Errori nelle tabelle PDF trovati prima che arrivino al cliente

Il problema da risolvere.

Una tabella può contenere informazioni corrette ma risultare difficile da usare quando la sua struttura visiva viene alterata. Nel materiale del progetto comparivano problemi come testi che si sovrascrivevano, contenuti oltre i bordi delle celle, linee storte e dimensioni dei caratteri non coerenti con lo spazio disponibile.

Questi difetti possono emergere durante i passaggi fra documenti e formati di impaginazione, compresa la conversione da Word a PDF. Il volume da trattare rendeva necessario un processo ripetibile: migliaia di file richiedevano uno strumento capace di analizzare i documenti e concentrare l’attenzione sulle situazioni da correggere.

Nel confronto effettuato su questo materiale, le soluzioni generiche provate, comprese quelle basate su Claude e OpenAI, segnalavano errori inesistenti e mancavano difetti evidenti alla verifica umana. La richiesta era costruire un sistema mirato alla struttura delle tabelle, capace di supportare il controllo automatico e l’intervento della persona.

Come ho affrontato il progetto.

Ho sviluppato una pipeline che prepara le immagini dei documenti, esegue conversioni cromatiche e suddivide il materiale in porzioni più piccole da analizzare. Computer Vision e OCR lavorano insieme sul contenuto visivo e testuale, così il controllo considera sia ciò che è scritto sia il modo in cui occupa lo spazio della tabella.

Gli esempi di errore sono stati rappresentati attraverso embedding. Anche i possibili candidati individuati nelle immagini vengono trasformati in vettori e confrontati con tali riferimenti per riconoscere i difetti. La pipeline collega questa analisi alla correzione delle tabelle, mantenendo un’interfaccia che consente alla persona di rivedere e modificare il risultato.