OCR, Datenerfassung und Scannen von Preisschildern

Die Preisstruktur für die Klippa Lieferscheinerfassung ist abhängig von der Anzahl der Felder und dem Dokumentenvolumen. Es sind sowohl Pay-per-Use- als auch Monatslizenzen verfügbar. Nehmen Sie Kontakt mit unseren Produktspezialisten auf, um ein genaues Angebot zu erhalten.

Es gibt viele verschiedene Arten von Preisschildern auf der Welt oder sogar innerhalb eines Landes. Unsere Algorithmen sind auf eine breite Palette von Preisschildern trainiert, so dass viele von ihnen bereits auf Anhieb funktionieren werden. Falls Sie sich fragen, ob wir ein bestimmmtes Format unterstützen oder eine anderweitige Frage haben, können Sie uns gerne kontaktieren. Wir können jederzeit Trainingsdaten hinzufügen, um die Datenerfassung auf bestimmten Preisschildern zu verbessern.

Alle europäischen Sprachen werden unterstützt. Unsere OCR-Engine funktioniert am besten bei Preisschildern in Deutsch, Englisch, Niederländisch, Norwegisch, Dänisch, Schwedisch, Finnisch, Italienisch, Portugiesisch, Englisch, Spanisch, Hebräisch und Französisch. Andere Sprachen können auf Anfrage unterstützt werden, da wir unsere Machine-Learning Modelle antrainieren können.

Ja, das können wir. Neben dem Scannen, der OCR und der Datenextraktion bietet Klippa auch Bild- und Datenklassifizierungsdienste unter Verwendung unserer Algorithmen für Machine Learning und Deep Learning an. Das Bild kann z. B. anhand der Bildqualität klassifiziert werden, aber auch anhand von Bildinhalten wie bestimmten Produkten, Farben, Marken und sogar Produkt- und Preiskategorien.

Klippa verwendet eine Kombination aus mehreren Technologien, um Daten aus Preisschildern zu extrahieren. Der erste Schritt ist ein Deep-Learning-Algorithmus zur Erkennung von Begrenzungsrahmen (Bounding Boxes), der aus dem Bereich der Computer Vision stammt. Klippa nutzt diese Technik, um Preisschilder aus Bildern von z. B. Supermarktregalen zu identifizieren und auszuschneiden. Sobald dieser Vorgang abgeschlossen ist, führen wir eine OCR durch, um zu erkennen, welcher Text auf den Bildern steht. Wenn wir den gesamten Text identifiziert haben, verwenden wir natürliche Sprachverarbeitung (Natural Language Processing), um zu bestimmen, welcher Text welche Bedeutung hat. Durch die Betrachtung von Wörtern und Zeichen bestimmen wir automatisch, welcher Text zur Beschreibung gehört, welche Zahlen z. B. zu den Preisen, der Lautstärke und der Seriennummer. Am Ende verarbeitet unser Backend diese Informationen zu einer JSON-Ausgabe, die für unsere Kunden leicht zu verarbeiten ist.