ওসিআর এবং ডিপ লার্নিং সহ স্বয়ংক্রিয় চালান প্রক্রিয়াকরণ

চাই স্বয়ংক্রিয় চালান প্রক্রিয়াকরণ? Nanonets' প্রাক-প্রশিক্ষিত দেখুন চালান OCR or নিজের তৈরি করুন কাস্টমাইজড ইনভয়েস ওসিআর। আপনি এটিও করতে পারেন একটি ডেমো তফসিল আমাদের AP ব্যবহারের ক্ষেত্রে আরও জানতে!

একটি ডেমো তফসিল

---

ভূমিকা

দীর্ঘ সময় ধরে, আমরা পেমেন্ট প্রক্রিয়াকরণ এবং অ্যাকাউন্ট বজায় রাখার জন্য কাগজের চালানের উপর নির্ভর করেছি। ইনভয়েসের সমন্বয় সাধারনত কেউ ম্যানুয়ালি বেশ কয়েকটি চালান ব্রাউজ করার জন্য এবং একটি খাতায় জিনিসগুলি লিখে রাখার জন্য কয়েক ঘন্টা ব্যয় করে।

কিন্তু কাগজ, মানুষের শ্রম এবং সময় কম অপচয় করে এই প্রক্রিয়াটি কি আরও ভাল, আরও দক্ষতার সাথে করা যেতে পারে?

ম্যানুয়ালি এই পদ্ধতিগুলির মধ্য দিয়ে যাওয়ার বেশ কয়েকটি ত্রুটির মধ্যে রয়েছে উচ্চ খরচ, বৃহত্তর জনবলের প্রয়োজন, পুনরাবৃত্তিমূলক কাজে বেশি সময় ব্যয় করা এবং একটি বৃহত্তর কার্বন ফুটপ্রিন্ট।

একটি চালানের ডিজিটাইজেশন প্রক্রিয়া 4 ধাপে বিভক্ত করা যেতে পারে:

1. ফিজিক্যাল ডকুমেন্টকে একটি ডিজিটাল ভেরিয়েন্টে রূপান্তর করা - এর মাধ্যমে এটি করা যেতে পারে
   • চালান স্ক্যানিং
   • একটি ক্যামেরার মাধ্যমে একটি ছবিতে ক্লিক করা
2. তথ্য নিষ্কাশন - এটি দ্বারা করা যেতে পারে
   • মানুষ - পর্যালোচকদের দ্বারা ম্যানুয়ালি করা হয় যারা ত্রুটির জন্য চালান বিশ্লেষণ করবে, এতে পাঠ্য পড়বে এবং স্টোরেজ এবং ভবিষ্যতে পুনরুদ্ধারের জন্য একটি সফ্টওয়্যারে প্রবেশ করবে।
   • মেশিন -
     • অপটিক্যাল ক্যারেক্টার রিকগনিশন - নথিতে উপস্থিত টেক্সট এবং সংখ্যাগুলি সনাক্ত করা।
     • তথ্য নিষ্কাশন - একবার OCR-এর প্রক্রিয়াটি সম্পূর্ণ হয়ে গেলে, পাঠ্যের কোন অংশটি কোন নিষ্কাশিত ক্ষেত্রের সাথে মিলে যায় তা চিহ্নিত করা গুরুত্বপূর্ণ। যদি একটি ক্ষেত্র মোট, উপ-সমষ্টি, চালানের তারিখ, বিক্রেতা ইত্যাদি হয়।
3. ডেটা ডাম্প - একবার তথ্য নিষ্কাশন করা হলে এটি একটি পুনরুদ্ধারযোগ্য বিন্যাসে সংরক্ষণ করা প্রয়োজন
   • একটি ডাটাবেস
   • একটি এক্সেল শীট
   • একটি ইআরপি সিস্টেম।

এই পোস্টটি বেশিরভাগই OCR এবং তথ্য নিষ্কাশনের উপর ফোকাস করতে যাচ্ছে। ওসিআর এবং তথ্য নিষ্কাশনের বর্তমান অবস্থার সাথে কী ভুল তা আমরা ডুব দেওয়ার আগে চালান প্রক্রিয়াকরণ, আসুন প্রথমে দেখা যাক কেন আমাদের প্রথমে ইনভয়েস ডিজিটাইজেশন সম্পর্কে যত্ন নেওয়া উচিত।

---

ন্যানোনেট সমর্থন করে চালান ক্যাপচার, চালান পরিচালনা & চালান অটোমেশন 60 টিরও বেশি ভাষায়। আপনার নিজের মডেল তৈরি করুন বা আজ একটি ডেমো অনুরোধ!

একটি কল সময়সূচী

---

চালান ডিজিটাইজ কেন?

