核酸结果统计难?130行代码实现基于ocr的核酸截图识别存储Excel(复现代码核查核酸报告)

简介: 核酸结果统计难?130行代码实现基于ocr的核酸截图识别存储Excel(复现代码核查核酸报告)

来源:


核酸结果统计难?复旦博士生的操作火了

https://m.gmw.cn/baijia/2022-04/08/35644611.html

1 程序背景


学校要收核酸截图,汇总太麻烦了,故将OCR整合到数据中。

1.1 命名规范


20200250202003曹文举4.12阴性.jpg

1.2 EasyOCR


easyOCR

https://github.com/JaidedAI/EasyOCR

pip install easyocr


2 程序


import timeit
import xlsxwriter
import cv2 as cv
import numpy as np
import os
import easyocr
import re
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
def load_file_name(file_name):
    # file_name = "201902811221邱江4.12阴性.jpg"
    file_result_date_no = re.findall(r"\d+", file_name)
    no = file_result_date_no[0]
    date = '2022-0' + file_result_date_no[1] + '-' + file_result_date_no[2]
    file_result_name_name_check = re.findall('[\u4e00-\u9fa5]', file_name)
    # print(file_result_name_name_check)
    check = file_result_name_name_check[len(file_result_name_name_check)-2] +file_result_name_name_check[len(file_result_name_name_check)-1] # 检测结果
    up = len(file_result_name_name_check)-2
    name = ''
    for i in range(up):
        name = name + file_result_name_name_check[i]
    # print("姓名:",name)
    # print("日期:",date)
    # print("学号:",no)
    # print("结果:",check)
    return name,date,no,check
def load_image(path,name,date,check):
    # coding=utf-8
    # 当前目录读取一张图片,转化为灰色
    img = cv.imdecode(np.fromfile(path, dtype=np.uint8), 0)
    reader = easyocr.Reader(['ch_sim', 'en'])
    result = reader.readtext(img)
    # 拼接单个图片的识别结果
    result_str = ''
    for i in result :
        result_str = result_str+i[1]
    # print("包含无关文字:", result_str)
    temp = re.sub('[a-zA-Z]', '', result_str)
    # print("去掉无关文字:",temp)
    a = temp.find("若上述")
    result = temp[0:a]
    # print(result)
    # print("消除无用信息:",result)
    result = result.replace('\n', '')  # 去掉换行符
    result = result.replace(' ', '')  # 去掉空格
    result = result.replace(':', '')  # 去掉-
    result = result.replace(':', '')  # 去掉-
    result = result.replace("核酸检测结果为","")
    result = result.replace("核酸检测结果","")
    # print(result)
    # 姓名校正
    if result.find(name) == -1:
        # print("识别失败")
        name_ocr = "识别失败"
        check_ocr = "字体原因识别失败"
    else:
        # print("名字校正成功:",name)
        # name_ocr = name
        name_ocr = "姓名正确"
    # 阴性与阳性
    if result.find(check) == -1:
        # print("识别失败")
        check_ocr = "字体原因识别失败/"
    else:
        # print("识别结果与文件核酸结果相同")
        check_ocr = "核酸结果一致"
    result = result.replace('阴性', '')
    result = result.replace('阳性', '')
    # 检测机构
    if result.find("检测机构") == -1:
        # print("识别失败")
        organization_ocr = "字体原因识别失败"
