はじめに

OCRとは

OCR（Optical Character Recognition／光学的文字認識）とは、紙や製品、画像データに含まれる文字情報を読み取り、コンピューターで扱える文字コードへ変換する技術です。

例えば、以下のような情報を自動でテキスト化できます。

・パッケージに印字された消費期限「20XX.01.01」

・部品番号「ABC123」

・納品書の品名や数量

通常、印刷物や画像内の文字はそのままではPCで識別できません。そのため、人が目視確認し、手入力する必要がありました。

OCRを活用することで、

・入力作業の自動化

・人為的ミスの削減

・業務効率の向上

・データ管理の効率化

が可能になります。

今回の検証内容

・PDFの文字認識精度

・画像の文字認識精度

・手書き文字の認識精度

・使いやすさ

使用ツール

・LightPDF（Web）

・i2OCR（Web）

・NDLOCR-Lite（デスクトップ / CLI）

・Gemini Pro 3.0（手書き検証用）

検証に使用したサンプルは以下です。

LightPDF

こちらはWebページ上から使用できます。
WebでPDFや画像をOCR処理して編集可能なテキストやWord形式に変換できます。インターフェースは比較的わかりやすいです。

特徴

インターフェースが直感的で使いやすい

PDFの文字認識精度が高い

Word形式で出力可能

精度

半角／全角の違いが数文字発生

それ以外は非常に高精度

総評：

Webツールとしてはかなり優秀。手軽に使える高精度OCR。

i2OCR

こちらもWebブラウザで利用できる無料OCRツールです。

特徴

128言語対応

Word / テキスト / HTML出力対応

非常にシンプルなUI

精度

PDF、画像ともにほぼ100%

半角／全角の違いがわずかに発生

総評：

無料かつシンプルで高精度。とにかく手軽に使いたい人向け。

NDLOCR-Lite

デスクトップアプリとCLIツールがあります。
国立国会図書館のNDLラボが公開しているOCRソフトです。
一般的なPCで動作し、資料デジタル化用途を想定しています。

GitHubからダウンロード可能で、CC BY 4.0ライセンスで公開されています。

インストール手順(デスクトップアプリ)

https://github.com/ndl-lab/ndlocr-lite/releases
から使用しているOSのZIPファイルをダウンロードし展開
GitHubのReleaseページから使用OSのZIPをダウンロードして展開。

※Windowsの場合
exeを右クリック → プロパティ → セキュリティのチェックを許可 → OK

※注意
NDLOCR-Liteのパスに日本語が含まれていると動作しないため、C直下などへ配置する必要があります。

インストール手順(CLI)

※コマンドラインから操作を行うにはPython 3.10以上が必要です。

事前準備

git clone https://github.com/ndl-lab/ndlocr-lite
cd ndlocr-lite
pip install -r requirements.txt
cd src

実行例1.（同階層にある「9892834_0001」という名称のディレクトリ内の画像を一括処理し、tmpdirという名称のディレクトリに結果を出力する。）

python3 ocr.py --sourcedir 9892834_0001 --output tmpdir

実行例2.（同階層にある「digidepo_1287221_00000002.jpg」という名称の画像を処理し、tmpdirという名称のディレクトリに結果を出力する。）

python3 ocr.py --sourceimg digidepo_1287221_00000002.jpg --output tmpdir

精度

PDF・写真：約98%

手書き文字：ほぼ認識できず

総評：

活字には強いが、手書きには弱い印象。
ローカルで完結する点は大きなメリット。

Gemini Pro 3.0

手書き文字の検証に使用。

精度

手書き文字：非常に高精度

PDF／写真：ほぼ完璧

今回の検証では、手書き認識はダントツで最も優秀でした。

まとめ

今回の検証から分かったことは以下の通りです。

・活字OCRはどのツールもかなり高精度

・手書き認識はツールによって大きく差が出る

・Web型は手軽さが強み

・ローカル型はセキュリティや業務利用向き

用途別におすすめすると、

・業務PDFを手軽に処理 → LightPDF / i2OCR

・ローカル環境で完結したい → NDLOCR-Lite

・手書きを高精度で処理したい → Gemini

OCR技術はかなり実用レベルに達していると感じました。
特に手書き認識はAIモデルの進化を強く実感できる結果でした。