‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

איך מנסים את זיהוי התווים האופטי (OCR)

במדריך הזה נסביר איך להריץ בדיקה של זיהוי תווים אופטי (OCR) באמצעות שירות Vertex AI Vision של Google.

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי הוראות ההגדרה של Python במאמר התחלה מהירה של Vertex AI באמצעות ספריות לקוח. מידע נוסף מופיע במאמרי העזרה של ה-API בשפת Python של Vertex AI.

יוצרים קובץ Python‏ ocr_test.py. מחליפים את הערך image_uri_to_test במזהה המשאבים האחיד (URI) של תמונת המקור, כמו שמוצג:

import os
import requests
import json

def detect_text_rest(image_uri):
    """Performs Optical Character Recognition (OCR) on an image by invoking the Vertex AI REST API."""

    # Securely fetch the API key from environment variables
    api_key = os.environ.get("GCP_API_KEY")
    if not api_key:
        raise ValueError("GCP_API_KEY environment variable must be defined.")

    # Construct the Vision API endpoint URL
    vision_api_url = f"https://vision.googleapis.com/v1/images:annotate?key={api_key}"

    print(f"Initiating OCR process for image: {image_uri}")

    # Define the request payload for text detection
    request_payload = {
        "requests": [
            {
                "image": {
                    "source": {
                        "imageUri": image_uri
                    }
                },
                "features": [
                    {
                        "type": "TEXT_DETECTION"
                    }
                ]
            }
        ]
    }

    # Send a POST request to the Vision API
    response = requests.post(vision_api_url, json=request_payload)
    response.raise_for_status()  # Check for HTTP errors

    response_json = response.json()

    print("\n--- OCR Results ---")

    # Extract and print the detected text
    if "textAnnotations" in response_json["responses"]:
        full_text = response_json["responses"]["textAnnotations"]["description"]
        print(f"Detected Text:\n{full_text}")
    else:
        print("No text was detected in the image.")

    print("--- End of Results ---\n")

if __name__ == "__main__":
    # URI of a publicly available image, or a storage bucket
    image_uri_to_test = "IMAGE_URI"

    detect_text_rest(image_uri_to_test)

מחליפים את מה שכתוב בשדות הבאים:

IMAGE_URI עם מזהה משאבים אחיד (URI) של תמונה שזמינה לציבור ומכילה טקסט, לדוגמה, https://cloud.google.com/vision/docs/images/sign.jpg. לחלופין, אפשר לציין מזהה משאבים אחיד (URI) של Cloud Storage, לדוגמה, gs://your-bucket/your-image.png.

יוצרים Dockerfile:

ROM python:3.9-slim

WORKDIR /app

COPY ocr_test.py /app/

# Install 'requests' for HTTP calls
RUN pip install --no-cache-dir requests

CMD ["python", "ocr_test.py"]

יוצרים את קובץ האימג' של Docker לאפליקציית התרגום:
```
docker build -t ocr-app .
```
פועלים לפי ההוראות במאמר הגדרת Docker כדי:
1. מגדירים את Docker,
2. יוצרים סוד, ו
3. מעלים את התמונה ל-HaaS.
נכנסים לאשכול המשתמשים ויוצרים את קובץ ה-kubeconfig שלו עם זהות משתמש. חשוב להגדיר את הנתיב של kubeconfig כמשתנה סביבה:
```
export KUBECONFIG=${CLUSTER_KUBECONFIG_PATH}
```
כדי ליצור סוד של Kubernetes, מריצים את הפקודה הבאה בטרמינל ומדביקים את מפתח ה-API:
```
kubectl create secret generic gcp-api-key-secret \
  --from-literal=GCP_API_KEY='PASTE_YOUR_API_KEY_HERE'
```
הפקודה הזו יוצרת סוד בשם gcp-api-key-secret עם מפתח GCP_API_KEY.

מחילים את קובץ המניפסט של Kubernetes:

apiVersion: batch/v1
kind: Job
metadata:
  name: ocr-test-job-apikey
spec:
  template:
    spec:
      containers:
      - name: ocr-test-container
        image: HARBOR_INSTANCE_URL/HARBOR_PROJECT/ocr-app:latest # Your image path
        # Mount the API key from the secret into the container
        # as an environment variable named GCP_API_KEY.
        imagePullSecrets:
        - name: ${SECRET}
        envFrom:
        - secretRef:
            name: gcp-api-key-secret
      restartPolicy: Never
  backoffLimit: 4

מחליפים את מה שכתוב בשדות הבאים:

‫HARBOR_INSTANCE_URL: כתובת ה-URL של מופע Harbor.
‫HARBOR_PROJECT: פרויקט Harbor.
‫SECRET: השם של הסוד שנוצר לאחסון פרטי הכניסה של Docker.

בודקים את סטטוס העבודה:

kubectl get jobs/ocr-test-job-apikey
# It will show 0/1 completions, then 1/1 after it succeeds

אחרי שהעבודה מסתיימת, אפשר לראות את הפלט של ה-OCR ביומני ה-pod:
```
kubectl logs -l job-name=ocr-test-job-apikey
```

איך מנסים את זיהוי התווים האופטי (OCR) קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

איך מנסים את זיהוי התווים האופטי (OCR)