વાંચવાનો સમય 4 મિનિટ
ન્યુરલ ઓસીઆર: કાગળ પર લખેલા કે છાપેલા અક્ષરોને કેમેરો કેવી રીતે સરળતાથી વાંચી લે છે?
30 સેકન્ડમાં સાર
ન્યુરલ ઓસીઆર એ આર્ટિફિશિયલ ઇન્ટેલિજન્સ આધારિત એવી પ્રણાલી છે જે કાગળ પરના મુદ્રિત કે હસ્તલિખિત અક્ષરોને પારખીને તેમને સીધા ડિજિટલ લખાણમાં ફેરવી આપે છે. જૂના સોફ્ટવેરની તુલનામાં તે અક્ષરોના વિવિધ વળાંક, ત્રાસી લીટીઓ અને આખા વાક્યનો અર્થ એકસાથે સમજે છે. પરિણામે ઝાંખા ફોટા કે જૂના કાગળોમાંથી પણ સાચા શબ્દો શોધવાનું ઘણું સરળ બની જાય છે.
છાપેલા કાગળ પરથી મોબાઇલ સ્ક્રીન સુધી પહોંચતી અક્ષરોની સફર
કરિયાણાનું બિલ હોય, બસની મુસાફરીની ટિકિટ હોય કે મિત્રની નોટબુકની નોંધ હોય, કાગળ પરની આ વિગતો ફોનમાં ટાઇપ કરવામાં ઘણો સમય બગડે છે. પરંતુ આજે મોબાઇલનો કેમેરો કાગળ સામે ધરો એટલે તરત જ લખાણ પસંદ થઈને ડિજિટલ સ્વરૂપમાં કોપી થઈ જાય છે. કેમેરાના લેન્સને માત્ર કલરના ટપકાં દેખાતાં હોવા છતાં કમ્પ્યુટર અર્થસભર શબ્દો કેવી રીતે વાંચે છે, તેવો સવાલ જરૂર થાય.
આ પદ્ધતિને 'ન્યુરલ ઓસીઆર' કહે છે. જૂના કમ્પ્યુટર્સ અક્ષરોને માત્ર પહેલેથી નક્કી કરેલા યાંત્રિક બીબાં સાથે સરખાવતા હતા, જેથી કાગળ ત્રાસો થાય કે શાહી ફેલાય ત્યારે સિસ્ટમ અટકી જતી. આજના ન્યુરલ નેટવર્ક્સ માણસની જેમ અક્ષરોના વળાંક, લીટીઓનું જોડાણ અને આસપાસના શબ્દોનો સંદર્ભ સમજીને અક્ષરો ઓળખે છે.
જૂની પેઢીના અનુભવી મુનીમજીની પારખુ નજર
એક જૂની વેપારી પેઢીના ટેબલ પર બેઠેલા અનુભવી મુનીમજી સામે આવેલા સેંકડો ચોપડા અને બિલ તપાસી રહ્યા છે. કેટલાક કાગળ પર શાહી ફેલાઈ ગઈ છે, તો અમુક પર ઉતાવળમાં લખેલા વાંકાચૂકા અક્ષરો છે. મુનીમજી ચશ્મું સરખું કરીને કાગળને અજવાળા સામે ધરે છે અને શાહીના વળાંક પરથી અક્ષરનો સાચો તાગ મેળવે છે.
તેઓ માત્ર અસ્પષ્ટ અક્ષરનો આકાર નથી જોતા, પણ આખા સરનામાનો સંદર્ભ જોડે છે. જો પિનકોડ '૩' થી અને શહેર 'અમ' થી શરૂ થતું હોય, તો આગળનો ઝાંખો અક્ષર 'દાવાદ' જ હોય તેવો તેમનો અનુભવ કહે છે. ભાષાના નિયમો વિચારીને તેઓ ખરાબ અક્ષરોવાળી પહોંચ પણ ક્ષણવારમાં સચોટ રીતે વાંચી લે છે.
મોબાઇલનું ન્યુરલ ઓસીઆર આ કુશળ મુનીમજીની જેમ જ કામ કરે છે. કેમેરાથી લીધેલો કાગળનો ફોટો સિસ્ટમમાં જાય છે. ન્યુરલ નેટવર્ક્સ લીટીઓ ઓળખીને અક્ષરોના હિસ્સા છૂટા પાડે છે. ત્યારબાદ ભાષા મોડેલ સંભવિત શબ્દો ઓળખે છે અને કાગળની છબી સીધા એડિટ કરી શકાય તેવા ડિજિટલ લખાણમાં બદલાઈ જાય છે.
રોજિંદા જીવનમાં ન્યુરલ ઓસીઆર ક્યાં ક્યાં કામ આવે છે?
આપણા ધ્યાનમાં આવ્યા વગર પણ આજે વ્યાપાર, શિક્ષણ અને વહીવટમાં આ ટેકનોલોજી સતત ઉપયોગી બની રહી છે.
- દુકાનના બિલ અને ઘરખર્ચની વ્યવસ્થિત નોંધ: સુપરમાર્કેટ કે કરિયાણાની દુકાનની કાગળની પહોંચને મોબાઇલથી સ્કેન કરીને હિસાબી એપમાં આપોઆપ નોંધી શકાય છે. આનાથી દર મહિને હાથથી એક-એક બિલ વાંચીને લખવાની માથાકૂટ ટળે છે, હિસાબ ચોખ્ખો રહે છે અને ઘરના બજેટના આયોજનમાં માનવીય ભૂલોની શક્યતા સંપૂર્ણપણે દૂર થાય છે.
