på enheter eller i edge-miljøer implementeres TensorFlow Lite eller ONNX der responstid eller offline-støtte er avgjørende. Alle datauttrekk valideres via Zod-skjemaer og rutes inn i backend-systemene deres via sikre asynkrone webhook-køer.
Ingen modell i verden er 100 % treffsikker på uklare eller skadede bilder, og enhver som påstår det, snakker usant. Derfor designer jeg systemene med sannsynlighetsbaserte terskelverdier (confidence thresholds). Hvis et bilde er skarpt og modellen har høy sikkerhet, behandles dokumentet automatisk på sekunder. Hvis bildet er utydelig og sikkerhetsgraden faller under avtalt nivå (f.eks. 90 %), rutes det umiddelbart til et operatørgrensesnitt der et menneske kan godkjenne eller korrigere verdien på to sekunder.
Ved å håndheve streng dataminimering og arkitektur uten unødig lagring (zero-retention). Bildene krypteres under transport (TLS) og ved lagring (AES-256). Vi ruter sensitive dokumenter gjennom bedrifts-API-er med garantert null datalagring, eller prosesserer dem lokalt på privat infrastruktur. Så snart uttrekk og kontroll er fullført, arkiveres råfilene i lukkede lagringsbøtter eller slettes i tråd med virksomhetens slettefrister.
Moderne multimodale modeller kan tolke ryddig eller moderat leselig håndskrift (som signaturer, datoer og avkryssinger) med imponerende presisjon. Utydelig eller svært slurvete løkkeskrift er likevel krevende. Under innledende testing sjekker vi et representativt utvalg av håndskrevne dokumenter for å etablere et presisjonsnivå og definere passende grenser for manuell kontroll og validering (human-in-the-loop).
Ja. Batch-behandling i store volumer er et typisk bruksområde. Vi konfigurerer distribuerte, asynkrone bakgrunnsprosesser (workers) som bearbeider store etterslep av historiske PDF-er eller bildearkiver over natten. Systemet overvåker fremdriften i sanntid, respekterer hastighetsbegrensninger (rate limits), flagger avvik i en kontrollkø, og leverer strukturerte JSON- eller SQL-data klare til databaseimport.
Det er optimalisert for lynrask tastaturbruk og ergonomisk effektivitet. Operatøren ser det aktuelle bildeutsnittet direkte ved siden av feltet som må kontrolleres. Det usikre tegnet eller ordet er markert med en tydelig farge. Saksbehandleren bekrefter med mellomromstasten eller taster inn en rask rettelse, og kan dermed gå gjennom hundrevis av flaggede oppføringer på få minutter.
Hvert oppdrag prises individuelt, basert på dets omfang, kompleksitet og leveransebehov. Vi blir enige om arbeidet og kostnaden før utviklingen begynner.
For skreddersydde prosjekter eier du 100 % av den tilpassede kildekoden, med klientkontrollerte kodelagre (repositories), full kontroll over infrastrukturen, komplett dokumentasjon og en fullstendig overlevering med totalt eierskap (sovereign handover). Tredjepartskomponenter og eksterne skytjenester beholder sine respektive lisenser og vilkår. Dersom et eksisterende produkt eller en utprøvd plattformkjerne passer dine behov, kan jeg hjelpe deg med å ta det i bruk og konfigurere det for å unngå unødvendige utviklingskostnader. Du får full operasjonell tilgang under avtalte vilkår, mens den underliggende plattformen forvaltes videre av eieren.
Engangsprosjekter inkluderer 60 dager med feilretting og teknisk stabilisering etter lansering for den avtalte leveransen. Videre oppfølging kan videreføres gjennom en løpende vedlikeholdsavtale, der nye funksjoner estimeres separat. For eksisterende plattformprodukter gjelder produktets egne supportvilkår.
Fortell meg om ideen, problemet, eller den delen av produktet ditt du vil drive fremover. Vi kan finne ut omfanget og det rette neste steget sammen.
La oss snakke om produktet ditt