OCR su scansioni: DPI, inclinazione e la coda di revisione

Non tutti i PDF sono uguali. Una fattura arrivata via PEC come file nativo si comporta diversamente da uno stesso documento stampato, firmato, timbrato e scansionato in ufficio. Per questi ultimi l'OCR è l'unica via — e la qualità dell'immagine determina gran parte del risultato, indipendentemente da quanto sia «intelligente» il motore a valle.

Risoluzione e DPI: il minimo operativo

Per testo amministrativo standard, 300 dpi è un buon minimo. Sotto quella soglia, caratteri piccoli (note a piè di pagina, codici articolo) diventano ambigui. Al di sopra, il guadagno marginale va pesato con tempi di upload e storage. Per fotografie da smartphone, controllate messa a fuoco e illuminazione: un'immagine sfocata non recupera a 600 dpi.

• Preferite scansione in bianco e nero o scala di grigi per testo — il colore raramente aiuta l'OCR
• Evitate compressione aggressiva: artefatti JPEG si confondono con tratti di penna
• Multipagina: una pagina storta in un DDT lungo può corrompere l'intera tabella

Skew, timbri e «rumore» visivo

Documenti leggermente ruotati puniscono le tabelle: le colonne non allineano e l'OCR mescola celle. Timbri e firme sopra importi o partita IVA sono il caso classico da revisione — nessun motore dovrebbe forzare un numero coperto al 40%. Anche pieghe, macchie e fax di bassa qualità entrano in questa categoria: meglio segnalare incertezza che inventare cifre.

Un OCR che non ammette dubbio sui campi incerti è più pericoloso di uno che chiede una seconda occhiata.

La coda di revisione umana

In un flusso maturo, la revisione non è fallback del fallimento totale: è filtro mirato. Il sistema marca campi a bassa confidenza, totali non conciliati, codici anomali. L'operatore vede documento e valori affiancati, corregge solo l'eccezione, il resto passa. Così il tempo umano scala con la percentuale di documenti «sporchi», non con il volume totale.

Metriche utili — senza numeri di marketing

• Percentuale documenti in revisione per tipologia (fattura vs DDT vs ordine)
• Tempo medio di revisione per eccezione — non solo «minuti risparmiati»
• Campi corretti al primo passaggio sui documenti digitali vs scansioni — due curve diverse
• Errori scoperti a valle (contabilità, magazzino) dopo l'estrazione

Prevenire a monte

Standardizzare come si scansiona in ufficio — stessa risoluzione, stesso formato, evitare «foto del documento sul tavolo» — riduce la coda più di qualsiasi tuning del motore. Dove possibile, chiedete ai fornitori il PDF nativo: è gratis in termini di qualità.

LOCRAI tratta scansioni e PDF digitali con percorsi distinti e mette in evidenza i campi da verificare, così la qualità del dato resta sotto controllo anche quando il documento di partenza non lo è.