前言
問卷調查收集是最常見的社會調查的一種方法， 通常應於市場調查，信息收集等方面。但是龐大的問卷調查收集完了之后面對如此大量的數據該怎么錄入，並將內容轉換為電子文檔呢？今天就為大家介紹通過集成華為HMS ML Kit表格識別服務來輕松實現表格錄入功能。
應用場景
華為HMS ML Kit表格識別服務是利用AI技術從輸入的圖片中識別並返回表格結構信息（包括單元格的行列信息和坐標信息）和表格中的文本信息（包括單元格內的文本內容），支持識別中英文文本信息及標點符號。表格識別服務在日常工作場景中有廣泛應用。例如，收集到大量紙質表格問卷后，可以通過該服務將識別到的問卷內容轉換為電子文檔，減少人工錄入成本，大幅提高工作效率。
注意事項
- 支持識別具有表格特征的表單、問卷等。
- 暫時不支持圖片中含有多張表格的識別，不支持獲取表頭及表尾信息。
- 滿足以下條件可達到最佳識別效果（如下示圖）：
| 拍攝角度 | 平面傾斜角度小於5度 |
|---|---|
| 表格完整度 | 無缺角、無彎曲表格線、表格線連續未間斷 |
| 表格內容 | 表格中的文字為橫向，表格中的背景色（底色）和表格線顏色要求有明顯的對比度，僅支持為純印刷體文本，暫不支持識別表格內的圖片、公式、手寫字、印章、水印等 |
| 圖片規格 | 圖片的長邊和短邊的比例需小於3:1（含），分辨率需大於960*960px，圖片中表格的方向必須正向，表格占圖片面積60%以上，並在圖片的中間位置 |
開發步驟
1. 開發准備
詳細的准備步驟可以參考華為開發者聯盟：
https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides-V5/dev-process-0000001050038076-V5?ha_source=hms1
這里列舉關鍵的開發步驟。
1.1 項目級gradle里配置Maven倉地址
buildscript {
repositories {
google()
jcenter()
maven {url 'https://developer.huawei.com/repo/'}
}
dependencies {
...
classpath 'com.huawei.agconnect:agcp:1.4.1.300'
}
}
allprojects {
repositories {
google()
jcenter()
maven {url 'https://developer.huawei.com/repo/'}
}
}
1.2 文件頭增加配置
集成SDK后，在文件頭添加配置
apply plugin: 'com.android.application'
apply plugin: 'com.huawei.agconnect'
1.3 應用級gradle里配置SDK依賴
dependencies{
// 引入基礎SDK
implementation 'com.huawei.hms:ml-computer-vision-formrecognition:2.0.4.300'
// 引入表格識別模型包
implementation 'com.huawei.hms:ml-computer-vision-formrecognition-model:2.0.4.300'
}
1.4 將以下語句添加到AndroidManifest.xml文件中，用於自動更新機器學習模型
<meta-data
android:name="com.huawei.hms.ml.DEPENDENCY"
android:value= "fr"/>
1.5 申請攝像頭權限
<uses-permission android:name="android.permission.CAMERA" />
<uses-feature android:name="android.hardware.camera" />
2. 代碼開發
2.1創建表格識別分析器。
MLFormRecognitionAnalyzerSetting setting = new MLFormRecognitionAnalyzerSetting.Factory().create();
MLFormRecognitionAnalyzer analyzer = MLFormRecognitionAnalyzerFactory.getInstance().getFormRecognitionAnalyzer(setting);
2.2通過android.graphics.Bitmap創建MLFrame對象用於分析器識別表格，支持的圖片格式包括：jpg/jpeg/png，建議圖片尺寸不小於960960像素，不大於19201920像素。
MLFrame mlFrame = MLFrame.fromBitmap(bitmap);
2.3調用asyncAnalyseFrame異步方法或analyseFrame同步方法進行表格識別（JsonObject對象的數據結構定義請參見JsonObject）。
// asyncAnalyseFrame異步調用。
Task<JsonObject> recognizeTask = analyzer.asyncAnalyseFrame(mlFrame);
recognizeTask.addOnSuccessListener(new OnSuccessListener<JsonObject>() {
@Override
public void onSuccess(JsonObject recognizeResult) {
// 識別成功。
}
}).addOnFailureListener(new OnFailureListener() {
@Override
public void onFailure(Exception e) {
// 識別失敗。
}
});
// analyseFrame同步調用。
SparseArray<JsonObject> recognizeResult = analyzer.analyseFrame(mlFrame);
if (recognizeResult != null && recognizeResult.get(0).get("retCode").getAsInt() == MLFormRecognitionConstant.SUCCESS) {
// 識別成功。
} else {
// 識別失敗。
}
2.4檢測完成，停止分析器，釋放檢測資源。
if (analyzer != null) {
analyzer.stop();
}
總結
華為機器學習表格識別服務為開發者提供識別圖片中表格的服務，可廣泛應用於問卷調查數據收集等應用場景中，代替人工錄入，減少成本。
欲了解更多詳情，請參閱：
華為開發者聯盟官網：https://developer.huawei.com/consumer/cn/hms?ha_source=hms1
獲取開發指導文檔：https://developer.huawei.com/consumer/cn/doc/development?ha_source=hms1
參與開發者討論請到Reddit社區：https://www.reddit.com/r/HMSCore/
下載demo和示例代碼請到Github：https://github.com/HMS-Core
解決集成問題請到Stack Overflow：https://stackoverflow.com/questions/tagged/huawei-mobile-services?tab=Newest
如您有任何疑問或需要幫助，請與我們聯系：mlkit@huawei.com
原文鏈接：https://developer.huawei.com/consumer/cn/forum/topic/0204429136296960028?fid=18
原作者：timer