POCHTA INDEKSLARI UCHUN AVTOMATIK SARALASH QURILMASI

M. F. Ergasheva

Farg‘ona davlat texnika universiteti

M. Abduqaxxorov

Farg‘ona davlat texnika universiteti


Abstract

Annotatsiya: Ko‘pgina hududlardagi pochta tizimlarining aksariyati xatlarni saralash va qayta ishlash uchun hali ham qo‘lda boshqariladi. Qo‘lda saralash va qayta ishlashning inson xatolari, ko‘proq ishlov berish vaqti va ishchi kuchi kabi ko‘plab kamchiliklari borligi kuzatildi. Ushbu maqolada pochtani avtomatik saralash (AMS) tizimini taklif qilish, bu inson xatolarini bartaraf qiladi, pochtani saralash vaqtini qisqartiradi va minimal odam quvvatini talab qiladi. Biz Optik Belgilarni Tanib Olish (OCR) yondashuvini o‘z ichiga olgan to‘liq avtomatlashtirilgan ishlov berish texnikasini taklif qildik. OCR ning paydo bo‘lishi pochta manzillarini avtomatik o‘qish uchun yechim taqdim etdi. Ushbu texnikada pochta konvertlarining tasvirlarini olish uchun kamera ishlatiladi va keyin pochta manzilini tanib olish uchun OCR usuli qo‘llaniladi. Ushbu maqolada qo‘lda yozilgan pochta kodlarini samarali aniqlash uchun turli OCR texnikalarini taqqoslash muhim hissa hisoblanadi.

Абстракт: Большинство почтовых систем в большинстве регионов всё ещё управляются вручную для сортировки и обработки писем. Было замечено множество недостатков ручной сортировки и обработки, таких как человеческие ошибки, больше времени обработки и рабочая сила. В этой статье предлагается система автоматической сортировки почты (AMS), которая устраняет человеческие ошибки, сокращает время сортировки почты и требует минимальной человеческой силы. Мы предложили полностью автоматизированную технику обработки, включающую подход Оптического Распознавания Символов (OCR). Появление OCR предоставило решение для автоматического чтения почтовых адресов. В этой технике используется камера для получения изображений почтовых конвертов, а затем применяется метод OCR для распознавания почтового адреса. В этой статье сравнение различных техник OCR для эффективного обнаружения рукописных почтовых кодов считается важным вкладом.

Abstract: Most postal systems in many regions still rely on manual operations for sorting and processing letters. Numerous drawbacks of manual sorting and processing have been observed, including human errors, increased processing time, and higher labor requirements. This paper proposes an Automatic Mail Sorting (AMS) system that eliminates human errors, reduces mail sorting time, and requires minimal human resources. We introduce a fully automated processing technique incorporating Optical Character Recognition (OCR). The advent of OCR has provided a solution for automatically reading postal addresses. In this technique, a camera is used to capture images of mail envelopes, followed by the application of the OCR method to recognize the postal address. A key contribution of this paper is the comparison of various OCR techniques for efficiently detecting handwritten postal codes.

Kalit so‘zlar: Avtomatik pochta saralash, pochta avtomatlashtirish, optik belgilarni aniqlash, tasvirlarni qayta ishlash.

Ключевые слова: Автоматическая сортировка почты, автоматизация почты, оптическое распознавание символов, обработка изображений.

Keywords: Automatic mail sorting, postal automation, optical character recognition, image processing.


References

1. USPS. Optical Character Recognition in Postal Automation. United States Postal Service Report, 1982.

2. Smith, J., Lee, K. Automated Mail Sorting Using IR Sensors and CCD Cameras // Journal of Postal Technology. – 2005. – Vol. 12. – P. 45–52.

3. Kumar, R., Patel, S. Barcode Integration in Postal Sorting Systems // International Journal of Automation and Logistics. – 2010. – Vol. 8. – P. 112–120.

4. Garcia, M., Wong, T. Achieving 99% Accuracy in Mail Sorting with Hybrid Barcode-OCR // IEEE Transactions on Automation Science. – 2012. – Vol. 19. – P. 301–308.

5. Chen, L., Zhao, Y. Handwritten Address Recognition Using Image Segmentation and Database Matching // Pattern Recognition Letters. – 2015. – Vol. 36. – P. 88–95.

6. LeCun, Y. et al. Gradient-Based Learning Applied to Document Recognition // Proceedings of the IEEE. – 1998. – Vol. 86, No. 11. – P. 2278–2324.

7. MNIST Database of Handwritten Digits. URL: http://i.ytimg.com/vi/0QI3xgXuB-Q/hqdefault.jpg

Most read articles by the same author(s)