- વિદ્યાર્થીઓની હસ્તલિખિત નોટ્સનું ડિજિટાઈઝેશન: પરીક્ષા વખતે મિત્રની નોટબુકમાંથી હાથથી લખેલા પ્રશ્નોત્તરો કે બોર્ડ પર લખેલી બાબતો મોબાઇલ કેમેરાથી સ્કેન કરીને ડિજિટલ ફાઇલ બનાવી શકાય છે. આનાથી કીવર્ડ દ્વારા મુખ્ય મુદ્દા ઝડપથી શોધવા, કમ્પ્યુટરમાં લખાણ સાચવી રાખવું અને મિત્રો સાથે આસાનીથી શેર કરવું ઘણું અનુકૂળ બને છે.
- સરકારી કાગળો અને ઝડપી બેંકિંગ સેવાઓ: બેંકમાં નવું ખાતું ખોલાવતી વખતે કે સરકારી સેવાઓ માટે અરજી કરતી વખતે આધાર કાર્ડ, પાન કાર્ડ કે જમીનના દસ્તાવેજો ઓસીઆરથી સરળતાથી સ્કેન થઈ જાય છે. કર્મચારીઓએ જાતે નામ-સરનામું ટાઇપ કરવું પડતું નથી, ફોર્મ ઝડપથી ભરાય છે અને લોકોને લાંબી લાઈનોમાં રાહ જોવી પડતી નથી.
- જૂના ગુજરાતી સાહિત્ય અને પુસ્તકોનું રક્ષણ: જાહેર પુસ્તકાલયોમાં સચવાયેલા દુર્લભ ઐતિહાસિક ગ્રંથો, હસ્તપ્રતો કે જૂના દસ્તાવેજોને સ્કેન કરીને ઈ-બુક સ્વરૂપમાં ફેરવવામાં આવી રહ્યા છે. આનાથી આપણો ભવ્ય સાંસ્કૃતિક વારસો ડિજિટલ સ્વરૂપે કાયમ માટે સુરક્ષિત રહે છે અને સંશોધકો તથા વાચકો આંગળીના ટેરવે કોઈપણ વિષય સરળતાથી શોધી શકે છે.
ઝડપી કામગીરી અને ઉપયોગ કરતી વખતે રાખવાની સાવચેતી
આ આધુનિક પદ્ધતિ કાગળના મોટા ઢગલાને ગણતરીની સેકન્ડોમાં ડિજિટલ બનાવી આપણો સમય બચાવે છે. ઓફિસો અને દુકાનોમાં કામ ઝડપી બને છે. તેમ છતાં, ફોટો ઝાંખો હોય ત્યારે ભૂલો થઈ શકે છે, તેથી આ ટેકનોલોજી વાપરતી વખતે કેટલીક સામાન્ય બાબતો ધ્યાનમાં રાખવી જરૂરી છે.
- પૂરતા પ્રકાશમાં અને સીધા ખૂણેથી ફોટો ખેંચો: કાગળ સ્કેન કરતી વખતે તેના પર હાથ કે ફોનનો પડછાયો ન પડે તેની ખાસ તકેદારી રાખો અને કેમેરાને પાનાની બરાબર સામે સમાંતર રાખો. સારો કુદરતી ઉજાસ, સ્વચ્છ કેમેરો અને સીધો કાગળ હશે તો સોફ્ટવેર કોઈપણ મૂંઝવણ વગર દરેક અક્ષરને એકદમ સાચી રીતે ઓળખી શકશે.
- મહત્વના આંકડા અને વિગતો જાતે તપાસી લો: બેંક ખાતા નંબર, જન્મ તારીખ, સરનામું કે નાણાકીય રકમ સ્કેન કર્યા પછી મૂળ કાગળ સાથે સરખાવીને ખાતરી કરી લો. જો લખાણ ઝાંખું હોય તો આઠ અને શૂન્ય અથવા એક અને સાતના આકારમાં રહેલી સામ્યતાને લીધે સોફ્ટવેર ઘણીવાર ભૂલ કરી શકે છે.
- અંગત દસ્તાવેજો માટે ભરોસાપાત્ર સાધનો જ વાપરો: આવકવેરાની પહોંચ, બેંક પાસબુક કે તબીબી રિપોર્ટ્સ જેવા ખાનગી કાગળો અજાણી મફત એપ્સ પર સ્કેન કરવાનું ટાળો. આવી અજાણી એપ્સના સર્વર પર તમારી સંવેદનશીલ વિગતો સંગ્રહિત થવાનો ખતરો રહેતો હોવાથી હંમેશા જાણીતી અને સુરક્ષિત કંપનીઓના સોફ્ટવેરનો જ આગ્રહ રાખો.
કાગળ પરનું લખાણ ડિજિટલ કેવી રીતે બને છે તે સમજી લઈએ તો આ સાધન વાપરવામાં કોઈ ડર રહેતો નથી. કમ્પ્યુટર કોઈ જાદુ નથી કરતું, પરંતુ અક્ષરોના વળાંક અને સંદર્ભ પારખીને કામ કરે છે. સાવચેતી રાખીને ઉપયોગ કરીએ તો દસ્તાવેજોનું સંચાલન અત્યંત સરળ અને ઝડપી બની જાય છે.
સ્ત્રોતો
- NIST Handprinted Forms and Characters Database (Special Database 19)National Institute of Standards and Technology (NIST)
- Document AI and Vision OCR OverviewGoogle Cloud