C# .NET API til at udtrække data via Optisk Mærkegenkendelse

Kom i gang med Aspose.OMR for .NET

Den anbefalede måde at installere Aspose.OMR for .NET er ved at bruge NuGet. Brug venligst følgende kommando for en problemfri installation.

Install-Package Aspose.OMR

Præcis OMR-genkendelse via C# API

Aspose.OMR for .NET er meget nem at håndtere og anvender avancerede algoritmer for at sikre præcis og pålidelig OMR‑genkendelse i .NET‑applikationer. API’et inkluderer muligheden for at genkende markerede bobler, afkrydsningsfelter og gittere på scannede billeder eller dokumenter med blot et par linjer kode. API’et understøtter forskellige billedformater, herunder JPEG, PNG og TIFF, hvilket giver fleksibilitet ved håndtering af scannede dokumenter. Når genkendelsen er færdig, kan resultaterne returneres og gemmes i de mest populære datalagringsformater, herunder CSV, XML eller JSON. Følgende eksempel viser, hvordan softwareudviklere kan genkende formulardata fra en hukommelsesstrøm i .NET‑applikationer.

// Load recognition pattern and form image
byte[] pattern = Encoding.UTF8.GetBytes(payload[0]);
byte[] form = Encoding.UTF8.GetBytes(payload[1]);
// Initialize recognition engine
Aspose.OMR.Api.OmrEngine omrEngine = new Aspose.OMR.Api.OmrEngine();
Aspose.OMR.Api.TemplateProcessor templateProcessor = null;
using(MemoryStream patternStream = new MemoryStream(pattern))
{
	templateProcessor = omrEngine.GetTemplateProcessor(patternStream, Encoding.UTF8);
}
// Recognize
Aspose.OMR.Model.RecognitionResult recognitionResult = null;
using(MemoryStream formStream = new MemoryStream(form))
{
	recognitionResult = templateProcessor.Recognize(formStream);
}

Udfør masse‑OMR‑genkendelse via .NET API

Bulk OMR‑genkendelse er et almindeligt krav i scenarier, hvor der er behov for at behandle et stort antal formularer effektivt. Aspose.OMR for .NET leverer funktioner og muligheder for at håndtere masse‑OMR‑genkendelse problemfrit. API’et itererer gennem samlingen af billeder og udfører OMR‑genkendelse på hvert billede. Det udtrækker relevante data fra genkendelsesresultaterne, såsom markerede valg, procenter osv. Følgende eksempel demonstrerer, hvordan softwareudviklere kan udføre masse‑OMR‑genkendelse ved hjælp af C# .NET‑kommandoer.

using Aspose.Omr;

class Program
{
    static void Main()
    {
        // Load OMR template
        OmrEngine engine = new OmrEngine();
        OmrTemplate template = engine.TemplateProcessor.LoadTemplate("path/to/template.amr");

        // Configure recognition settings
        OmrRecognitionSettings settings = new OmrRecognitionSettings();
        settings.AdaptiveThreshold = true;

        // Process each image in bulk
        string[] imagePaths = { "path/to/image1.jpg", "path/to/image2.jpg", "path/to/image3.jpg" };

        foreach (string imagePath in imagePaths)
        {
            OmrResult result = engine.RecognizeImage(template, imagePath, settings);

            // Extract data from results
            foreach (OmrRecognitionBlock block in result.RecognitionBlocks)
            {
                foreach (OmrPage page in block.Pages)
                {
                    foreach (OmrQuestion question in page.Questions)
                    {
                        // Access question details, marked choices, etc.
                    }
                }
            }

            // Process the result as needed for each image
        }
    }
}

Alsidig skabelondesign & integration med .NET‑apps

Med Aspose.OMR for .NET er design af OMR‑skabeloner fleksibelt og brugervenligt. Udviklere kan oprette skabeloner med forskellige spørgsmålstyper, såsom multiple‑choice, gitter og tekst. Skabeloner kan tilpasses for at passe til specifikke formular‑layout. API’et understøtter også problemfri integration af OMR‑funktioner i .NET‑applikationer. Uanset om du udvikler en webapplikation, desktop‑software eller en cloud‑baseret løsning, tilpasser Aspose.OMR for .NET sig til dit udviklingsmiljø. Desuden giver det værktøjer til avanceret mærkningsanalyse, herunder identifikation af delvist markerede valg, håndtering af fejl og aktivere adaptive genkendelsesindstillinger.