iOS: scanare offline a documentelor cu decupare automată, OCR și procesare în lot în aplicația existentă

Situație inițială: există o aplicație iOS funcțională pentru angajații de service pe teren (iOS 16-17). În zilele noastre, documentele clienților sunt fotografiate cu o cameră obișnuită, după care managerii decupează, aliniază și retipăresc manual datele. Este necesar să se integreze un modul de scanare și recunoaștere offline pentru a accelera înregistrarea și a reduce erorile.

Mediu tehnic și limitări: proiect Swift, arhitectură MVVM, asamblare prin Xcode, dependențe prin SPM. Adesea, nu există internet pe dispozitiv, așa că întreaga conductă trebuie să funcționeze offline. Nu puteți utiliza SDK-uri plătite de la terți și servicii OCR în cloud. Numai cadrele de sistem Apple sunt valide. Versiunea minimă de iOS 16. Datele sunt personale - nu trimite nimic extern, nu le salva în Fotografii, stocează doar în sandbox-ul aplicației.

Ce trebuie făcut: implementați un ecran de scanare cu căutare de documente în flux, fotografiere automată bazată pe stabilitate, corectare a perspectivei și lizibilitate îmbunătățită. Odată scanat, documentul trebuie convertit într-un PDF cu mai multe pagini, OCR efectuat, iar rezultatul returnat aplicației ca PDF + text structurat. Adăugați un mod de scanare în lot - până la 20 de pagini per sesiune, cu posibilitatea de a relua o pagină, de a schimba comanda, de a șterge, de a îmbina într-un singur PDF.

Cerințe funcționale:
1) Scanare: detectarea dreptunghiului documentului, indicarea calității cadrului, fotografiere automată, fotografiere manuală, reglare manuală a unghiului după realizarea unei fotografii.
2) Preprocesare: normalizare luminozitate/contrast, suprimare a umbrelor, ascuțire în limite rezonabile pentru a face textul mai lizibil.
3) OCR: recunoașterea textului în rusă și engleză, dacă este posibil cu detectarea automată a limbilor; returnează textul complet și o serie de casete de delimitare în coordonatele paginii originale.
4) Export: PDF/A-like PDF (PDF-ul obișnuit este acceptabil), fiecare pagină este un strat de imagine + text (dacă este implementat în API-ul de sistem) sau PDF + JSON separat cu straturi OCR.
5) Integrare: modulul terminat este conectat la ecranul de bilete existent printr-o singură interfață publică (protocol/fațadă), astfel încât echipa să poată reutiliza modulul în alte părți ale aplicației.

Criterii de acceptare (măsurabile): modulul este construit în proiectul curent fără dependențe suplimentare plătite; pe iPhone 12 și versiuni ulterioare, un pachet de 10 pagini este procesat complet offline în cel mult 60 de secunde (inclusiv OCR) la iluminarea tipică a biroului; acuratețea recunoașterii pentru textul tipărit pe A4 nu este mai mică de 95% pentru caractere dintr-un set de testare de 20 de imagini furnizate de client; dimensiunea finală a PDF-ului nu depășește 1,5 MB pe pagină cu o calitate lizibilă; nu există scurgeri de date personale - scanările nu ajung în Fotografii și nu sunt scrise în directoare publice.

Rezultat așteptat: PR/angajare(e) în depozit cu un modul gata făcut, modificări minime ale ecranelor existente pentru integrare, setarea rezoluțiilor camerei și instrucțiuni scurte de utilizare. De asemenea, aveți nevoie de un set mic de teste automate pentru părțile critice (de exemplu, analizarea/generarea stratului JSON OCR și verificarea secvenței paginilor) și o listă de verificare manuală pentru QA.

Instrumente: Swift, AVFoundation/Vision/CoreImage/PDFKit (sau echivalente de sistem), Xcode, SPM. Pe măsură ce lucrările progresează, vor fi necesare analize de performanță și memorie, astfel încât procesarea în lot să nu se blocheze pe dispozitivele cu 4-6 GB RAM.