Versatile OCR Program – 90-95%高准确率的OCR文字识别工具

Versatile OCR Program 是一款专为机器学习优化的强大 OCR 工具，能精准提取复杂结构化数据。支持多语言文本（包括日语、韩语和英语，可扩展支持其他语言），支持 JSON 和 Markdown 格式输出，包含数学表达式、表格摘要和图像说明，准确处理包含密集科学内容和丰富视觉元素的考试风格 PDF，自动为视觉内容生成自然语言描述，并为提取的元素添加语义标注和上下文解释，适合制作高质量的 ML 训练数据集。

经过测试，在 EJU 生物学和东京大学数学等真实学术数据集上，达到 90-95% 的高准确率。

J.Cling 推荐拓展：

主要功能特点

优化机器学习训练：提取的元素（如图形、表格和图形）会进行语义标注，并附上上下文解释。这包括自动生成视觉内容的自然语言描述（例如，“该图形展示了有丝分裂的四个阶段”），以增强下游模型训练。
多语言支持：支持日语、韩语和英语，并可以轻松定制以支持其他语言。
结构化输出：生成适用于 AI 的 JSON 或 Markdown 格式输出，包括数学表达式的人类可读描述、表格摘要和图形标题。
高精度：在 EJU 生物学和 UTokyo 数学等真实世界学术数据集上达到 90-95%以上的准确率。
复杂布局支持：准确处理包含密集科学内容、公式密集段落和丰富视觉元素的考试风格 PDF。
技术栈：DocLayout-YOLO、Google Vision API、Gemini Pro Vision、MathPix OCR、OpenAI API、OpenCV 等。

官方使用说明

以下是使用真实材料（2017 年 EJU 生物学和 2014 年东京大学数学）生成的系统实际输出示例，包括英文翻译的语义上下文和提取的数据。

数学输入

输出

英文翻译输出

问题 1. 考虑底边为 1 的正方形底面的长方体 OABC–DEFG。点 P、Q、R 分别位于线段 AE、BF 和 CG 上，且四点 O、P、Q、R 位于同一平面上。设四边形 OPQR 的面积为 S。此外，设∠AOP 为α，∠COR 为β。(2) 如果α + β = 1 且 S = S，求 tan α + tan β的值。另外，如果α ≤ β，求 tan α的值。

[图片开始]

图像描述：该图像展示了长方体 OAB–CDEFGQ。每个顶点都用字母标记。在面 OAB 上标出了角度α。平面 ORPQ 与长方体相交并被突出显示。线段 RC 位于面 ODCG 上，线段 PB 位于面 ABFQ 上。

教育价值：这张图片通过可视化 3D 几何和截面来增强空间推理能力。它帮助学习者理解平面几何、立体形状、空间可视化和角度等概念。

相关主题：立体几何、截面、棱柱面、三角形、空间推理

考试相关性：这类问题出现在入学考试中，例如：

使用角度α计算 ORPQ 的面积
求 OR、RP、PQ、QO 的长度
确定 ORPQ 与棱镜面的夹角
在坐标系中定位点 P、Q、R
计算棱镜各部分的体积/面积
根据约束预测形状
绘制棱柱的形状

生物学输入

输出

英文翻译输出

问题 39. 这张照片展示了洋葱根尖的有丝分裂过程（体细胞分裂）。细胞 A–D 处于不同的分裂阶段。将阶段（前期、中期、后期、末期）与每个细胞对应起来，并从选项①–⑧中选择正确的组合。

图像描述：这张图像显示了在显微镜下观察到的植物细胞分裂过程。各种细胞处于不同的有丝分裂阶段，包括染色体在中心对齐（中期）、分离到两极（后期）或形成子细胞核（末期）。

A – 看起来处于后期
B – 可能处于末期
C – 前期或中期
D – 中期

教育价值：这有助于学生直观地理解有丝分裂的过程，巩固细胞分裂阶段及其特征的知识。它与 DNA 复制、癌症生物学和遗传学等生物学概念相联系。

相关主题：有丝分裂、细胞周期、前期、中期、后期、末期、DNA 复制

考试相关性：这张图片用于以下问题：

将 A、B、C、D 与适当的细胞分裂期匹配
描述每个阶段的特点
解释细胞分裂的重要性
讨论有丝分裂中的错误如何导致遗传疾病

前期	中期	後期
A	C	D
A	D	B
B	C	C
B	D	C
C	A	D
C	D	A
D	A	B
D	C	A

摘要：每个选项（①–⑧）对应 A、B、C、D 到前期、中期和后期的特定映射。

教育价值：理解有丝分裂中的时间性转变和表格中的数据组织。增强数据解读、模式识别和分析能力。

相关主题：数据分析、表格解读、生物数据分类

使用流程

步骤 1 – 初始 OCR 提取运行 ocr_stage1.py 从输入 PDF 中提取原始元素（文本、表格、图形等）。此步骤执行布局检测并存储中间结果（例如，坐标、裁剪图像、原始内容）。
步骤 2 – 语义解释与最终输出运行 ocr_stage2.py 处理中间数据并将其转换为结构化、人类可读的输出。这包括生成自然语言解释、摘要，以及将内容组织成 AI 准备好的格式（JSON/Markdown）。