Riconoscimento dell'inchiostro digitale con ML Kit su Android

Con il riconoscimento dell'inchiostro digitale di ML Kit, puoi riconoscere il testo scritto a mano su una piattaforma digitale in centinaia di lingue, oltre a classificare gli schizzi.

Prova

• Prova l'app di esempio per vedere un utilizzo di esempio di questa API.

Prima di iniziare

1. Nel file build.gradle a livello di progetto, assicurati di includere il Repository Maven di Google in entrambe le sezioni buildscript e allprojects.
2. Aggiungi le dipendenze per le librerie Android di ML Kit al file Gradle a livello di app del tuo modulo, che di solito è app/build.gradle:

dependencies {
  // ...
  implementation 'com.google.mlkit:digital-ink-recognition:18.1.0'
}

Ora puoi iniziare a riconoscere il testo negli oggetti Ink.

Crea un oggetto Ink

Il modo principale per creare un oggetto Ink è disegnarlo su un touchscreen. A questo scopo, su Android puoi usare Canvas. I gestori di eventi touch devono chiamare il metodo addNewTouchEvent() mostrato nel seguente snippet di codice per memorizzare i punti nei tratti che l'utente disegna nell'oggetto Ink.

Questo pattern generale è dimostrato nello snippet di codice riportato di seguito. Per un esempio più completo, consulta l'esempio della guida rapida di ML Kit.

var inkBuilder = Ink.builder()
lateinit var strokeBuilder: Ink.Stroke.Builder

// Call this each time there is a new event.
fun addNewTouchEvent(event: MotionEvent) {
  val action = event.actionMasked
  val x = event.x
  val y = event.y
  var t = System.currentTimeMillis()

  // If your setup does not provide timing information, you can omit the
  // third paramater (t) in the calls to Ink.Point.create
  when (action) {
    MotionEvent.ACTION_DOWN -> {
      strokeBuilder = Ink.Stroke.builder()
      strokeBuilder.addPoint(Ink.Point.create(x, y, t))
    }
    MotionEvent.ACTION_MOVE -> strokeBuilder!!.addPoint(Ink.Point.create(x, y, t))
    MotionEvent.ACTION_UP -> {
      strokeBuilder.addPoint(Ink.Point.create(x, y, t))
      inkBuilder.addStroke(strokeBuilder.build())
    }
    else -> {
      // Action not relevant for ink construction
    }
  }
}

...

// This is what to send to the recognizer.
val ink = inkBuilder.build()

Ink.Builder inkBuilder = Ink.builder();
Ink.Stroke.Builder strokeBuilder;

// Call this each time there is a new event.
public void addNewTouchEvent(MotionEvent event) {
  float x = event.getX();
  float y = event.getY();
  long t = System.currentTimeMillis();

  // If your setup does not provide timing information, you can omit the
  // third paramater (t) in the calls to Ink.Point.create
  int action = event.getActionMasked();
  switch (action) {
    case MotionEvent.ACTION_DOWN:
      strokeBuilder = Ink.Stroke.builder();
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      break;
    case MotionEvent.ACTION_MOVE:
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      break;
    case MotionEvent.ACTION_UP:
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      inkBuilder.addStroke(strokeBuilder.build());
      strokeBuilder = null;
      break;
  }
}

...

// This is what to send to the recognizer.
Ink ink = inkBuilder.build();

Crea un'istanza di DigitalInkRecognizer

Per eseguire il riconoscimento, invia l'istanza Ink a un oggetto DigitalInkRecognizer. Il codice riportato di seguito mostra come creare un'istanza di questo riconoscimento da un tag BCP-47.

// Specify the recognition model for a language
var modelIdentifier: DigitalInkRecognitionModelIdentifier
try {
  modelIdentifier = DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US")
} catch (e: MlKitException) {
  // language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
  // no model was found, handle error.
}
var model: DigitalInkRecognitionModel =
    DigitalInkRecognitionModel.builder(modelIdentifier).build()


// Get a recognizer for the language
var recognizer: DigitalInkRecognizer =
    DigitalInkRecognition.getClient(
        DigitalInkRecognizerOptions.builder(model).build())

// Specify the recognition model for a language
DigitalInkRecognitionModelIdentifier modelIdentifier;
try {
  modelIdentifier =
    DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US");
} catch (MlKitException e) {
  // language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
  // no model was found, handle error.
}

DigitalInkRecognitionModel model =
    DigitalInkRecognitionModel.builder(modelIdentifier).build();

