Scan tài liệu bị mờ, lệch trang: kiểm tra trước OCR để không mang lỗi vào dữ liệu

Một bộ hồ sơ scan mở được, nhìn ở chế độ thu nhỏ khá sạch, nhưng trang thứ tư mất dòng cuối. Sang bước nhận dạng chữ, phần thiếu ấy có thể bị bỏ qua mà người nhập liệu không biết để hỏi lại.

Trước khi OCR, hãy kiểm ba việc: đủ nội dung, đúng chiều và đọc rõ. Sau OCR, vẫn cần đối chiếu đầu ra với ảnh nguồn. Tách hai bước này giúp doanh nghiệp biết lỗi đến từ lần scan tài liệu hay từ bước nhận dạng, thay vì sửa dữ liệu theo phỏng đoán.

1. Kiểm đầu vào trước khi chỉnh ảnh

Lưu nguyên tệp nhận được và tạo bản làm việc riêng. Ghi người gửi, ngày nhận, phiên bản và số trang dự kiến nếu có. Nếu chưa biết bộ hồ sơ phải gồm bao nhiêu trang, đánh dấu “chưa xác nhận đủ”; số trang PDF không tự chứng minh hồ sơ đầy đủ.

Mở danh sách hình thu nhỏ để kiểm thứ tự, trang lặp và chiều đọc. Sau đó mở từng trang để nhìn mép giấy, phần đầu và cuối. Kiểm mặt sau của giấy hai mặt; đừng xóa trang chỉ vì hình thu nhỏ trông không có chữ.

Nếu số trang in trên giấy khác vị trí trong PDF, ghi cả hai khi báo lỗi: “trang PDF 6, trang in 4”. Người scan lại sẽ tìm đúng chỗ nhanh hơn.

2. Phân loại lỗi để chọn cách xử lý

Dấu hiệu khi kiểm	Việc nên làm	Điều cần tránh
Trang ngược hoặc xoay ngang	Xoay bản làm việc cho đúng chiều đọc	Xoay cả tệp khi chỉ vài trang sai
Dòng chữ nghiêng, vẫn rõ nét	Thử căn thẳng rồi kiểm lại mép trang	Để thao tác cắt mất chữ sát mép
Chữ nhòe, nét dính, dấu khó phân biệt	Scan lại hoặc xin tệp nguồn rõ hơn	Yêu cầu AI đoán cho câu có nghĩa
Bóng che chữ, vùng sáng bị lóa	Chụp lại với ánh sáng đều hơn	Tăng tương phản đến mức mất nét mảnh
Thiếu trang, mất góc, mất dòng cuối	Bổ sung đúng trang từ bản giấy	Dùng trang gần giống ở phiên bản khác
Chữ quá nhỏ để đọc chắc	Thử lại thiết lập thu nhận trên trang khó	Tin rằng phóng lớn tệp sẽ khôi phục chữ đã mất

Tài liệu chính thức của Tesseract nêu rằng trang bị nghiêng có thể làm giảm chất lượng phân tách dòng và ảnh hưởng OCR; nhiễu ảnh cũng gây khó cho nhận dạng. Đây là lý do nên sửa chất lượng đầu vào, không phải bằng chứng rằng mọi công cụ xử lý ảnh đều sửa được mọi lỗi.

3. Scan thử trang khó trước khi làm cả bộ

Chọn trang có chữ nhỏ hoặc vùng gần mép giấy. Với điện thoại, đặt giấy phẳng, giữ máy ổn định, tránh góc chụp xiên. Với máy quét, kiểm mặt kính và cách đặt giấy theo hướng dẫn thiết bị.

Mở tệp thử, phóng đến mức đọc được chữ và kiểm những chỗ dễ nhầm: dấu sắc/huyền, số 0 với chữ O, nét nhỏ trong mã sản phẩm. Nếu mắt người chưa đọc chắc, đưa qua OCR rồi thấy một từ có vẻ hợp lý vẫn chưa đủ để chấp nhận.

Không chọn một mức DPI như lời bảo đảm chung. Thiết lập phù hợp còn tùy chữ trên giấy, tình trạng bản gốc, thiết bị và công cụ OCR. Thử trên trang khó, đối chiếu kết quả rồi mới áp dụng cho phần còn lại. Tránh nén tệp nhiều lần chỉ để gửi nhanh khi chưa kiểm ảnh hưởng đến chữ.

