基于OCR技术的航天器材料及器件试验数据识别系统

来源：计算机测量与控制杂志2023年第1期北京时间：

作者：陆俊杰,魏亚东,李晓峰,王成,李洪普,李锋

单位：中船重工奥蓝托无锡软件技术有限公司

摘要：航天器材料及器件数据库需要海量国内外试验报告数据的支撑，其中表格作为最普遍的数据存储形式含有的数据量最为庞大，然而面对人工识别提取表格数据工作繁琐且易出错的难点，以PDF文档的表格为研究对象，提出基于OCR技术的航天器材料及器件试验数据识别系统；采用了B/S架构，基于EXT、JAVA、Python等技术语言进行开发，系统具备PDF文档转换、表格识别、数据提取、数据编辑等功能；依据系统设计采用版面分析和PDFPlumber表格检测的关键技术和方法以达导准确有效识别PDF文档表格的目的，采用EXT表格控件形式展现提取的数据经试验测试实现了对PDF文档内规整表格的批量识别和数据提取；验证了设计方案的可行性，满足了试验数据试别系统的高识别准确率、快速识别等特点；

关键词：航天器材料与器件;数据识别系统;OCR;PDF文档;表格识别