তথ্য ডিজিটাইজ করার বিভিন্ন সুবিধা রয়েছে যা একটি ব্যবসা বিভিন্ন ভিত্তিতে লাভ করতে পারে। ব্যবসাগুলি তাদের প্রক্রিয়াগুলি আরও ভালভাবে ট্র্যাক করতে পারে, আরও ভাল গ্রাহক পরিষেবা প্রদান করতে পারে, তাদের কর্মীদের উত্পাদনশীলতা উন্নত করতে পারে এবং খরচ কমাতে পারে।

আপনার নিজের ব্যবসার জন্য ইনভয়েসগুলিকে ডিজিটাইজ করার কথা বিবেচনা করার জন্য এখানে কিছু কারণ রয়েছে৷

1. প্রক্রিয়া স্বয়ংক্রিয় করতে
   ডিপ লার্নিং এবং ওসিআর-এর সাহায্যে, আপনি স্বয়ংক্রিয়ভাবে এই চালানের ছবিগুলি নিতে পারেন, সেগুলি থেকে টেবিল এবং পাঠ্য বের করতে পারেন, বিভিন্ন ক্ষেত্রের মান বের করতে পারেন, ত্রুটি সংশোধন করতে পারেন, পণ্যগুলি আপনার অনুমোদনযোগ্য তালিকার সাথে মেলে কিনা তা পরীক্ষা করতে পারেন এবং অবশেষে দাবিটি প্রক্রিয়া করতে পারেন যদি সবকিছু যাচাই করা হয়। বীমা শিল্প ঐতিহ্যগতভাবে যা করেছে তা থেকে এটি একটি বিশাল লাফ, তবে তা সত্ত্বেও এটি খুব উপকারী প্রমাণ করতে পারে।
2. কর্মদক্ষতা বাড়াতে
   ইনভয়েস ডিজিটাইজ করার মাধ্যমে, বেশ কয়েকটি প্রক্রিয়া অনেক দ্রুত এবং মসৃণ করা যেতে পারে। উদাহরণ স্বরূপ একটি খুচরা দোকানের চেইন নিন যা প্রতি মাসের শেষে পণ্যের জন্য কিছু নিয়মিত বিক্রেতার সাথে কাজ করে এবং পেমেন্ট প্রক্রিয়া করে। এই দোকানের প্রক্রিয়াটি স্বয়ংক্রিয়ভাবে অনেক সময় বাঁচাতে পারে চালান পরিচালনা. বিক্রেতাদের কেবল একটি অ্যাপ বা ওয়েবসাইটে বিলগুলি আপলোড করতে হবে এবং ছবিগুলি ভাল রেজোলিউশনের কিনা তা নিয়ে তারা তাত্ক্ষণিক প্রতিক্রিয়া পেতে পারে যদি ছবিটি সম্পূর্ণ চালানের হয় যদি ছবিটি জাল হয় বা ডিজিটালভাবে ম্যানিপুলেট করা হয়, ইত্যাদি অনেকগুলি সাশ্রয় করে সময়
3. খরচ কমাতে
   একই খুচরা দোকানের ফ্র্যাঞ্চাইজি ওসিআর এবং গভীর শিক্ষা ব্যবহার করে চালান ডিজিটাইজেশন স্বয়ংক্রিয়ভাবে অনেক অর্থ সাশ্রয় করে। একটি চালান যা তিনজন পর্যালোচকের হাতের মধ্য দিয়ে যেতে হবে যাতে কোনো ত্রুটি না থাকে একটিতে কমে যায়। একটি কম্পিউটার দ্বারা প্রক্রিয়াকৃত চালানের সংখ্যা একজন মানুষ যা করতে পারে তার চেয়ে কয়েকগুণ দ্রুত। চালানটি একটি জালিয়াতি কিনা তা পরীক্ষা করা, এতে সমস্ত তথ্য আছে কিনা, সমস্ত তথ্য সঠিক কিনা, একটি স্প্রেডশীট বা ডাটাবেসে ম্যানুয়ালি সমস্ত ডেটা প্রবেশ করানো, গণনা চালানো এবং অবশেষে অর্থপ্রদানের প্রক্রিয়াকরণ অন্তর্ভুক্ত রয়েছে।
4. ভাল স্টোরেজ জন্য
   বিরোধের ক্ষেত্রে, বিক্রেতা অ্যাপে পৌঁছাতে পারেন এবং তার আপলোড করা সমস্ত চালান এবং প্রতিটি চালানের পোস্ট-প্রসেসিং ফলাফল দেখতে পারেন, পণ্য, তাদের পরিমাণ, প্রতিটির খরচ, ট্যাক্স এবং ডিসকাউন্ট ব্যাখ্যা করে। কোম্পানী, একটি ডাটাবেসে এই ডেটা প্রবেশ করার প্রক্রিয়াটিকে স্বয়ংক্রিয় করে, এখন যে কোনো সময় এই তথ্য পুনরুদ্ধার করতে পারে।
5. গ্রাহকের সন্তুষ্টি বাড়াতে
   একইভাবে চালান প্রক্রিয়াকরণ কোম্পানিগুলিকে তাদের গ্রাহক পরিষেবা উন্নত করতে সহায়তা করতে পারে। একটি ই-কমার্স প্ল্যাটফর্ম থেকে আপনার ডেলিভারি একটি পণ্য অনুপস্থিত? তাদের কাছে পৌঁছান, তাদের চালান পাঠান এবং কী অনুপস্থিত তা ব্যাখ্যা করুন এবং কোম্পানি স্বয়ংক্রিয়ভাবে পড়বে প্রাপ্তি, তাদের গুদামগুলি থেকে যা আছে তা খুঁজে বের করুন এবং আপনাকে একটি প্রতিক্রিয়া পাঠান যে আপনার অনুপস্থিত পণ্য এখন পথে!
6. পরিবেশগত পদচিহ্ন কমাতে
   কিছু সহজ হিসাব করা যেমন সম্পন্ন হয়েছে এখানে আমরা বুঝতে পারি যে একটি মাঝারি আকারের সংস্থা প্রতি মাসে 50000 চালান প্রক্রিয়াকরণ করে বছরে 30 টিরও বেশি গাছকে বলিদান করে। চালানের নকলের কারণে এই সংখ্যা বেশিরভাগ সময় বাড়তে চলেছে। এই একই পরিমাণ কাগজ তৈরি করতেও 2.5 মিলিয়ন লিটার জলের প্রয়োজন হবে। এইরকম সময়ে, তাদের পরিবেশগত পদচিহ্ন হ্রাস করার জন্য সংস্থাগুলির প্রয়োজনীয় পদক্ষেপগুলি পরিবেশকে সাহায্য করার জন্য একটি দীর্ঘ পথ যেতে পারে।

