Document Understanding アクティビティ

最終更新日時 2024年12月5日

ドキュメントをデジタル化

UiPath.IntelligentOCR.Activities.Digitization.DigitizeDocument

説明

ドキュメントをデジタル化し、Document Object Model (DOM) とテキストを取得して、対応する変数型に格納します。

注: アクティビティの本体にドラッグして OCR エンジンをこのアクティビティに割り当てる必要があります。選択した OCR エンジンは、受け取ったドキュメントで OCR 処理が必要な場合にのみ使用されます。利用可能な OCR エンジンを確認するには、「OCR エンジン」をご覧ください。選択された OCR エンジンの入力および出力パラメーターは、[ドキュメントをデジタル化] アクティビティによって自動的に設定されます。

プロジェクトの対応 OS

Windows - レガシ | Windows

構成

プロパティパネル

共通

表示名 - アクティビティの表示名です。

入力

PDF に OCR を適用 - PDF ドキュメントに OCR プロセスを適用するかどうかを指定します。[はい] に設定すると、ドキュメントのすべての PDF ページに OCR が適用されます。[いいえ]にすると、デジタル入力されたテキストのみが抽出されます。既定値は [Auto] で、入力ドキュメントに応じてドキュメントに OCR アルゴリズムを適用する必要があるかどうかを判断します。
並列度 - 並列で分析するページ数を指定します (該当する場合)。-1 値は「マシン上のコア数 - 1」を使用します。つまり、アクティビティはコア数 - 1 の値と同じ数のページを並列処理しようとします。正の値を指定すると、その特定の数の論理プロセッサが使用されます。既定では、このプロパティは -1 に設定されます。
このプロパティには、LogicalProcessorCount - 1 より小さい任意の値を設定できます。
チェックボックスを検出 - ドキュメントのデジタル化中に、利用可能なチェックボックスをドキュメントから検出します。既定値は [True] です。
ドキュメントパス - デジタル化するドキュメントのファイルパスです。このフィールドは、文字列と String 型変数のみをサポートします。
注:
- 十分なデータを含むドキュメントの分類に失敗した場合は、[ドキュメントをデジタル化] アクティビティの [PDF に OCR を適用] プロパティを [はい] に設定してください。
- PDF ファイルからのテキスト抽出機能がアップグレードされました。これにより抽出プロセスが最適化され、ネイティブテキストとスキャンされたテキストの両方が同時に取得されます。OCR は、PDF ファイル内の認識された画像にのみ適用されます。この改良は、[PDF に OCR を適用] オプションが [自動] に設定されている場合にのみ利用可能です。
注: このプロパティフィールドでサポートされているファイルは、.png、.jpe、.jpg、.jpeg、.tiff、.tif、.pdf、です。

その他

プライベート - オンにした場合、変数および引数の値が Verbose レベルでログに出力されなくなります。

出力

ドキュメントオブジェクトモデル - Document 変数に格納されている、ファイルのドキュメントオブジェクトモデル (DOM)。このフィールドでは Document 変数のみサポートされています。
ドキュメントテキスト - 指定したドキュメントから取得したテキストです。この変数は後ほど [検証ステーションを提示] アクティビティで使用されます。このフィールドは String 変数のみをサポートします。
注: UiPath.IntelligentOCR.Activities パッケージ v6.3.0-preview より、[ドキュメントをデジタル化] アクティビティには、事前に選択された既定の OCR エンジンである UiPath® Document OCR エンジンが付属します。

出力変数は両方とも、依存関係にあるためペアになっており、ドキュメント処理フレームワーク全体 (分類、データ抽出、人間による検証など) を通してドキュメント処理でさらに使用できます。

重要

UiPath.IntelligentOCR.Activities パッケージが v5.1.0 に更新されている場合、[OCR を強制適用] パラメーターは [PDF に OCR を適用] に置き換えられています。古いパラメーターと新しいパラメーターとの対応は次のとおりです。

[OCR を強制適用] = [True] は [PDF に OCR を適用] = [はい] に置き換えられます。
[OCR を強制適用] = [False] は [PDF に OCR を適用] = [自動] に置き換えられます。
[OCR を強制適用] = [空] は [PDF に OCR を適用] = [自動] に置き換えられます。
[OCR を強制適用] = ユーザー定義変数は [PDF に OCR を適用] = [自動] に置き換えられます。

注: [ドキュメントをデジタル化] アクティビティは PDF ファイルからテキストを抽出し、複雑なドキュメントの場合は前処理と後処理のアルゴリズムを適用します。このアクティビティは、他の Document Understanding アクティビティと併用できます。

Document Object Model

ドキュメントオブジェクトモデルは、独自のオブジェクトでキャプチャされます。詳細については、「Document クラス」をご覧ください。

ヒント: ドキュメントを正常にデジタル化および処理するには、次のアドバイスを考慮に入れてください。

画像を正常にデジタル化/処理するには、幅と高さをそれぞれ 50 から 10000 ピクセルにする必要があります。この範囲を下回る、または上回る画像は、例外メッセージが表示されて却下されます。上述の寸法で検証された、合計サイズが 14 MP を超える画像は、縦横比 (幅または高さの比率) を維持しながら 14 MP に縮小されます。
傾斜角度を +/- 20 度に保つことで最適な結果が得られます。