iOS: Offline-Scannen von Dokumenten mit automatischem Zuschneiden, OCR und Stapelverarbeitung in Ihrer vorhandenen App

Ausgangslage: Es gibt eine funktionierende iOS-Anwendung für Außendienstmitarbeiter (iOS 16-17). Heutzutage werden Kundendokumente mit einer normalen Kamera fotografiert, woraufhin Manager die Daten manuell zuschneiden, ausrichten und erneut drucken. Um die Registrierung zu beschleunigen und Fehler zu reduzieren, ist die Integration eines Offline-Scan- und Erkennungsmoduls erforderlich.

Technische Umgebung und Einschränkungen: Swift-Projekt, MVVM-Architektur, Assembly über Xcode, Abhängigkeiten über SPM. Da auf dem Gerät häufig kein Internet vorhanden ist, muss die gesamte Pipeline offline funktionieren. Sie können keine kostenpflichtigen SDKs und Cloud-OCR-Dienste von Drittanbietern verwenden. Es sind nur Apple-Systemframeworks gültig. Mindestversion von iOS 16. Die Daten sind persönlich – senden Sie nichts nach außen, speichern Sie sie nicht in Fotos, speichern Sie sie nur in der Sandbox der Anwendung.

Was getan werden muss: Implementierung eines Scan-Bildschirms mit Streaming-Dokumentensuche, automatischer Aufnahme basierend auf Stabilität, Perspektivenkorrektur und verbesserter Lesbarkeit. Nach dem Scannen sollte das Dokument in ein mehrseitiges PDF konvertiert, eine OCR durchgeführt und das Ergebnis als PDF + strukturierter Text an die Anwendung zurückgegeben werden. Fügen Sie einen Stapelscanmodus hinzu – bis zu 20 Seiten pro Sitzung, mit der Möglichkeit, eine Seite erneut aufzunehmen, die Reihenfolge zu ändern, zu löschen oder in einer PDF zusammenzuführen.

Funktionale Anforderungen:
1) Scannen: Dokumentenrechteckerkennung, Anzeige der Bildqualität, automatische Aufnahme, manuelle Aufnahme, manuelle Winkeleinstellung nach der Aufnahme eines Fotos.
2) Vorverarbeitung: Helligkeits-/Kontrastnormalisierung, Schattenunterdrückung, Schärfung innerhalb angemessener Grenzen, um den Text besser lesbar zu machen.
3) OCR: Texterkennung in Russisch und Englisch, möglichst mit automatischer Spracherkennung; Gibt den vollständigen Text und ein Array von Begrenzungsrahmen in den Koordinaten der Originalseite zurück.
4) Export: PDF/A-ähnliches PDF (normales PDF ist akzeptabel), jede Seite ist ein Bild + eine Textebene (sofern in der System-API implementiert) oder PDF + separates JSON mit OCR-Ebenen.
5) Integration: Das fertige Modul wird über eine einzige öffentliche Schnittstelle (Protokoll/Fassade) mit dem vorhandenen Ticketbildschirm verbunden, sodass das Team das Modul in anderen Teilen der Anwendung wiederverwenden kann.

Akzeptanzkriterien (messbar): Das Modul wird im aktuellen Projekt ohne zusätzliche bezahlte Abhängigkeiten erstellt; Auf dem iPhone 12 und neuer wird ein Paket mit 10 Seiten bei typischer Bürobeleuchtung in nicht mehr als 60 Sekunden (einschließlich OCR) vollständig offline verarbeitet. Die Erkennungsgenauigkeit für gedruckten Text auf A4 beträgt nicht weniger als 95 % für Zeichen in einem vom Kunden bereitgestellten Testsatz von 20 Bildern. die endgültige PDF-Größe überschreitet nicht 1,5 MB pro Seite bei lesbarer Qualität; Es gibt keinen Verlust persönlicher Daten – Scans landen nicht in Fotos und werden nicht in öffentliche Verzeichnisse geschrieben.

Erwartetes Ergebnis: PR/Commit(s) an das Repository mit einem vorgefertigten Modul, minimale Änderungen an vorhandenen Bildschirmen für die Integration, Einstellen der Kameraauflösungen und kurze Gebrauchsanweisungen. Sie benötigen außerdem einen kleinen Satz Autotests für kritische Teile (z. B. Parsen/Generieren der JSON-OCR-Ebene und Überprüfen der Seitenreihenfolge) und eine manuelle Checkliste für die Qualitätssicherung.

Tools: Swift, AVFoundation/Vision/CoreImage/PDFKit (oder Systemäquivalente), Xcode, SPM. Im weiteren Verlauf der Arbeit sind Leistungs- und Speicheranalysen erforderlich, damit die Stapelverarbeitung auf Geräten mit 4–6 GB RAM nicht abstürzt.