চালান প্রক্রিয়ার বিবর্তন

ইনভয়েস পর্যালোচনা করার প্রক্রিয়া সময়ের সাথে অনেক বিকশিত হয়েছে। প্রযুক্তির বিকাশের ফলে ইনভয়েস প্রক্রিয়াকরণের প্রক্রিয়াটি তিনটি প্রধান ধাপের মধ্য দিয়ে যেতে দেখা গেছে।

পর্যায় 1: ম্যানুয়াল পর্যালোচনা

একটি ব্যবহারের ক্ষেত্রে বিবেচনা করুন যেখানে একটি সংস্থা তার নিয়মিত বিক্রেতাদের মাসের খরচের জন্য অর্থ ফেরত দেওয়ার প্রক্রিয়ার মধ্য দিয়ে যাচ্ছে।

ইনভয়েস প্রক্রিয়া করার জন্য নিম্নলিখিত পদক্ষেপগুলি অনুসরণ করা হয় -

1. জনগণ সংশ্লিষ্ট সংস্থার যোগাযোগের স্থানে ব্যক্তিগতভাবে বেশ কয়েকটি চালান জমা দেবেন বলে আশা করা হচ্ছে।
2. এই ব্যক্তি সমস্ত চালানগুলি একজন পর্যালোচকের কাছে ফেরত দেবেন যিনি প্রতিটি নথি সম্পূর্ণভাবে পর্যালোচনা করবেন। এর মধ্যে রয়েছে একটি সফ্টওয়্যারে প্রতিটি বিশদ লেখা বা প্রবেশ করানো যেমন ক্রয় করা ব্যক্তির নাম, যে দোকান থেকে ক্রয় করা হয়েছে তার নাম, ক্রয়ের তারিখ এবং সময়, কেনা আইটেম, তাদের খরচ, ছাড় এবং কর।
3. প্রতিটি চালানের যোগফল গণনা করা হয়েছে, আবার ম্যানুয়ালি বা যদি ডেটা এন্ট্রি সফ্টওয়্যারটি বিশেষভাবে অ্যাকাউন্টিংয়ের উদ্দেশ্যে ডিজাইন করা হয়, উল্লিখিত সফ্টওয়্যার ব্যবহার করে।
4. একটি চূড়ান্ত বিল/প্রাপ্তি চূড়ান্ত পরিসংখ্যান দিয়ে তৈরি করা হয় এবং অর্থপ্রদান প্রক্রিয়া করা হয়।

পর্যায় 2: চালান স্ক্যানিং এবং ম্যানুয়াল পর্যালোচনা

OCR কৌশলের আবির্ভাবের সাথে, অনেক সময় স্বয়ংক্রিয়ভাবে সংরক্ষণ করা হয়েছিল একটি ডিজিটাল ইমেজ থেকে পাঠ্য বের করা কোনো চালান বা একটি নথির। বর্তমানে যে কোনো ধরনের অটোমেশনের জন্য OCR ব্যবহার করে এমন বেশিরভাগ সংস্থাই এখানে রয়েছে।

1. চালান ডিজিটাল কপি দ্বারা প্রাপ্ত করা হয় চালান স্ক্যান করা বা ক্যামেরা ব্যবহার করে ছবি তোলা।
2. সার্জারির পাঠ্য বের করা হয় OCR ব্যবহার করে এই চালানগুলি থেকে। এটি ডিজিটাল পাঠ্য সরবরাহ করতে সক্ষম যা ডেটা এন্ট্রিকে কিছুটা সহজ করে তোলে। কিন্তু এখনও অনেক কাজ ম্যানুয়ালি করতে হবে।
3. প্রাসঙ্গিক ডেটা খুঁজে পেতে এবং অপ্রাসঙ্গিক ডেটা বাতিল করতে প্রতিটি চালানের OCR ফলাফলগুলিকে যথাযথভাবে পার্স করতে হবে।
4. একবার এটি হয়ে গেলে, ডেটা একটি সফ্টওয়্যারে প্রবেশ করতে হবে যা পর্যালোচককে তার কাজ সহজ করার জন্য একটি টেমপ্লেট প্রদান করে। এই টেমপ্লেটটি প্রতিটি ব্যবহারের ক্ষেত্রে, প্রতিষ্ঠানের জন্য এবং বেশিরভাগই প্রতিটি ভিন্ন ধরনের চালানের জন্য অনন্য। যদিও OCR প্রক্রিয়া চালান প্রক্রিয়াকরণে সাহায্য করে, OCR এর অসংগঠিত ফলাফলের কারণে এটি অনেক ক্লান্তিকর অংশের সমাধান করে না।
5. প্রবেশ করা ডেটা ত্রুটি সংশোধন করার জন্য ম্যানুয়াল পর্যালোচনার মাধ্যমে রাখা হয়। বর্তমানে উপলব্ধ OCR সরঞ্জামগুলির দুর্বল কার্যকারিতার কারণে এই প্রক্রিয়াটি একাধিক পর্যালোচকের মধ্য দিয়ে যাওয়ায় কিছু সময় নেয়।
6. অবশেষে, গণনা করা হয় এবং অর্থ বিভাগের কাছে অর্থপ্রদানের বিবরণ পাঠানো হয়।

কিভাবে ইনভয়েস আরও ভালোভাবে ডিজিটাইজ করা যায়?

