nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

As we transition to the new Hyland Community, some post links may be temporarily disrupted as we finalize redirects. We apologize for the inconvenience and are working to resolve this as quickly as possible. Details.

Salut,Je suis un novice de la plate-forme Alfresco...

amfaye

Salut,

Je suis un novice de la plate-forme Alfresco et je suis en train de développer une application de gestion de contenu dans laquelle je doit intégrer un OCR à partir duquel je doit lancer le scannage. Après la phase de scannage les documents scannés doivent être imputés dans Alfresco.

J'aimerai savoir comment faire et quel OCR utilisé?

Cordialement.

Find more posts tagged with

Comments

michaelh

Bonjour,

En fait la réponse se trouve juste au dessous :
http://forum.alfresco-fr.org/viewtopic.php?id=230

3 outils disponibles :
- Kofax
- eCopy
- Tiger OCR

Le code pour l'intégration Kofax se trouve dans les sources Alfresco, sur le SVN.

Une autre solution pour de petites structures (avec un scanner sur le poste de travail), et de stocker simplement les fichiers numérisés dans un espace Alfresco, depuis votre outil préféré.

amfaye

Salut,

Merci Michael de votre réponse

cordialement

amfaye

Salut,
Je voulais savoir pour chacun des outils suivants:

      Kofax
      eCopy
      Tiger OCR

les répertoires ou les packages dans la source d'Alfresco qui contiennent leur code source.

Cordialement

amfaye

Salut,
Je voudrais savoir le répertoire qui contient le script d'inégration de kofax dans la source d'Alfresco et le nom du script.

En plus j'ai besoin du lien qui contient la nouvelle version du code d'Afresco. J'ai fait un check out d'une version avec cette adresse: svn://www.alfresco.org/alfresco/HEAD je ne sais pas si c'est le bon.

Je vous serai très reconnaissant de m'aider le plus rapidement possible car je suis dans l'urgence.

Cordialement

amfaye

salut,
Meci à tous et toutes. J'ai pu trouvé le répertoire. C'est le répertoire <<imaging>> qui se trouve dans <<projects>> qui contient le code d'intégration de kofax.
Le lien svn pour le téléchargement de la source est:svn://www.alfresco.org/alfresco/HEAD

Cordialement

amfaye

Salut,
Comment kofax est -il intégré dans Alfresco? J'ai téléchargé la source de Alfresco mais contrairement à ce que j'attendais qu'il soit intégré dans Alfresco, c'est à dire le script; il me semble que c'est le code source de kofax tout entier qui est intégré. Peut je me trompe; dites moi please.

Comment déployer Kofax dans la nouvelle version de Alfresco?
En fait j'ai installé l'exécutable de Alfresco community mais je ne vois pas un lien ou un bouton qui me permet de lancer kofax via Alfresco. Je pense que cela devait être possible puisse c'est intégré dans Alfresco. Je me trompe? Dites moi please.

Cordialement

michaelh

Le fonctionnement avec Kofax est le suivant :
- On intègre un script à la solution Kofax (accent capture pour être exact)
- On précise(dans Kofax toujours) les espaces où "tombent" les résultats de scan, les propriétés à renseigner, …
- On travaille depuis Kofax, et Alfresco récupère les documents produits, avec Kofax qui renseigne les propriétés

En gros … on ne lance rien depuis Alfresco.

En fait, je ne comprends pas bien où vous voulez en venir … le fonctionnement que vous semblez attendre maintenant n'est pas celui de votre premier message.

amfaye

Salut,
Merci MichaelH des ces précisions.

En fait dans le code source de Alfresco, il ya le code source de Kofax qui est intégré.Il se trouve dans le répertoire imaging. Donc cela suppose que lors de l'installation de Alfresco, Kofax sera aussi installé. Or moi je veux installer Alfresco sur un serveur linux et Kofax sur des machines clientes. Mais avec cette nouvelle version de Alfresco, si je ne me trompe, tout est installé sur une même machine du fait qu'on a intégrer le code de Kofax dans Alfresco. C'est ça mon problème.

Dites moi si j me trompe please.

Cordialement

michaelh

La réponse est oui : tu te trompes.

Kofax est un outil sans lien direct avec Alfresco. C'est un logiciel propriétaire, géré par un éditeur différent, et en aucun cas Alfresco n'installe Kofax. Juste quelques scripts qui permettent de faire les liens entre les deux (si Kofax faisait quelques centaines de kilo octets, ce serait le plus compact des outils d'OCR au monde

Le principe de base est donc d'avoir AVANT TOUT une solution kofax fonctionnelle.
C'est indiqué dans les prérequis de la documentation : http://wiki.alfresco.com/wiki/Kofax_Release_Script
"Necessite Kofax Ascent Capture Version 7.x"

amfaye

Salut,
Je vous remercie Michael de votre aide. Tout est clair maintenant à mon niveau.

Cordialement

amfaye

Salut,
J'aimerai savoir comment préciser à kofax les espaces ou l'espace où les documents scannés vont tomber.

