Jeg modtager scanninger af lav kvalitet, og jeg har brug for en ensartet måde at detektere, hvornår MRZ ikke er korrekt.

Tilvejebring en ensartet måde at validere, om den maskinlæsbare zone (MRZ), der er udtrukket fra dokumentscanninger af lav kvalitet, sandsynligvis er forkert. Dette hjælper med at reducere fejl i efterfølgende processer ved at markere upålidelige MRZ-resultater til gennemgang eller ny scanning.

Denne funktion muliggør ensartet detektering af potentielt ukorrekte MRZ-data, når kildebillederne er af lav kvalitet eller svære at læse. Den evaluerer den udtrukne MRZ i forhold til forventninger til standard MRZ-struktur, såsom påkrævet antal linjer, regler for tegnsæt, feltlængder og konsistens i kontrolcifre. Når MRZ'en ikke opfylder de forventede validitetskriterier, kan resultatet markeres som ukorrekt, så det kan håndteres anderledes i dit workflow. Dette understøtter scenarier, hvor OCR kan producere tekst, der ser plausibel ud, men som stadig er ugyldig på grund af sløring, genskin, komprimeringsartefakter eller delvis tildækning. Den primære anvendelse er at køre MRZ-validering umiddelbart efter udtrækning og før MRZ'en bruges til identitetsmatchning, autofyld eller oprettelse af optegnelser. Ved at detektere ugyldige MRZ-output tidligt kan du sende sager til manuel gennemgang, anmode om en bedre scanning eller bede brugeren om at scanne dokumentet igen. Dette hjælper med at forbedre datakvaliteten, reducere falske matches og undgå fejl senere i onboarding- eller verifikationsprocessen. Det er særligt nyttigt til pipelines med høj volumen, der modtager heterogene scanninger fra forskellige enheder og under forskellige scanningsforhold. Resultatet er en mere pålidelig og forudsigelig tilgang til at afgøre, om en MRZ kan stoles på, selv når inputbillederne er inkonsistente.