ওসিআর এবং গভীর শিক্ষা ব্যবহার করে, আমরা মেশিনগুলিকে ভাল কাজ করতে সক্ষম করেছি এবং কিছু ক্ষেত্রে মানুষের থেকেও ভাল।

ইনভয়েস ডিজিটাইজ করার জন্য বেশ কিছু মানুষের সংযত পদক্ষেপ জড়িত:

1. ব্যবহারকারীর দ্বারা নেওয়া এবং আপলোড করা চালানের ডিজিটাল ছবি।
2. আরও প্রক্রিয়াকরণের জন্য উপযুক্ত হওয়ার জন্য ছবি যাচাই করা হয়েছে - ভাল রেজোলিউশন, ছবিতে দৃশ্যমান সমস্ত ডেটা, যাচাইয়ের তারিখ ইত্যাদি।
3. ছবি জালিয়াতির জন্য পরীক্ষা করা হয়েছে.
4. এই ছবিতে টেক্সট বের করে সঠিক বিন্যাসে রাখুন।
5. টেক্সট ডেটা টেবিল, স্প্রেডশীট, ডাটাবেস, ব্যালেন্স শীট ইত্যাদিতে প্রবেশ করানো হয়েছে।

পর্যায় 3: গভীর শিক্ষা এবং OCR

গভীর শিক্ষার পদ্ধতিগুলি পাঠ্য পড়া এবং চিত্রগুলি থেকে কাঠামোগত এবং অসংগঠিত তথ্য আহরণের বিশেষ সমস্যায় অগ্রগতি দেখেছে। অপটিক্যাল ক্যারেক্টার রিকগনিশন টেকনোলজির সাথে বিদ্যমান ডিপ লার্নিং পদ্ধতিগুলিকে একত্রিত করে, কোম্পানি এবং ব্যক্তিরা এর প্রক্রিয়াটিকে স্বয়ংক্রিয় করতে সক্ষম হয়েছে নথি ডিজিটাইজিং এবং সহজ ম্যানুয়াল ডেটা এন্ট্রি পদ্ধতি, ভাল লগিং এবং স্টোরেজ, কম ত্রুটি এবং ভাল প্রতিক্রিয়া সময় সক্ষম করে।

এই ধরনের কাজের জন্য বাজারে এবং ওপেন-সোর্স সম্প্রদায়ে বেশ কিছু টুল উপলব্ধ রয়েছে, সবই তাদের ভালো-মন্দ। তাদের মধ্যে কয়েকটি হল Google Vision API, Amazon Recognition এবং Microsoft Cognitive Services। সবচেয়ে বেশি ব্যবহৃত ওপেন সোর্স টুলস মনোযোগ-ওসিআর এবং টেসেরাক্ত.

এই সমস্ত সরঞ্জামগুলি একই পদ্ধতিতে কম পড়ে - খারাপ নির্ভুলতা যার জন্য ম্যানুয়াল ত্রুটি সংশোধন এবং নিয়ম-ভিত্তিক ইঞ্জিনগুলির প্রয়োজন পাঠ্য নিষ্কাশন আসলে কোনো অর্থপূর্ণ পদ্ধতিতে ডেটা ব্যবহার করতে সক্ষম হতে। আমরা এই সমস্যাগুলি সম্পর্কে আরও কথা বলব এবং আগামী বিভাগে আরও কথা বলব৷

কি সমস্যা আকর্ষণীয় করে তোলে?

সার্জারির ওসিআর ল্যান্ডস্কেপ বেশিরভাগই নিয়ম-ভিত্তিক ইঞ্জিন নিয়ে গঠিত যা প্রসেসিং-পরবর্তী ওসিআর ফলাফলের উপর অনেক বেশি নির্ভর করে প্যাটার্ন মেলে বা নির্দিষ্ট টেমপ্লেট সংজ্ঞায়িত করে যা OCR ফলাফলগুলিকে ফিট করতে বাধ্য করা হয়। ওসিআর ইঞ্জিন যা একটি সম্পদ গ্রহণকারী কাজ।

এই নিয়ম-ভিত্তিক পদ্ধতির সাথে একটি বড় সমস্যা হল যে সফ্টওয়্যারের এই যোগ করা স্তরটিকে আপনি যখনই একটি নতুন চালান টেমপ্লেট নিয়ে কাজ করছেন তখনই আবার ডিজাইন করতে হবে। OCR সহ টেমপ্লেটিং প্রক্রিয়া স্বয়ংক্রিয় করা চালানগুলির সাথে কাজ করা যেকোন ব্যক্তির জন্য একটি বিশাল প্রভাব তৈরি করতে পারে।