// Get a recognizer for the language
DigitalInkRecognizer recognizer =
    DigitalInkRecognition.getClient(
        DigitalInkRecognizerOptions.builder(model).build());

Elabora un oggetto Ink

recognizer.recognize(ink)
    .addOnSuccessListener { result: RecognitionResult ->
      // `result` contains the recognizer's answers as a RecognitionResult.
      // Logs the text from the top candidate.
      Log.i(TAG, result.candidates[0].text)
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error during recognition: $e")
    }

recognizer.recognize(ink)
    .addOnSuccessListener(
        // `result` contains the recognizer's answers as a RecognitionResult.
        // Logs the text from the top candidate.
        result -> Log.i(TAG, result.getCandidates().get(0).getText()))
    .addOnFailureListener(
        e -> Log.e(TAG, "Error during recognition: " + e));

Il codice di esempio riportato sopra presuppone che il modello di riconoscimento sia già stato scaricato, come descritto nella sezione successiva.

Gestione dei download dei modelli

Sebbene l'API Digital Ink Recognition supporti centinaia di lingue, ogni lingua richiede il download di alcuni dati prima di qualsiasi riconoscimento. Sono necessari circa 20 MB di spazio di archiviazione per lingua. Questo viene gestito dall'oggetto RemoteModelManager.

Scarica un nuovo modello

import com.google.mlkit.common.model.DownloadConditions
import com.google.mlkit.common.model.RemoteModelManager

var model: DigitalInkRecognitionModel =  ...
val remoteModelManager = RemoteModelManager.getInstance()

remoteModelManager.download(model, DownloadConditions.Builder().build())
    .addOnSuccessListener {
      Log.i(TAG, "Model downloaded")
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error while downloading a model: $e")
    }

import com.google.mlkit.common.model.DownloadConditions;
import com.google.mlkit.common.model.RemoteModelManager;

DigitalInkRecognitionModel model = ...;
RemoteModelManager remoteModelManager = RemoteModelManager.getInstance();

remoteModelManager
    .download(model, new DownloadConditions.Builder().build())
    .addOnSuccessListener(aVoid -> Log.i(TAG, "Model downloaded"))
    .addOnFailureListener(
        e -> Log.e(TAG, "Error while downloading a model: " + e));

Verificare se un modello è già stato scaricato

var model: DigitalInkRecognitionModel =  ...
remoteModelManager.isModelDownloaded(model)

DigitalInkRecognitionModel model = ...;
remoteModelManager.isModelDownloaded(model);

Eliminare un modello scaricato

La rimozione di un modello dallo spazio di archiviazione del dispositivo libera spazio.

var model: DigitalInkRecognitionModel =  ...
remoteModelManager.deleteDownloadedModel(model)
    .addOnSuccessListener {
      Log.i(TAG, "Model successfully deleted")
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error while deleting a model: $e")
    }

DigitalInkRecognitionModel model = ...;
remoteModelManager.deleteDownloadedModel(model)
                  .addOnSuccessListener(
                      aVoid -> Log.i(TAG, "Model successfully deleted"))
                  .addOnFailureListener(
                      e -> Log.e(TAG, "Error while deleting a model: " + e));

Suggerimenti per migliorare la precisione del riconoscimento del testo

La precisione del riconoscimento del testo può variare da una lingua all'altra. La precisione dipende anche dallo stile di scrittura. Sebbene il riconoscimento digitale a inchiostro sia addestrato per gestire molti tipi di stili di scrittura, i risultati possono variare da utente a utente.

Ecco alcuni modi per migliorare la precisione di un riconoscimento del testo. Tieni presente che queste tecniche non si applicano ai classificatori dei disegni per emoji, autodraw e forme.

Area di scrittura

Molte applicazioni dispongono di un'area di scrittura ben definita per l'input dell'utente. Il significato di un simbolo è in parte determinato dalle sue dimensioni rispetto a quelle dell'area di scrittura che lo contiene. ad esempio la differenza tra una lettera minuscola "o" o "c" e una virgola rispetto a una barra.

Indicare al riconoscimento la larghezza e l'altezza dell'area di scrittura può migliorare l'accuratezza. Tuttavia, il riconoscimento presuppone che l'area di scrittura contenga una sola riga di testo. Se l'area di scrittura fisica è abbastanza grande da consentire all'utente di scrivere due o più righe, potresti ottenere risultati migliori inserendo un'area di scrittura con un'altezza che sia la stima migliore dell'altezza di una singola riga di testo. L'oggetto Area di scrittura che passi al riconoscimento non deve corrispondere esattamente all'area di scrittura fisica sullo schermo. Modificare l'altezza dell'area di scrittura funziona meglio in alcune lingue rispetto ad altre.