Cordialement

amfaye

Salut,

Quel est le protocole utilisé pour la communication entre Kofax Ascent Capture et Alfresco ?
Si Quelqu'un a une idée des messages échangés entre les deux applications je suis à leur recherche. En fait je dois fair un diagramme dynamique qui illustre la communication entre ces deux applications.

Cordialement

michaelh

TCP/IP

Non, sans rire (c'était tellement tentant), il faut absolument que vous cherchiez un minimum … surtout que vous avez le code du plugin !
Allez, je vous donne un indice : Alfresco.dll.config

A vous de jouer.

amfaye

Salut,
J'ai installé le script d'intégration d'Ascent Capture dans Alfresco. J'ai créé une classe de document que j'ai inséré dans une classe de batch. Lors de l'association du script de communication j'ai choisi celui que je vient d'installer(le script de Kofax Ascent Capture). Une fenêtre s'est ouvert où je doit saisir le username, le mot de pass de l'utilisateur et l'url du repository. Quand j'ai rempli toutes les informations et je clique sur le bouton connect il me signale l'erreur suivante:
<<<
error displaying folder spaces at KofaxAlfrescoRelease_v1.frmAlfrescoSetUp.displayLocationTree(String selectedUuid) at KofaxAlfrescoRelease_v1.frmAlfrescoSetUp.btnConnect_Click(Object sender, EventArgs e) in C:Kofaxkofax Relae Script SuffKofax StuffReleaseKfxXMLv5frmAlfescoSetUP.cs:line 464
>>>

Please help.

Cordialement

dranakan

Hello,

J'ai entendu qu'Adobe avait un produit pour extraire les données : "Adobe Capture". Est-ce que quelqu'un peut me confirmer que cela fonctionne ? Mon but étant de pouvoir extraire quelques champs d'une facture par exemple et de les placer en métadata sur un document géré par Alfresco (je le ferai manuellement en lisant le fichier tiers contenant ces metadata générer par Adobe Capture).
L'avantage est que ce produit est moins cher que Kofax.
Merci

zomurn

Sujet intéressant….une nouvelle demande cliente (comme beaucoup j'imagine) qui s'intéresse au scan de facture EDF pour les intégrer directement en compta….
Je dois donc creuser sur ces OCR pour extraire l'information pertinente des Scan.

Merci pour toutes les précisions, je fonce à l'étude

dranakan

Hello,

J'avais fait plusieurs recherches pour trouver un moyen de rendre des documents images en document images-texte (pour extraire des données).

Il existe des scanners qui font cela (par exemple Kodak scan station). Sinon, on peut utiliser un programme tiers qui va faire ce travaille (on peut le démarrer depuis Alfresco comme commande externe) : sous Linux : http://www.ocr4linux.com/fr:start. (payant)

Cela ne fait que transformer un PDF image en PDF image-texte et cela sans intervention d'un utilisateur. Pour extraire des champs, on peut, dans le code, extraire une partie du PDF (en donnant les positions) puis lire le contenu.

zomurn

Merci beaucoup pour le retour du scanner.
Et comment (avec quelle API) on peut extraire les champs texte d'un pdf scanné en tant Image+Texte en définissant une coordonnée 2D ?
Le petit souci (je pense) est que l'on veut rester full open source (entendre par là "Gratos" pour le client qui est dans le domaine public (pas un rond)).
D'ailleurs, le dév se ferait sous alfresco community bien sûr.

dranakan

Dans cette situation, je te conseille d'explorer cette voie là :

-Découper un PDF (image) selon la position (librairies pdfbox ou iText, …). Cela va créer un nouveau PDF avec le contenu voulu.
-Eventuellement convertir si besoin (produit : ImageMagick) vers un format image
-OCR (ressortir le texte) Produit : tesseract-ocr

Avec ceci, tu es capable de ressortir le contenu de PDF en texte.

Bonne chance 🙂

zomurn

Bonjour,

Je viens de tester le petit utilitaire que tu cites : tesseract-ocr et le résultat est très correcte.
En fait, j'ai effectué la chaîne de transformation suivante :

1) Je scan ma facture EDF en format .tiff (seul format reconnu par l'utilitaire ; malheureusement il est très volumineux)
2) Via l'API Java Jai, je crop l'image tiff d'entrée pour générer une image tiff de sortie qui ne contient que la zone que je cherche à OCRiser
3) Via le programme Java, je lance le programme tesseract-ocr avec en input l'image tiff croppée.
4) J'obtiens en output un fichier texte contenant par ex. le montant total TTC.

Maintenant je m'intéresse à la robustesse de l'algorithme : c'est à dire, une valeur seuil que je calcule et m'indiquera si oui ou non le scan est correct pour OCRisation de la facture.
Cela veut dire que je m'attends toujours au même modèle de facture d'entrée (coordonnée de la zone d'extraction en dur dans le code) et que le scan soit fait correctement (la feuille mise bien à plat dans le scanner), que les plis éventuels de la feuille nuisent pas à la qualité de l'OCR, que l'orientation de la feuille ne soit pas trop inclinée (normalement non si on la cale bien dans l'angle dans le scanner), etc…

A la suite de quoi, je pense qu'il est possible de générer le modèle de métadonnée à la volée après intégration de la facture dans Alfresco.

