УДК 004.93
DOI: 10.36871/26189976.2026.06-3.012
Авторы
Светлана Мунавировна Куценко,
Казанский государственный энергетический университет, Казань, Россия
Елена Андреевна Салтанаева,
Казанский государственный энергетический университет, Казань, Россия
Дарья Александровна Демидкина,
Казанский государственный энергетический университет, Казань, Россия
Аннотация
В статье обосновывается выбор инструментов разработки для программного обеспечения, предназначенного для распознавания текста с изображений. Ключевым этапом проектирования является подбор языка программирования, среды разработки и специализированных библиотек, от которых зависят эффективность, производительность и качество конечного приложения. В качестве основного языка программирования рекомендуется язык программирования Python. Предобработку изображений предлагается реализовать с помощью библиотеки OpenCV. Вспомогательные библиотеки используются для эффективной работы с массивами данных, манипуляции изображениями, взаимодействия с буфером обмена и управления временными файлами. Вести разработку предлагается в интегрированной среде PyCharm, поддерживающей виртуальные окружения и контроль версий. Комплексный подход к выбору инструментов гарантирует создание функционального, надёжного и удобного для пользователя программного обеспечения, способного решать широкий спектр задач оптического распознавания символов.
Ключевые слова
оптическое распознавание
символов (OCR),
выбор инструментов разработки,
Tesseract,
OpenCV,
PyCharm,
Python,
кроссплатформенность,
точность распознавания.
Список литературы
[1] Бурмистров А.В., Ильичев В.Ю. Распознавание объектов на изображениях с использованием базовых средств языка Python и библиотеки opencv // Научное обозрение. Технические науки. 2021. № 5. С. 15-19.
[2] Власов В.А., Куценко С.М. Методы искусственного интеллекта в задачах распознавания текста с кассовых чеков // Информационные технологии в строительных, социальных и экономических системах. 2025. № 1(35). С. 101-104.
[3] Дыдалин Г.Д., Хамидуллин А.И., Зарипова Р.С. Интеллектуальная система распознавания иероглифов как инструмент для изучения языков // Казанская наука. 2025. № 3. С. 283-285.
[4] Елхимова И.С., Канев А.И. Оптическое распознавание символов с помощью Tesseract // Тенденции развития науки и образования. 2022. № 92-10. С. 71-75. DOI 10.18411/ trnio-12-2022-480.
[5] Куценко С.М., Салтанаева Е.А. Выбор инструментов построения нейронной сети // Научно-технический вестник Поволжья. 2023. № 12. С. 313-315.
[6] Нейфельд О.А., Рудникович А.С. Возможности OCR-библиотеки Tesseract при распознавании текста по видеоизображениям // Сборник избранных статей научной сессии ТУСУР. 2019. № 1-2. С. 16-19.
[7] Плас Дж. Python для сложных задач: наука о данных и машинное обучение. СПб.: Питер, 2021. — 576 с
[8] Салтанаева Е.А., Куценко С.М. Построение систем распознавания образов на основе искусственного интеллекта // Научно-технический вестник Поволжья. 2023. № 12. С. 376-378.
[9] Салтанаева Е.А., Куценко С.М., Лазарев А.С. Применение технологии оптического распознавания образов для поиска и анализа информации о лекарственных средствах // Экономика. Информатика. 2024. Т. 51, № 4. С. 907-918. DOI 10.52575/2687-0932- 2024-51-4-907-918.
[10] Салтанаева Е.А., Куценко С.М. Построение систем распознавания образов на основе искусственного интеллекта // Научно-технический вестник Поволжья. 2023. № 12. С. 376-378.
[11] Шолле Ф. Глубокое обучение на Python. М.: ООО «И.Д. Вильямс», 2019. 312 с.