এবং যে শুধু আমরা এ সমস্যা ন্যানোনেটস সমাধান করার সিদ্ধান্ত নিয়েছে।

এই সমস্যাটির একটি কম পরিচিত পদ্ধতির মধ্যে রয়েছে একটি নথি বা চালানের গঠন শিখতে মেশিন লার্নিং ব্যবহার করে, আমাদের ডেটার সাথে কাজ করার অনুমতি দেয়, আমাদের প্রথমে যে ক্ষেত্রগুলি বের করতে হবে তা স্থানীয়করণ করতে দেয় যেন আমরা একটি অবজেক্ট সনাক্তকরণ সমস্যা সমাধান করছি (এবং OCR নয়) এবং তারপর এটি থেকে পাঠ্য বের করা। এটি আপনার নিউরাল নেটওয়ার্কগুলিকে মডেলিং করে এমনভাবে করা যেতে পারে যে কীভাবে টেবিলগুলি সনাক্ত করতে এবং বের করতে হয়, এতে উপস্থিত কলাম এবং ক্ষেত্রগুলি বোঝা যায়, ফর্ম্যাট সত্ত্বেও একটি চালানে সাধারণত কোন কলাম এবং ক্ষেত্রগুলি পাওয়া যায়।

এই ধরনের পদ্ধতির সুবিধা হল যে এটি একটি মেশিন লার্নিং মডেল তৈরি করা সম্ভব হয় যা যেকোনো ধরনের নথি বা চালানে সাধারণীকরণ করা যেতে পারে এবং কোনো কাস্টমাইজেশন ছাড়াই বাক্সের বাইরে ব্যবহার করা যেতে পারে। নতুন ডেটা সংগ্রহ করে এবং পর্যায়ক্রমে মডেলগুলিকে পুনরায় প্রশিক্ষণের মাধ্যমে একটি অবিচ্ছিন্ন শেখার লুপ যোগ করা প্রচুর পরিমাণে ডেটাতে দুর্দান্ত পারফরম্যান্সের দিকে নিয়ে যেতে পারে।

---

মনে মনে ওসিআর সমস্যা আছে? চালান, পিডিএফ বা নম্বর প্লেট ডিজিটালাইজ করতে চান? হেড ন্যানোনেটস এবং বিনামূল্যে ওসিআর মডেলগুলি তৈরি করুন!

এবার শুরু করা যাক

---

কেন বর্তমান গভীর শিক্ষার সরঞ্জামগুলি যথেষ্ট নয়?

এমনকি সব সুবিধা দিয়েও স্বয়ংক্রিয় চালান প্রক্রিয়াজাতকরণ অফার করতে হবে, শিল্পগুলি ওসিআর এবং গভীর শিক্ষার প্রযুক্তি ব্যাপকভাবে গ্রহণ করতে দেখেনি এবং এর বেশ কয়েকটি কারণ রয়েছে।

আসুন একটি উদাহরণ দিয়ে বোঝার চেষ্টা করি - একটি স্বাস্থ্য বীমা কোম্পানি প্রেসক্রিপশন এবং চালান নিয়ে কাজ করে। ব্যবহারকারীদের তাদের ফোন বা কম্পিউটারে ছবি তুলে ইনভয়েসের ছবি আপলোড করতে দিয়ে আপনার বীমা কোম্পানিতে স্বয়ংক্রিয়ভাবে দাবি প্রক্রিয়াকরণ চালান স্ক্যান করা গ্রাহকদের জন্য সুবিধা বাড়াবে এবং তাদের আরও আকৃষ্ট করবে। এই আপলোড করা ছবিগুলি সাধারণত ম্যানুয়াল পর্যালোচনার বেশ কয়েকটি রাউন্ডের মধ্য দিয়ে যায় যেখানে আপনি যাচাই করেন যে চালানগুলি বৈধ কিনা যদি সংখ্যাগুলি যোগ করা হয়, এটিতে উল্লিখিত পণ্যগুলি রসিদ বীমা দাবি, ইত্যাদির জন্য বৈধ। কিন্তু চালান প্রক্রিয়াকরণ অটোমেশনের মাধ্যমে, এই কাজগুলি ম্যানুয়ালি করার জন্য নেওয়া সময়ের একটি ভগ্নাংশে করা যেতে পারে এবং কমপক্ষে 50% জনবল হ্রাসের প্রয়োজন হয়।

কিন্তু এমন একটি এন্ড টু এন্ড পন্থা গড়ে তোলার ক্ষেত্রে বাধা রয়েছে যা শিল্পের ব্যবহার-কেস অনুযায়ী সঞ্চালন করে, ত্রুটিগুলি বাজেটের বেশি খরচ না করে তা নিশ্চিত করার সময় স্বয়ংক্রিয়তা চালাতে পারে এবং গ্রাহক অনবোর্ডিং-এর উচ্চ হারও চালাচ্ছে।