Quando specifichi l'area di scrittura, specifica larghezza e altezza nelle stesse unità delle coordinate del tratto. Gli argomenti delle coordinate x,y non hanno alcun requisito di unità: l'API normalizza tutte le unità, quindi l'unica cosa che conta sono la dimensione e la posizione relative dei tratti. Sei libero di inserire le coordinate in qualsiasi scala abbia senso per il tuo sistema.

Precontesto

Il precontesto è il testo che precede immediatamente i tratti nel Ink che stai cercando di riconoscere. Puoi aiutare il riconoscimento indicandogli il precontesto.

Ad esempio, le lettere in corsivo "n" e "u" vengono spesso scambiate l'una per l'altra. Se l'utente ha già inserito la parola parziale "arg", potrebbe continuare con tratti che possono essere riconosciuti come "ument" o "nment". Specificare il precontesto "arg" risolve l'ambiguità, poiché la parola "argomento" è più probabile di "argnment".

Il precontesto può anche aiutare il riconoscimento a identificare le interruzioni di parola, ovvero gli spazi tra le parole. Puoi digitare uno spazio, ma non puoi disegnarne uno. In che modo un riconoscimento può determinare quando termina una parola e quando inizia quella successiva? Se l'utente ha già scritto "hello" e continua con la parola scritta "world", senza pre-contesto, il riconoscimento restituisce la stringa "world". Tuttavia, se specifichi il pre-contesto "hello", il modello restituirà la stringa "world", con uno spazio iniziale, poiché "hello world" ha più senso di "helloword".

Fornisci la stringa di pre-contesto più lunga possibile, fino a 20 caratteri, spazi inclusi. Se la stringa è più lunga, il riconoscimento utilizza solo gli ultimi 20 caratteri.

L'esempio di codice seguente mostra come definire un'area di scrittura e utilizzare un oggetto RecognitionContext per specificare il pre-contesto.

var preContext : String = ...;
var width : Float = ...;
var height : Float = ...;
val recognitionContext : RecognitionContext =
    RecognitionContext.builder()
        .setPreContext(preContext)
        .setWritingArea(WritingArea(width, height))
        .build()

recognizer.recognize(ink, recognitionContext)

String preContext = ...;
float width = ...;
float height = ...;
RecognitionContext recognitionContext =
    RecognitionContext.builder()
                      .setPreContext(preContext)
                      .setWritingArea(new WritingArea(width, height))
                      .build();

recognizer.recognize(ink, recognitionContext);

Ordine tratti

La precisione del riconoscimento dipende dall'ordine dei tratti. I riconoscimenti si aspettano che i segni vengano correnti nell'ordine che le persone scrivono in modo naturale, ad esempio "Da sinistra a destra" per l'inglese. Qualsiasi caso che si discosta da questo modello, come scrivere una frase in inglese che inizia con l'ultima parola, fornisce risultati meno precisi.

Un altro esempio è quando una parola al centro di Ink viene rimossa e sostituita con un'altra parola. La revisione si trova probabilmente nel mezzo di una frase, ma i tratti per la revisione si trovano alla fine della sequenza. In questo caso, consigliamo di inviare separatamente la parola appena scritta all'API e unire il risultato con i riconoscimenti precedenti utilizzando la tua logica.

Gestire forme ambigue

In alcuni casi il significato della forma fornita al riconoscimento è ambiguo. Ad esempio, un rettangolo con bordi molto arrotondati può essere visualizzato come rettangolo o come ellisse.

Questi casi poco chiari possono essere gestiti usando i punteggi di riconoscimento, se disponibili. Solo i classificatori di forma forniscono punteggi. Se il modello è molto sicuro, il punteggio del risultato migliore sarà molto migliore del secondo. In caso di incertezza, i punteggi dei primi due risultati saranno vicini. Inoltre, tieni presente che i classificatori di forma interpretano l'intero Ink come una singola forma. Ad esempio, se Ink contiene un rettangolo e un'ellisse affiancate, il riconoscimento potrebbe restituire l'una o l'altra (o qualcosa di completamente diverso) come risultato, dato che un singolo candidato per il riconoscimento non può rappresentare due forme.