        check_ocr = "字体原因识别失败/"
    else:
        index = result.find("检测机构")
        # print("检测机构:",result[index+4:])
        organization_ocr = result[index+4:]
        result = result[0:index]
    # 核酸检测时间
    if result.find("检测时间") == -1:
        date_ocr = "字体原因识别失败"
        check_ocr = "字体原因识别失败/"
        # print("识别失败")
    else:
        index = result.find("检测时间")
        # print("检测时间:",result[index + 4:])
        date_ocr = result[index + 4:]
        if date_ocr == date:
            date_ocr = "检测时间正确"
        result = result[0:index - 1]
    return name_ocr,check_ocr,organization_ocr,date_ocr
# 读取函数,用来读取文件夹中的所有函数,输入参数是文件名
def read_directory(directory_name):
    for filename in os.listdir(directory_name):
        for filename_1 in os.listdir(directory_name+"/"+filename):
            # print(filename_1)  # 仅仅是为了测试
            name,date,no,check = load_file_name(filename_1)
            path = directory_name + "/" + filename+"/"+filename_1
            name_ocr,check_ocr,organization_ocr,date_ocr = load_image(path,name,date,check)
            print("提交数据:",name,date,check,no)
            print("OCR数据:",name_ocr,date_ocr,check_ocr,organization_ocr)
            result_list = [name,date,check,no,name_ocr,date_ocr,check_ocr,organization_ocr]
            result_list_total.append(result_list)
if __name__ == '__main__':
    start = timeit.default_timer()
    # 保存excel
    result_list_total=[["姓名","日期","核算结果","学号","姓名校对","时间校对","核酸状态校对","核酸医院"]]
    read_directory("./imge")#这里传入所要读取文件夹的绝对路径,加引号(引号不能省略!)
    # xlsxwriter只可以新建一个excel,不可以读取和更新
    # 创建一个workbook 和增加一个worksheet,默认为sheet1...,也可以直接为sheet命名,例如下边的test
    workbook = xlsxwriter.Workbook('./data.xlsx')
    # 添加 sheet
    worksheet = workbook.add_worksheet("elite")  # 下方Sheet名
    worksheet.set_column(0,len(result_list_total),18) #全部列宽为18
    # 测试数据
    result_list_total = tuple(result_list_total)
    print(result_list_total)
    # 从首行、首列开始.
    row = 0
    col = 0
    # 通过迭代写入数据.
    for name,date,check,no,name_ocr,date_ocr,check_ocr,organization_ocr in (result_list_total):
        worksheet.write(row, col,     name)
        worksheet.write(row, col + 1, date)
        worksheet.write(row, col + 2, check)
        worksheet.write(row, col + 3, no)
        worksheet.write(row, col + 4, name_ocr)
        worksheet.write(row, col + 5, date_ocr)
        worksheet.write(row, col + 6, check_ocr)
        worksheet.write(row, col + 7, organization_ocr)
        row += 1
    # 只有此函数才可以生成excel
    workbook.close()
    #中间写上代码块
    end = timeit.default_timer()
    print('一共耗时 %s 秒'%(end-start))
    total = len(result_list_total)
    print("处理完毕,共处理 %s 条学生信息"%total)