ওসিআর প্রযুক্তির নির্ভুলতা

বর্তমানে, বাজারে উপলব্ধ সেরা OCR সরঞ্জামগুলি যে কোনও ব্যবহারের ক্ষেত্রে এই APIগুলিকে স্কেলে প্রয়োগ করার জন্য সন্তোষজনকভাবে কাজ করে না। এই অনুযায়ী প্রবন্ধ, গুগল ভিশন, সেরা ওসিআর এপিআই এই মুহূর্তে উপলব্ধ শুধুমাত্র একটি 80% নির্ভুলতা প্রদান করতে সক্ষম. বাজারের অন্যান্য পণ্যের যথার্থতা আমাজন রেকোনিশন এবং মাইক্রোসফ্ট জ্ঞানীয় পরিষেবাগুলি হতাশাজনক৷ মাইক্রোসফট 65% নির্ভুলতার সাথে পারফর্ম করেছে যেখানে AWS স্বীকৃতি শুধুমাত্র 21% নির্ভুলতার সাথে পারফর্ম করেছে।

এটি আরও খারাপ হয়েছে যে এই APIগুলি নির্দিষ্ট ডেটার জন্য কাস্টম প্রশিক্ষণের অনুমতি দেয় না যেটি কোম্পানি সবচেয়ে বেশি ব্যবহার করবে। সফ্টওয়্যারে বিনিয়োগ করা যা নির্ভুলতার দিক থেকে মানুষের চেয়ে খারাপ কাজ করে, এখনও ম্যানুয়াল এন্ট্রি প্রয়োজন, ম্যানুয়াল ত্রুটি সংশোধন এবং ম্যানুয়াল পর্যালোচনা সময় এবং অর্থের অপচয় বলে মনে হয়।

গভীর শিক্ষার দক্ষতা

গুগল ভিশনের মতো ওসিআর পণ্যগুলি যখন বিভিন্ন অভিযোজন, বিভিন্ন ভাষায়, ছায়াময় বা কোলাহলপূর্ণ পাঠ্যের পাঠ্যের সাথে মোকাবিলা করতে হয় তখন বিভিন্ন ত্রুটির সম্মুখীন হয়। তারা আপনাকে আপনার ডেটা ব্যবহার করতে এবং কাস্টম মডেল তৈরি করার অনুমতি দেয় না, যার ফলে একটি প্রতিষ্ঠানের কর্মপ্রবাহে পণ্যের সরাসরি একীকরণ কঠিন হয়ে পড়ে। অনেক সময়, এই ধরনের সমস্যা মোকাবেলা করার জন্য, সংস্থাগুলিকে একটি ডেটা সায়েন্স বা মেশিন লার্নিং টিম নিয়োগ করতে হয় এবং নিজের জন্য এই সরঞ্জামগুলি তৈরি করতে হয়। এটি সময়, অর্থ এবং প্রচেষ্টা লাগে।

এটি অনুসরণ করে, ডেটা বিজ্ঞানীদের তাদের জ্ঞান এবং দক্ষতাকে কোম্পানির লক্ষ্যগুলির সাথে সারিবদ্ধ করতে হবে এবং সেই ফলাফলগুলি সরবরাহ করার জন্য ঠিক কোন মেট্রিকগুলি অপ্টিমাইজ করতে হবে তা বের করতে হবে। এর জন্য ডেটা সায়েন্টিস্টকে একটি ব্যবসায়িক প্রস্তাব বুঝতে, এটিকে একটি গাণিতিক সমস্যায় পরিণত করতে, কোম্পানির SLAs বুঝতে, সঠিক ডেটা খুঁজে বের করতে, মেশিন লার্নিং মডেল তৈরি করতে, ত্রুটির কেসগুলিকে সুন্দরভাবে পরিচালনা করা হয় তা নিশ্চিত করার জন্য প্রয়োজনীয় নির্ভুলতা পেতে তাদের টিউন করতে হবে। .

সঠিক তথ্য পাওয়া যাচ্ছে

সঠিক মেশিন লার্নিং মডেল তৈরির একটি অত্যন্ত গুরুত্বপূর্ণ অংশ হল সঠিক ডেটা খোঁজা, এবং আমাদের কাজ করার জন্য যথেষ্ট ডেটা নেই। নম্বর প্লেট স্বীকৃতি বা হাতের লেখার স্বীকৃতির মতো কাজের জন্য ওসিআর-এর জন্য ডেটাসেটগুলি উপলব্ধ রয়েছে তবে এই ডেটাসেটগুলি বীমা দাবি প্রক্রিয়াকরণ বা বিক্রেতার পরিশোধের অ্যাসাইনমেন্টের জন্য যে ধরনের নির্ভুলতা প্রয়োজন তা পাওয়ার জন্য খুব কমই যথেষ্ট।

এই ব্যবহারের ক্ষেত্রে আমাদেরকে আমাদের মডেল তৈরি করতে হবে এবং আমরা যে ধরনের ডেটা নিয়ে সবচেয়ে বেশি কাজ করতে যাচ্ছি সেই বিষয়ে তাদের প্রশিক্ষণ দিতে হবে এবং সেইসঙ্গে নিশ্চিত করতে হবে যে ত্রুটিগুলি কম করা হয়েছে এবং ডেটাসেটটি ভারসাম্যপূর্ণ। সঙ্গে মোকাবিলা, ডাক্তারের প্রেসক্রিপশন বলুন বা রসিদ ছোট বিক্রেতাদের থেকে আমাদের মডেলগুলিকে ডিজিটাল এবং সেইসাথে হাতে লেখা টেক্সট নথিতে ভাল পারফর্ম করতে হবে।

