使用 Google Cloud Vision API 无法正常显示表格正文列

Question

我使用API version v1 解析了一张 JPG 图片并得到了表格。但是，当尝试使用 Google Vision 读取表格时，输出的前 2 列组合在一起。表格截图可见here。 响应如下图->

array:146 [▼
  0 => "Ln#"
  1 => "Item"
  2 => "HSN/SAC Code"
  3 => "Hazardous"
  4 => "Qty"
  5 => "Unit Price"
  6 => "Disc."
  7 => "Tax Description"
  8 => "Sub Total"
  9 => "0 1670940-00"
  10 => "853190"
  11 => "No"
  12 => "200.00"
  13 => "IGST@18 (18.00%)"
  14 => "1,000.00"
  15 => "Hinged Cover for HCP/CCP Range (PS200)"

如上面第 9 个索引中所示，“0 1670940-00”即将合并。它们应该位于不同的索引中。

这种情况只发生在多于 1 行的行中。 Google Vision API 客户端代码如下。

$request = new AnnotateImageRequest();
$request->setImage($image);
$request->setFeature("TEXT_DETECTION");
$gcvRequest = new GoogleCloudVision([$request],  env('GOOGLE_CLOUD_KEY'));

Answer 1

我使用您共享的图像进行了一些测试，发现所描述的问题已通过使用功能 "DOCUMENT_TEXT_DETECTION" 得到解决，因为它针对密集文本和文档进行了优化。

此外，请注意，Cloud Vision 或 Document AI 等服务由机器学习模型提供支持，因为由于对输入数据质量和其他方面的敏感，这些结果有时并不完全符合预期。尽管如此，这些模型仍在不断改进，结果将随着时间的推移而不断改进。

除此之外，我建议您在使用 Cloud Vision 时使用Google's Vision AI issue tracker 报告任何质量问题，这将允许 Google 直接参与并继续改进模型和服务。