Lettura automatica di registri d'archivio
Lettura automatica di registri d'archivio
Un modello di visione in locale legge registri e fascicoli, una persona rivede ogni dato.
Il problema
Gli archivi custodiscono registri e fascicoli cartacei pieni di informazioni utili, ma finché restano immagini nessuno può cercarci dentro. Ricopiarli a mano richiede molto tempo.
L'obiettivo era ottenere dati ricercabili senza rinunciare all'affidabilità: ogni dato deve poter essere ricondotto alla pagina da cui viene.
Cosa ho costruito
- 01
Lettura pagina per pagina
Un modello di visione eseguito in locale legge ogni pagina ed estrae i campi: 18 per i registri.
- 02
Revisione umana
Una persona controlla ogni dato accanto all'immagine della pagina e lo corregge se serve.
- 03
Citazione della pagina
Ogni informazione porta il riferimento alla pagina di origine, così chi la usa può verificarla.
- 04
Interfaccia di lavoro
Un'applicazione web per caricare i fascicoli, seguire l'avanzamento e rivedere i risultati.
Il mio ruolo
Sviluppatore in ETT. Ho lavorato sulla pipeline di lettura, sul servizio e sull'interfaccia di revisione, in collaborazione con Scripta, la linea di ETT per la digitalizzazione. Gli enti coinvolti non sono nominati.
Tecnologie
Python · FastAPI · vLLM · modello di visione · React · Next.js
Il modello sbaglia in modo diverso da una persona, e la revisione deve essere pensata per quegli errori: mostrare il dato accanto alla pagina costa poco e fa risparmiare molto. Far girare il modello in locale mi ha insegnato a fare i conti con memoria e tempi, non solo con l'accuratezza.
Registri da rendere ricercabili
Scrivimi che tipo di documenti hai: partiamo da un campione e vediamo quanto si legge bene.
Foto di repertorio: lettera di Frances Appleton Longfellow, 1849, pubblico dominio (Wikimedia Commons). Non mostra il progetto.