কম্পিউটেশনাল রিসোর্স

একটি অভ্যন্তরীণ এমএল সমাধান তৈরির কাজটি সেরা নির্ভুলতার সাথে অ্যালগরিদমগুলি ডিজাইন করার জন্য সেরা মেশিন লার্নিং ইঞ্জিনিয়ারদের নিয়োগ করার চেয়ে আরও বেশি কিছু জড়িত। ইমেজ ডেটাতে মডেল তৈরির জন্য কম্পিউটেশনাল প্রয়োজনীয়তা বেশি এবং সাধারণত অন-প্রিমিস বা অন-ক্লাউড GPU গুলি অন্তর্ভুক্ত করে। Google ক্লাউড প্ল্যাটফর্মে একটি K-80 GPU ইন্সট্যান্স চালানোর জন্য মাসে প্রায় $230 খরচ হয়। যখন আপনাকে মডেলগুলি প্রশিক্ষণ দিতে হয় বা নতুন ডেটা সহ পুরানো মডেলগুলিকে পুনরায় প্রশিক্ষণ দিতে হয় তখন এই খরচগুলি বেড়ে যায়৷

যদি একটি ইন-হাউস সমাধান তৈরি করা আপনার বেছে নেওয়া পদ্ধতি হয়, তবে এটি নির্মাণের খরচ অবশ্যই গ্রাহকদের সাইন আপ করার বর্ধিত পরিমাণ, প্রক্রিয়াজাতকরণের বর্ধিত হার এবং প্রয়োজনীয় ম্যানুয়াল পর্যালোচকদের সংখ্যা হ্রাসের মাধ্যমে ক্ষতিপূরণ দিতে হবে।

আপনার ব্যবসার প্রয়োজনের জন্য সমাধানগুলি সেলাই করা

একটি বিক্রেতা ঋণ পরিশোধের ব্যবস্থা তৈরি করার জন্য, উদাহরণস্বরূপ, আমাদেরকে কয়েকটি ধাপ অন্তর্ভুক্ত করতে হবে। আপনার সাংগঠনিক প্রয়োজনের জন্য একটি ওয়ার্কফ্লো খোঁজা একটি মেশিন লার্নিং মডেল তৈরি করার মতো নয় যা আপনাকে ভাল নির্ভুলতা দেবে।

আপনার যা দরকার তা হল মডেল যা করতে পারে:

1. অন্তত মানব-স্তরের নির্ভুলতা প্রদান করুন
2. সব ধরণের ডেটা পরিচালনা করতে পারে
3. ত্রুটি হ্যান্ডলিং মিটমাট
4. মানুষের তদারকির সুবিধা বাড়ান
5. ডেটা প্রসেসিং ধাপে স্বচ্ছতা প্রদান করুন
6. জালিয়াতির জন্য চেক করুন
7. পোস্ট-প্রসেসিং OCR ফলাফলগুলিকে একটি কাঠামোতে রাখার অনুমতি দিন
8. সমস্ত প্রয়োজনীয় ক্ষেত্র আছে এবং মান সঠিক আছে তা নিশ্চিত করার অনুমতি দিন
9. এই ডেটা সহজে সঞ্চয় এবং ডেটাবেসিংয়ের অনুমতি দিন
10. ফলাফলের উপর নির্ভর করে স্বয়ংক্রিয় বিজ্ঞপ্তি পদ্ধতির অনুমতি দিন

এটি, যেমন আপনি অনুমান করতে পারেন, একটি দীর্ঘ এবং কঠিন প্রক্রিয়া, প্রায়শই এত সোজা সামনের সমাধানের সাথে নয়।

---

ন্যানোনেট সমর্থন করে চালান ক্যাপচার & চালান অটোমেশন 60 টিরও বেশি ভাষায়। আপনার নিজের মডেল তৈরি করুন বা আজ একটি ডেমো অনুরোধ!

একটি কল সময়সূচী

---

ন্যানোনেটস প্রবেশ করান

সঙ্গে ন্যানোনেটস আপনাকে মেশিন লার্নিং প্রতিভা খুঁজে বের করা, মডেল তৈরি করা, ক্লাউড অবকাঠামো বোঝা বা স্থাপনার বিষয়ে চিন্তা করতে হবে না। আপনার যা দরকার তা হল একটি ব্যবসায়িক সমস্যা যার জন্য আপনার সমাধান প্রয়োজন।

ওয়েব-ভিত্তিক GUI ব্যবহার করা সহজ

Nanonets একটি সহজ ব্যবহারযোগ্য ওয়েব-ভিত্তিক GUI অফার করে যা তাদের API-এর সাথে যোগাযোগ করে এবং আপনাকে মডেল তৈরি করতে দেয়, তাদের আপনার ডেটাতে প্রশিক্ষণ দেয়, নির্ভুলতা এবং নির্ভুলতার মতো গুরুত্বপূর্ণ মেট্রিক্স পেতে এবং আপনার চিত্রগুলিতে অনুমান চালাতে দেয়, সব কিছুই কোনো কোড না লিখে।

ক্লাউড-হোস্টেড মডেল

সমাধান পেতে সরাসরি বাক্সের বাইরে ব্যবহার করা যেতে পারে এমন বেশ কয়েকটি মডেল সরবরাহ করার পাশাপাশি, ব্যবহারকারীরা তাদের মডেলগুলি তৈরি করতে পারে যা ক্লাউডে হোস্ট করা হয় এবং অনুমানের উদ্দেশ্যে একটি API অনুরোধের সাথে অ্যাক্সেস করা যেতে পারে। প্রশিক্ষণের জন্য একটি GCP উদাহরণ বা GPU পাওয়ার বিষয়ে চিন্তা করার দরকার নেই৷

