Um modelo para extração automática de informações em formulários de requerimento acadêmico da UEPB

Abstract

Um problema muito recorrente em praticamente todos os tipos de empresas ou instituições públicas é a necessidade de tratamento e gestão de documentos físicos impressos, em fotos ou escaneados, a verificação, de forma manual por um agente humano, da consistência, completude e validade das informações preenchidas, e muitas das vezes, a leitura com posterior inserção no computador, por digitação manual, tarefa esta que poderia ser muito mais rápida se automatizada. Tendo em vista este contexto, o objetivo deste trabalho é propor um modelo automático de extração de informações preenchidas à mão nos formulários de requerimento acadêmico da UEPB, que possa fazer a extração automática das informações preenchidas e o devido armazenamento no computador, gerando um arquivo JSON representativo de um requerimento acadêmico. Tal modelo, foi proposto a partir da concepção de um pipeline especificamente voltado para esta tarefa, consistindo de: padronização das imagens dos formulários, aplicação de um algoritmo de alinhamento das imagens com o template, repartição dos campos dos formulários nas imagens, aplicação de OCR nos campos particionados, e associação do formulário com o aluno, de uma base de dados de alunos sintética, que possuir os dados mais similares ao resultado do OCR. O modelo proposto foi testado e executado numa base de trinta formulários reais dos estudantes, e para o problema de detecção do aluno pelo OCR no formulário de requerimento, pelo pipeline proposto, foi obtida uma acurácia de 86,67%. Ao final, foram sugeridas, para trabalhos futuros, possíveis medidas para aperfeiçoar a acurácia do modelo.