OCR Vision é uma solução de visão computacional desenvolvida pelo Skyone LAB para extrair e interpretar textos de documentos, imagens e PDFs com máxima acurácia utilizando Inteligência Artificial.
Esta tecnologia foi desenvolvida para:
- Impulsionar automações no Skyone Studio
- Alimentar agentes de IA com dados estruturados e confiáveis
- Digitalizar documentos de forma inteligente e precisa
- Processar informações em múltiplos formatos e idiomas
- ✅ Múltiplos Provedores de IA: Ollama (local), OpenAI e Google Gemini
- ✅ Integração com Google Drive: Processe arquivos diretamente da nuvem
- ✅ Processamento em Lote: Múltiplos arquivos simultaneamente
- ✅ Formatos Suportados: PNG, JPG, JPEG, TIFF, BMP e PDF
- ✅ Pré-processamento Avançado: Pipeline de 10 etapas sempre ativo
- 🔄 Upscaling para resolução ideal
- 🎯 Correção de inclinação (deskewing)
- 🧹 Redução de ruído avançada (dupla camada)
- ✨ Realce de contraste (CLAHE)
- 🔍 Nitidez de texto
- ⚫⚪ Binarização otimizada por idioma
- 🔧 Operações morfológicas
- 📐 Remoção automática de bordas
- ✅ Formatos de Saída: Markdown, Texto, JSON, Estruturado, Chave-Valor, Tabela, Word 97-2003
- ✅ Formato Minuta: Geração de documentos no padrão de peças processuais
- ✅ Interface Moderna: UI intuitiva e responsiva
- ✅ Salvamento Automático: Resultados salvos diretamente no Google Drive
- Python 3.8 ou superior
- Ollama instalado (para uso local)
- Chave de API da OpenAI (opcional)
- Chave de API do Google Gemini (opcional)
# 1. Clone o repositório
git clone https://github.com/seu-usuario/Ollama-OCR.git
cd Ollama-OCR
# 2. Instale as dependências
pip install -r requirements.txt
# 3. (Opcional) Instale modelos Ollama locais
ollama pull llava:7b
ollama pull llama3.2-vision:11bstreamlit run src/ollama_ocr/app.pyA aplicação abrirá automaticamente em http://localhost:8501
- Selecione o Provedor de API (Ollama, OpenAI ou Google Gemini)
- Escolha o Modelo de IA
- Configure o Processamento:
- Formato de saída desejado
- Tipo de prompt (Manual ou Automático)
- Idioma do documento
- Processamento paralelo e pré-processamento
- Faça Upload dos Arquivos e processe
- Visualize e Baixe os resultados em múltiplos formatos
O OCR Vision agora conta com um pipeline avançado de pré-processamento que é sempre aplicado automaticamente para garantir a máxima qualidade de leitura pela LLM.
- Conversão para Escala de Cinza: Foco na detecção de caracteres
- Upscaling Inteligente: Redimensiona imagens de baixa resolução (< 1000px)
- Redução de Ruído (Dupla Camada):
- Filtro Bilateral (preserva bordas)
- Non-Local Means (remove ruído fino)
- Correção de Inclinação (Deskewing): Corrige automaticamente documentos rotacionados
- Realce de Contraste (CLAHE): Equalização adaptativa de histograma
- Nitidez: Melhora definição dos contornos do texto
- Binarização Otimizada:
- Otsu para idiomas latinos
- Adaptativa para idiomas CJK (Chinês, Japonês, Coreano)
- Inversão Automática: Detecta e inverte se necessário (fundo escuro)
- Operações Morfológicas: Remove artefatos e corrige caracteres quebrados
- Remoção de Bordas: Foca no conteúdo relevante
| Métrica | Melhoria |
|---|---|
| Precisão OCR | +15-20% |
| Documentos inclinados | +80% |
| Imagens de baixa qualidade | +60% |
| Documentos com ruído | +70% |
| Documentos de baixo contraste | +50% |
📖 Para mais detalhes, veja PREPROCESSING_IMPROVEMENTS.md
- Markdown: Texto formatado com estrutura hierárquica
- Texto: Texto puro sem formatação
- JSON: Estrutura hierárquica em formato JSON
- Estruturado: Preserva tabelas e listas estruturadas
- Chave-Valor: Pares chave-valor extraídos
- Tabela: Dados tabulares em formato estruturado
- Formato Minuta: Documentos no padrão de peças processuais (.doc)
- Obtenha sua API key em: https://platform.openai.com/api-keys
- Insira a key no campo "Chave da API" quando selecionar OpenAI
- Obtenha sua API key em: https://makersuite.google.com/app/apikey
- Insira a key no campo "Chave da API" quando selecionar Google Gemini
O OCR Vision agora suporta processamento direto de arquivos do Google Drive!
- Navegação de Pastas: Navegue pelas pastas do seu Google Drive
- Seleção Intuitiva: Selecione a pasta com os arquivos para processar
- Download Automático: Arquivos são baixados temporariamente para processamento
- Upload Automático: Resultados são salvos automaticamente na mesma pasta
- Segurança: Autenticação OAuth 2.0 segura
Para usar a integração com Google Drive, siga o guia completo de configuração:
- Configure as credenciais do Google Drive (veja guia acima)
- Inicie o aplicativo
- Na barra lateral, clique em "🔐 Conectar ao Google Drive"
- Autorize o acesso
- Navegue e selecione uma pasta
- Vá para a aba "☁️ Google Drive"
- Clique em "🚀 Processar Arquivos do Google Drive"
Os resultados serão salvos automaticamente na mesma pasta!
OCR-LAB/
├── src/
│ └── ollama_ocr/
│ ├── app.py # Interface Streamlit
│ └── ocr_processor.py # Lógica de processamento OCR
├── requirements.txt # Dependências Python
└── README.md
Skyone LAB
Impulsionando automações e alimentando agentes de IA com dados estruturados e confiáveis.
Impulsionando automações e alimentando agentes de IA com dados estruturados e confiáveis.
Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.
Para suporte, dúvidas ou sugestões, entre em contato com a equipe do Skyone LAB.
Desenvolvido com ❤️ pela equipe Skyone LAB