C# .NET API для извлечения данных с помощью оптического распознавания марок

Начало работы с Aspose.OMR for .NET

Рекомендуемый способ установить Aspose.OMR for .NET — использовать NuGet. Пожалуйста, используйте следующую команду для быстрой установки.

Install-Package Aspose.OMR

Точная распознавание OMR через C# API

Aspose.OMR for .NET очень прост в использовании и использует продвинутые алгоритмы, обеспечивая точное и надёжное распознавание OMR в приложениях .NET. API позволяет распознавать отмеченные пузырьки, флажки и сетки на отсканированных изображениях или документах всего несколькими строками кода. API поддерживает различные форматы изображений, включая JPEG, PNG и TIFF, предоставляя гибкость при работе со сканированными документами. После завершения распознавания результаты могут быть возвращены и сохранены в самых популярных форматах хранения данных, включая CSV, XML или JSON. Пример ниже показывает, как разработчики могут распознавать данные формы из потока памяти в приложениях .NET.

// 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);
}

Выполнение массового распознавания OMR через .NET API

Массовое распознавание OMR часто требуется в сценариях, где необходимо эффективно обработать большое количество форм. Aspose.OMR для .NET предоставляет функции и возможности для бесшовного выполнения массового распознавания OMR. API проходит по коллекции изображений и выполняет распознавание OMR для каждого изображения. Он извлекает релевантные данные из результатов распознавания, такие как отмеченные варианты, проценты и т.д. Пример ниже демонстрирует, как разработчики могут выполнять массовое распознавание OMR, используя команды C# .NET.

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
        }
    }
}

Гибкий дизайн шаблонов и интеграция с приложениями .NET

С Aspose.OMR для .NET проектирование шаблонов OMR является гибким и удобным для пользователя. Разработчики могут создавать шаблоны с различными типами вопросов, такими как множественный выбор, сетка и текст. Шаблоны настраиваются под конкретные макеты форм. API также поддерживает бесшовную интеграцию возможностей OMR в приложения .NET. Независимо от того, разрабатываете ли вы веб‑приложение, настольный софт или облачное решение, Aspose.OMR для .NET адаптируется к вашей среде разработки. Кроме того, он предоставляет инструменты для расширенного анализа отметок, включая определение частично отмеченных вариантов, обработку ошибок и включение адаптивных настроек распознавания.