Merci.

dranakan

Hello,

Chapeau, tu n'as pas chômé…

>>Je scan ma facture EDF en format .tiff (seul format reconnu par l'utilitaire ; malheureusement il est très volumineux)
Bon, tu peux scanner en PDF, puis changer le format avec ImageMagick. Tu peux aussi découper la forme avant la conversion pour économiser place/temps…

L'idéal serait de pouvoir gérer les positions avec un utilitaire en ligne (à créer) dans Alfresco.
Par exemple, si la forme de la facture change, il serait judicieux d'entrer dans un programme, positionner un rectangle (sur le champ que l'on désire extraire) puis sauver ce modèle (qui communiquera les bonnes positions des champs lors de l'extraction).

Cela devrait être utilisable par un employé de bureau. Comme ça, s'il y a une nouvelle facture à extraire (d'un nouveau fournisseur) ou une facture change de forme, la personne responsable créée le modèle d'extraction et les champs sont traités…
Il faudrait reconnaître les modèles (d'après le nom, num. téléphone…)

Enfin… ce ne sont que des idées… et beaucoup de temps à développer…

zomurn

Bonjour,

Bon, tant qu'on est sur le sujet, voici le fruit de mon travail des dernières études (les dév sont en cours).
En fait pour gérer les nouvelles factures ou bien la modification de celles existantes, cela passera par une demande au développeur.
Je pense qu'il vaut mieux, il en va de la qualité de l'OCR….du moins surtout s'il y a peu de factures différentes à intégrer.
De plus, il sera toujours temps de "migrer" vers une belle applet où on défini des zones rectangulaires sur une image (en début de projet, cela est coûteux en temps et n'est pas ce qu'attend le client, mais plutôt une "démo" d'un truc qui montre que l'OCR marche.)
en ce qui concerne la robustesse, j'ai ajouté quelques paramètres.
Plus globalement, j'ai carrément défini un fichier de template XML qui correspond à la config de l'OCR pour une seule facture.
Donc un fichier de conf ocr XML par factures différentes.
Voici un exemple de définition de mon Shema XML :

<?xml version="1.0" encoding="UTF-8"?>
<ns:ocr xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
&nbsp;&nbsp;&nbsp;xmlns:ns="http://www.intuitiv.fr/OCRSchema" xsi:schemaLocation="http://www.intuitiv.fr/OCRSchema ocr.xsd"
&nbsp;&nbsp;&nbsp;ns:name="OCR EDF 300DPI BW">
&nbsp;&nbsp;&nbsp;
&nbsp;&nbsp;&nbsp;<!–&nbsp;&nbsp;&nbsp;Montant total TTC–>
&nbsp;&nbsp;&nbsp;<ns:area ns:name="Montant total TTC" ns:type="numeric">
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<ns:rect ns:xmin="1" ns:ymin="1" ns:width="1" ns:height="1" />
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<ns:threshold ns:bin="0" ns:band="0">
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<ns:fixed ns:value="11000" ns:tolerance="10" />
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</ns:threshold>
&nbsp;&nbsp;&nbsp;</ns:area>
</ns:ocr>‍‍‍‍‍‍‍‍‍‍‍‍‍

- Le tag "ocr" est le tag racine avec un seul attribut "name" qui revèle l'intitulé du template ocr (spécifique à une facture, ici une facture d'EDF scannée en 300DPI noir et blanc : c'est ce à quoi est adapté ce fichier de conf !)
Ensuite, la balise "ocr" contient une ou plusieurs balises "area" qui sont ni plus ni moins des zones rectangulaires à définir et qui peuvent contenir une valeur seuil ("threshold"). Ici la valeur seuil est de 11000 avec une tolérance de + ou - 10%. Cela veut dire que le nombre de pixel noir est d'environ 11000 dans cette zone et si à 10% près cela n'est pas respecté, cela signifie que le scan est mauvais ou bien qu'il ne s'agit pas d'une facture EDF 300DPI NB TIFF Compréssé.
Un tag "area" peut être de 3 types pour aider l'OCR : numeric (une zone qui contient que des chiffres, il s'agit d'un argument de valeur pour tesseract), alphanumeric (peut contenir tout et n'importe quoi), identity (une telle area veut dire que si cette zone n'a pas été validé suite à la valeur seuil spécifiée alors l'OCR est refusé de manière certaine : il ne s'agit pas d'une facture EDF). En général, je pense définir la zone du logo "EDF" comme zone de type "identity".
Par extension, grâce à la zone de type identity , je serai capable de déterminer la facture que l'on scan (EDF, GDF, FT, etc.)

….voilà pour les ébauches "théoriques"