ДигиТекс је вишеплатформна апликација за дигитализацију докумената на српском језику, заснована на оптичком препознавању карактера (и језичким моделима*).

Документ који је предмет дигитализације се најпре трансформише у слику помоћу Поплера, док је за препознавање текста на слици задужен Гугл Тесеракт. (Коначно, текст се обрађује језичким моделом за српски језик, јертех355, што омогућава прецизније одређивање вероватноће сваке речи у контексту, као и аутоматско исправљање лоше рашчитаног текста.*)

Дигитекс се може покретати као Фласк веб апликација на рачунарима са Виндоус и Виндоус сервер оперативним системима, за шта је неопходно инсталирати Пајтон 3.12, или се може скинути и покренути компајлована верзија која у себи садржи неопходан софтвер.

Покретање апликације

Виндоус апликација

Скините прекомпајловану апликацију доступну на Гитхаб репозиторијуму софтвера и покрените програм на вашем рачунару.

Виндоус (командна линија, припремљено виртуелно окружење)

Преузмите апликацију у целости и сачувајте је на вашем рачунару.
Инсталирајте Пајтон интерпретер (препоручена верзија 3.12)
У командној линији подесите радно окружење на директоријум у којем је похрањен преузети софтвер

cd ./direktorijum/digiteks/softvera

Покрените припремљено виртуелно окружење

.\venv\Scripts\activate

Покрените апликацију

python main.py

Виндоус (командна линија, ваше Пајтон окружење)

Преузмите апликацију у целости и сачувајте је на вашем рачунару.
Инсталирајте Пајтон интерпретер (препоручена верзија 3.12)
У командној линији подесите радно окружење на директоријум у којем је похрањен преузети софтвер

cd ./direktorijum/digiteks/softvera

Инсталиратје неопходне Пајтон пакете

pip install -r requirements.txt

Преузмите инсталацију пакета tesserocr за вашу верзију Пајтон интерпретера на овој адреси
Инсталирајте преузети пакет (tesserocr)

pip install <путања/преузетог/пакета/име>.whl

Покрените апликацију

python main.py

Linux (командна линија, ваше Пајтон окружење)

Преузмите апликацију у целости и сачувајте је на вашем рачунару.
Инсталирајте Пајтон интерпретер (препоручена верзија 3.12)
У командној линији подесите радно окружење на директоријум у којем је похрањен преузети софтвер

cd ./direktorijum/digiteks/softvera

Инсталиратје неопходне Пајтон пакете

pip install -r requirements.txt

Инсталирајте Tesseract

sudo apt-get install tesseract-ocr libtesseract-dev libleptonica-dev pkg-config

Инсталирајте Poppler

sudo apt-get install -y poppler-utils

Инсталирајте пакет (tesserocr)

pip install tesserocr

Покрените апликацију

python main.py

apache веб апликација (Linux пример)

Преузмите апликацију у целости и сачувајте је на вашем рачунару (нпр. у директоријуму var/www/digiteks).
Инсталирајте Пајтон интерпретер (препоручена верзија 3.12)
У командној линији подесите радно окружење на директоријум у којем је похрањен преузети софтвер

cd ./direktorijum/digiteks/softvera

Инсталиратје неопходне Пајтон пакете

sudo -H pip3 install -r requirements.txt

Инсталирајте Tesseract

sudo apt-get install tesseract-ocr libtesseract-dev libleptonica-dev pkg-config ffmpeg libsm6 libxext6

Инсталирајте Poppler

sudo apt-get install -y poppler-utils

Инсталирајте пакет (tesserocr)

sudo -H pip3 install tesserocr

Инсталација и подешавање apache веб сервера

sudo apt install apache2
apache2 -v
sudo apt-get install libapache2-mod-wsgi-py3
sudo a2enmod rewrite
sudo a2enmod wsgi
sudo nano /etc/apache2/sites-available/digiteks.conf

У конфигурациону датотеку упишите:

<VirtualHost *:5001>

WSGIDaemonProcess digiteks user=www-data group=www-data threads=5
        WSGIScriptAlias / /var/www/digiteks/digiteks.wsgi

        <Directory /var/www/digiteks>
                WSGIProcessGroup digiteks
                WSGIApplicationGroup %{GLOBAL}
                Order deny,allow
                Allow from 127.0.0.1 ::1/128 <ADRESA SERVERA>
        </Directory>
</VirtualHost>

sudo nano /etc/apache2/ports.conf

Listen 5001

Урадите неопходно ажурирање и рестарт сервиса

sudo a2ensite digiteks
sudo service apache2 restart

и апликација ће бити покренута и доступна на порту 5001

Предстојећи кораци:

Припремање прекомпајловане апликације за Linux оперативне системе;
Припрема детаљнијег упутства за употребу;
Имплементација адекватних језичких модела путем библиотеке трансформерс.

procesaur/digiteks