Auto Crop API, optimiert für mehrere Dateien auf einer Seite

Die automatisierte Erkennung und Zuschneidung mehrerer Dokumente ist eine spezialisierte Computer-Vision-Funktion, die erkennt, isoliertund einzelne Datensätze zuschneidet, die zusammen auf einer einzigen Seite gescannt wurden.

‍

Anstatt einen Scan mehrerer Belege oder Ausweise als ein einziges Bild zu behandeln, identifiziert die API die physischen Grenzen jedes einzelnen Elements. Anschließend erstellt sie separate, hochauflösende Einzeldateien für jeden Datensatz, um sicherzustellen, dass die nachgeschaltete Extraktions-Engine diese einzeln verarbeitet, um maximale Genauigkeit.

Der häufigste Anwendungsfall ist im Bereich Spesenmanagement, wo ein Mitarbeiter drei oder vier kleine Taxiquittungen und eine Restaurantrechnung auf einer einzigen DIN A4- oder Letter-Seite scannen könnte.

‍

Ein weiteres zentrales Beispiel ist die Identitätsprüfung (KYC), wie das Scannen der Vorder- und Rückseite eines Führerscheins oder mehrerer Ausweise auf demselben Flachbettscanner.

‍

Im medizinischen Bereichwird diese Technologie verwendet, um mehrere Labor-Etiketten oder Rezeptaufkleber, die auf einem einzigen Blatt gescannt wurden, zu digitalisieren.

‍

Durch die Isolierung dieser Elemente stellt das System sicher, dass eine „Mittagsquittung“ nicht mit einem „Taxifahrpreis“ in Ihrer Buchhaltungsdatenbank zusammengeführt wird. Weitere Praxisbeispiele, wie Unternehmen diese Technologie nutzen, finden Sie unter Kundenreferenzen.

Der Prozess ist eine ausgeklügelte Mischung aus geometrischer Analyse und Kantenerkennung. Wenn eine einzelne Seite hochgeladen wird, führt Mindees Vision-Pipeline einen „räumlichen Scan“ durch, um kontrastreiche Ränder zu finden, die die Kante eines physischen Objekts anzeigen.

• Objekterkennung: Die KI identifiziert, wie viele verschiedene Elemente sich auf der Seite befinden.
• Generierung von Begrenzungsrahmen: Es zeichnet eine präzise „Box“ um jedes Element, selbst wenn diese schräg platziert sind (hier findet die „automatische Entzerrung“ statt).
• Zuschneiden & Entrauschen: Das System schneidet jede Box zu einer neuen, individuellen Bilddatei zu und bereinigt die Qualität.
• Individuelle Verarbeitung: Jede neue Datei wird an das entsprechende Extraktionsmodell (z. B. die Beleg-API) gesendet, als wäre sie einzeln hochgeladen worden, wodurch eine gegenseitige Beeinflussung zwischen verschiedenen Dokumenten ausgeschlossen wird.

Bilder/PDFs manuell in einem Tool wie Photoshop oder mithilfe einfacher Python-Skripte zuzuschneiden, ist langsam und nicht skalierbar.

‍

Um mehrere Bilder/PDFs für einen produktionsreifen Workflow gleichzeitig automatisch zuzuschneiden, sollten Sie eine OCR-API integrieren, die eine dedizierte Vorverarbeitungsschicht umfasst. Die API von Mindee erledigt dies automatisch: Wenn Sie einen einzelnen Scan mit mehreren Elementen senden, erkennt die Vision-Engine die Grenzen und führt den Zuschnitt in Millisekunden durch.

‍

Für Entwickler bedeutet dies, dass Sie „Massenscans“ akzeptieren können von Benutzern, ohne komplexe Bildverarbeitungslogik schreiben zu müssen, wodurch Ihr Entwicklungszyklus erheblich beschleunigt und die Benutzererfahrung verbessert wird.