現在、株式会社オルトア様との協同研究において、文字認識（OCR※）の技術検証をしています。
世の中にはすでにOCRエンジンが多数出ています。画像処理だけで行うエンジンもあれば、AIを駆使して動作するエンジンもあります。いずれにせよ、OCRという要素技術では、文字の状態によって得意不得意があるようです。

※OCR：Optical Character ReaderまたはRecognition

今回は、あるOCRエンジンの検証をしました。テスト対象は2D図面の画像データです。
世の中にある様々なOCRエンジンにおいても、処理の難易度はほぼ同様になるのでは？と考えています。

• フォントの違い
• 傾斜付き文字
• 下線付き文字
• 枠線付き文字
• 癖の強い手書き文字

上記のような文字の状態（条件）の違いによるOCRエンジンの検証結果の一部をご紹介します。

フォントの違いによる認識率の検証

条件

• 検証対象の文字列は、実際に2D図面で使用されている下記の例文を使用しました。

• 対象フォントは下記のWindows標準フォント5種類。

• フォントの違いだけでなく、使用した文字列認識技術では「日本語のみ」、「日本語＋英語（優先言語：日本語）」、「英語＋日本語（優先言語：英語）」の設定が可能だったため、設定ごとの認識率も確認しました。

検証結果

検証結果は下記一覧のようになりました。
調査したWindows標準フォントにおいては、70％以上で大きな差はないものの、BIZ UD明朝の「日本語のみ」と「日本語＋英語」の設定が一番認識率の高い結果になりました。

BIZ UD明朝の文字列：誤認識の例
　記号：　/（スラッシュ）、±（プラスマイナス）、□（四角枠）、▼（黒下向き三角）、＋（プラス）を誤認識
　文字：カタカナの「バ」を「パ」に誤認識など。

傾斜付き文字、下線付き文字、枠線付き文字の位置特定技術についての認識率の検証

条件

• 文字列の15°ピッチで傾けた13パターンで検証
• 「寸法値のみ」、「寸法に枠線、下線あり」で検証
• 対象フォントは、フォント違いの検証で使用したWindows標準フォント5種類。

検証結果

抽出レベルを4段階①~④で評価しました。
「レベル①：寸法値全体を１つの文字列として認識」できることがベストですが、「レベル②：寸法値全体を複数の文字列として認識」ができれば、後処理で文字の結合は可能になります。
調査したWindows標準フォントでは①、②を合わせると100％の認識率になりました。
枠線、下線があるほうが①の認識率が高くなるフォントなど、大変興味深い結果になりました。

数値の桁数と下線有無、癖の強い文字に対する認識率の検証

条件

• 整数値、小数点以下の桁数を変えたテストデータ8種類
• Windows標準フォント「MSゴシック」、癖の強いフォント例として、フリーフォント「GN曲線ストロークフォント」、「櫻井幸一フェルトペンフォント」で検証
• 文字サイズ3種類、「小」、「中」、「大」
• 数値に下線有無
• 「日本語＋英語」、「英語のみ」の条件設定

検証結果

MSゴシックの下線無しでは文字サイズの影響は少なく、整数1文字だけの認識ができていません。
下線付きの場合は認識率が大幅に低下する結果に、また、癖の強いフォントでは条件の違い以前に、認識ができない結果になりました。

今回のOCRエンジン検証は、上記のような結果となりました。
手書き文字の検証については、検証結果が整理できたところで、このラボラトリーに追加掲載します。

OCRエンジンは今後も進化し続けていくでしょう。アルモニコスも引き続きOCRエンジンの進化に伴った検証を進めていきたいと思います。

研究担当