অত্যাধুনিক অ্যালগরিদম

তৈরি করা মডেলগুলি আপনাকে সেরা ফলাফল পেতে অত্যাধুনিক অ্যালগরিদম ব্যবহার করে৷ এই মডেলগুলি ক্রমাগত আরও এবং আরও ভাল ডেটা এবং আরও ভাল প্রযুক্তি, আরও ভাল আর্কিটেকচার ডিজাইন এবং আরও শক্তিশালী হাইপারপ্যারামিটার সেটিংসের সাথে আরও ভাল হয়ে উঠতে পারে।

ক্ষেত্র নিষ্কাশন

একটি চালান ডিজিটাইজেশন পণ্য তৈরির ক্ষেত্রে সবচেয়ে বড় চ্যালেঞ্জ হল নিষ্কাশিত পাঠ্যকে কাঠামো প্রদান করা। এটি আমাদের OCR API দ্বারা আরও সহজ করা হয়েছে যা স্বয়ংক্রিয়ভাবে সমস্ত প্রয়োজনীয় ক্ষেত্রগুলিকে মান সহ বের করে এবং সেগুলিকে একটি টেবিল বা একটি JSON ফর্ম্যাটে রাখে যাতে আপনি সহজেই অ্যাক্সেস করতে পারেন এবং তৈরি করতে পারেন৷

অটোমেশন চালিত

আমরা Nanonets-এ বিশ্বাস করি যে ইনভয়েস ডিজিটাইজেশনের মতো স্বয়ংক্রিয় প্রক্রিয়াগুলি আর্থিক সুবিধা, গ্রাহক সন্তুষ্টি এবং কর্মচারী সন্তুষ্টির ক্ষেত্রে আপনার প্রতিষ্ঠানে ব্যাপক প্রভাব তৈরি করতে পারে। Nanonets মেশিন লার্নিংকে সর্বব্যাপী করে তোলার চেষ্টা করে এবং সেই লক্ষ্যে, আমাদের লক্ষ্য রয়ে গেছে যে কোনো ব্যবসায়িক সমস্যা আপনি এমনভাবে সমাধান করেছেন যাতে ভবিষ্যতে ন্যূনতম মানুষের তত্ত্বাবধান এবং বাজেটের প্রয়োজন হয়।

ন্যানোনেটস সহ ওসিআর

সার্জারির ন্যানোনেট প্ল্যাটফর্ম আপনাকে সহজেই ওসিআর মডেলগুলি তৈরি করতে দেয়। আপনি আপনার ডেটা আপলোড করতে পারেন, এটিকে টিকিয়ে দিতে পারেন, মডেলটিকে প্রশিক্ষণের জন্য সেট করতে পারেন এবং কোনও একক লাইন কোড না লিখে, জিপিইউ সম্পর্কে চিন্তাভাবনা না করে বা আপনার গভীর শেখার মডেলগুলির জন্য সঠিক স্থাপত্যগুলি সন্ধান না করে ব্রাউজার ভিত্তিক ইউআইয়ের মাধ্যমে ভবিষ্যদ্বাণী পাওয়ার জন্য অপেক্ষা করতে পারেন।

আপডেট: আমাদের মডেলগুলি আরও সঠিক। আমরা আপনার আরও উন্নতির জন্য PO ​​নম্বর, ইমেল আইডি এবং টেবিল নিষ্কাশনের মতো নতুন ক্ষেত্র যুক্ত করেছি চালান অটোমেশন কর্মপ্রবাহ.

Nanonets দিয়ে চালান ডিজিটাইজ করা শুরু করুন - 1 ডিজিটাইজেশন ক্লিক করুন:

---

একটি ডেমো সেটআপ করুন

কিভাবে Nanonets আপনাকে এই সমস্যার সমাধান করতে সাহায্য করতে পারে সে সম্পর্কে জানতে একটি ডেমো সেট আপ করুন

একটি ডেমো অনুরোধ

---

‌‌

আরও পড়া

• মেশিন লার্নিং এবং ওসিআর সহ অটোমেটেড ইনভয়েস হ্যান্ডলিং
• ইন্টেলিজেন্ট ইনভয়েস তথ্য সনাক্তকরণের জন্য টেমপ্লেট ম্যাচিং-ভিত্তিক পদ্ধতি
• আপনার রসিদ এবং চালান ডিজিটালাইজেশনের দ্রুত পদক্ষেপ

আপডেট:‌
ওসিআর এবং ডিপ লার্নিং ব্যবহার করে স্বয়ংক্রিয় চালান প্রক্রিয়াকরণে বিভিন্ন পদ্ধতির বিষয়ে আরও পড়ার উপাদান যুক্ত করা হয়েছে।

• Coinsmart. ইউরোপের সেরা বিটকয়েন এবং ক্রিপ্টো এক্সচেঞ্জ।
• প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. বিনামূল্যে এক্সেস.
• ক্রিপ্টোহক। Altcoin রাডার। বিনামূল্যে ট্রায়াল.
• সূত্র: https://nanonets.com/blog/invoice-ocr/