4. Giữ dấu vết khi thay trang hoặc scan lại

Nếu chỉ một trang lỗi, có thể scan lại trang đó thay vì làm lại toàn bộ. Trước khi ghép, xác nhận cùng bộ hồ sơ và cùng phiên bản; sau khi ghép, kiểm lại số trang, thứ tự và hai trang liền kề.

Đặt tên phân biệt, chẳng hạn ho-so-A_ban-nhan.pdf và ho-so-A_da-thay-trang-04.pdf. Không ghi đè bản nhận ban đầu. Kiểm lại ảnh sau mọi thao tác xoay, cắt hoặc tăng tương phản.

Ví dụ giả lập: hồ sơ tám trang của một cửa hàng

Nhân viên nhận PDF tám trang nhưng phát hiện trang 4 bị lóa ở mã thiết bị và trang 6 quay ngược. Đây là tình huống minh họa, không phải hồ sơ khách hàng thật.

Trang 6 vẫn rõ nên được xoay lại. Trang 4 cần chụp lại từ đúng bản giấy; không điền mã dựa vào tên thiết bị ở trang khác. Khi nhận trang thay thế, nhân viên kiểm dòng đầu, dòng cuối và phiên bản trước khi ghép. Tệp mới được OCR lại phần đã thay, rồi đối chiếu mã với ảnh rõ.

5. Sau OCR, kiểm cả chữ lẫn chỗ bị bỏ sót

Mở ảnh nguồn và kết quả cạnh nhau. Kiểm đầu trang, cuối trang, tiêu đề, ghi chú và các vùng đã đánh dấu khó đọc. Đoạn OCR trôi chảy vẫn có thể thiếu dòng; cần kiểm đủ nội dung, không chỉ đọc xem câu có tự nhiên không.

Với mã, ngày, số lượng hoặc trường sẽ dùng để ra quyết định, người phụ trách cần đối chiếu đầy đủ các trường quan trọng theo mục đích sử dụng. Kiểm vài trang không xác nhận toàn bộ tệp đúng.

Nếu công cụ AI được doanh nghiệp cho phép có khả năng đọc ảnh hoặc tệp tương ứng, có thể yêu cầu hỗ trợ lập danh sách cần kiểm:

Chỉ dựa vào tệp được cung cấp.
Ghi rõ trang PDF và vị trí của vùng thiếu, mờ hoặc khó đọc.
Không tự hoàn thiện câu, đoán mã hoặc bổ sung số bị mất.
Phần chưa chắc: giữ trạng thái “cần người kiểm”.
Tách nội dung đọc được khỏi nhận xét của bạn.
Kết quả dùng để hỗ trợ đối chiếu, không tự xác nhận hồ sơ đạt.

Khả năng xử lý và định dạng hỗ trợ cần được kiểm tra ở công cụ, gói đang dùng và trên tài liệu mẫu trước khi áp dụng hàng loạt. Trước khi tải hồ sơ thật lên, xem những điểm cần kiểm khi đưa tài liệu công ty lên AI.

6. Mẫu ghi lỗi và checklist bàn giao

Tệp/phiên bản	Trang PDF/trang in	Lỗi, vị trí	Cách xử lý	Trạng thái/người kiểm
[Tên tệp]	[4/3]	[Lóa mã ở góc phải]	[Xin scan lại]	[Chờ/người phụ trách]

Trước khi bàn giao, xác nhận:

• Đã kiểm số trang dự kiến, thứ tự và mặt sau có nội dung.
• Không còn trang sai chiều hoặc vùng bị cắt chưa ghi nhận.
• Trang thay thế đúng phiên bản và đã kiểm sau khi ghép.
• Kết quả OCR đã đối chiếu trong phạm vi ghi rõ.
• Chỗ chưa đọc được vẫn được đánh dấu, có người xử lý tiếp.
• Bản nhận ban đầu, bản dùng OCR và kết quả được phân biệt.

Nếu bước tiếp theo là lấy dữ liệu bảng, dùng quy trình kiểm khi chuyển bảng PDF sang Excel. Nếu chỉ cần hỏi nội dung, xem cách kiểm câu trả lời AI từ PDF. Cả hai đều cần bản nguồn rõ và đủ trang để đối chiếu.

Khi công việc tiếp nhận diễn ra thường xuyên, có thể ghi thành SOP ngắn, giao rõ người kiểm trang, người yêu cầu scan lại và người nhận bộ đã đạt.