3 结果


04376be8dda84b12a7268b294f978fe4.png


目录
相关文章
|
4月前
|
机器学习/深度学习 编解码 文字识别
医疗票据OCR图像预处理:印章干扰过滤方案与代码实现
医疗票据OCR技术能自动提取票据中的关键信息,但在实际应用中面临多重挑战。首先,票据版式多样,不同医院、地区的格式差异大,需借助动态模板匹配技术来应对。其次,图像质量参差不齐,存在褶皱、模糊、倾斜、印章遮挡等问题,常通过超分辨率重建和图像修复算法处理。此外,手写体识别、复杂业务逻辑理解(如医疗术语和费用规则)以及数据安全与隐私合规要求也是技术难点。 为应对这些挑战,快瞳系统采用“OCR基础识别 + NLP语义修正”的混合架构,并结合深度学习模型(如CRNN、Transformer)来提升准确率和泛化能力。该技术能显著提升医保报销、保险理赔等场景的效率,是推动医疗信息数字化管理的重要工具。
|
JSON 文字识别 数据可视化
Qwen2-VL微调实战:LaTex公式OCR识别任务(完整代码)
《SwanLab机器学习实战教程》推出了一项基于Qwen2-VL大语言模型的LaTeX OCR任务,通过指令微调实现多模态LLM的应用。本教程详述了环境配置、数据集准备、模型加载、SwanLab集成及微调训练等步骤,旨在帮助开发者轻松上手视觉大模型的微调实践。
|
11月前
|
机器学习/深度学习 文字识别 开发者
使用OCR库Pix2Text执行p2t.recognize()时出现list index out of range的错误信息(附有Pix2Text识别图片内容和laTex公式的代码)
有时候报错并不是你代码有问题,源码出错也是很常见的情况,比如之前使用mxgraph也出现了不知名bug,最后也是修改的源码解决的。有疑问欢迎交流~ 博客不应该只有代码和解决方案,重点应该在于给出解决方案的同时分享思维模式,只有思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
|
12月前
|
文字识别 Serverless 开发工具
【全自动改PDF名】批量OCR识别提取PDF自定义指定区域内容保存到 Excel 以及根据PDF文件内容的标题来批量重命名
学校和教育机构常需处理成绩单、报名表等PDF文件。通过OCR技术,可自动提取学生信息并录入Excel,便于统计分析和存档管理。本文介绍使用阿里云服务实现批量OCR识别、内容提取、重命名及导出表格的完整步骤,包括开通相关服务、编写代码、部署函数计算和设置自动化触发器等。提供Python示例代码和详细操作指南,帮助用户高效处理PDF文件。 链接: - 百度网盘:[链接](https://pan.baidu.com/s/1mWsg7mDZq2pZ8xdKzdn5Hg?pwd=8866) - 腾讯网盘:[链接](https://share.weiyun.com/a77jklXK)
1848 5
|
文字识别 测试技术 API
实战阿里通义灵码极速编程-截屏-OCR-Ollama篇代码
该代码实现了一个截屏测试工具,结合了鼠标事件监听、屏幕截图和OCR功能。用户可通过拖动鼠标选择屏幕区域进行截图,并将截图转换为Markdown格式的文本内容。具体步骤包括:初始化大模型客户端、编码图像为Base64格式、捕获指定屏幕区域并保存截图、调用大模型API进行OCR识别并输出Markdown格式的内容。
571 9
Excel中用宏VBA实现GBT 4761-2008 家庭关系代码转换
Excel中用宏VBA实现GBT 4761-2008 家庭关系代码转换
|
Java Apache
Apache POI java对excel表格进行操作(读、写) 有代码!!!
文章提供了使用Apache POI库在Java中创建和读取Excel文件的详细代码示例,包括写入数据到Excel和从Excel读取数据的方法。
1939 0
|
C# 开发者 Windows
WPF遇上Office:一场关于Word与Excel自动化操作的技术盛宴,从环境搭建到代码实战,看WPF如何玩转文档处理的那些事儿
【8月更文挑战第31天】Windows Presentation Foundation (WPF) 是 .NET Framework 的重要组件,以其强大的图形界面和灵活的数据绑定功能著称。本文通过具体示例代码,介绍如何在 WPF 应用中实现 Word 和 Excel 文档的自动化操作,包括文档的读取、编辑和保存等。首先创建 WPF 项目并设计用户界面,然后在 `MainWindow.xaml.cs` 中编写逻辑代码,利用 `Microsoft.Office.Interop` 命名空间实现 Office 文档的自动化处理。文章还提供了注意事项,帮助开发者避免常见问题。
1115 0
|
SQL
SQL SERVER 查询表结构,导出到Excel 生成代码用
SQL SERVER 查询表结构,导出到Excel 生成代码用
175 0
|
JSON 文字识别 数据格式
印刷文字识别使用问题之调用代码需要传入哪些参数
印刷文字识别产品,通常称为OCR(Optical Character Recognition)技术,是一种将图像中的印刷或手写文字转换为机器编码文本的过程。这项技术广泛应用于多个行业和场景中,显著提升文档处理、信息提取和数据录入的效率。以下是印刷文字识别产品的一些典型使用合集。

热门文章

最新文章