1. Probeer eerst wat het bestand al kan
Open de PDF en zoek naar een opvallend woord dat je duidelijk op de pagina ziet. Probeer daarnaast een korte passage te selecteren en te kopiëren naar een leeg tekstdocument. Zo onderzoek je of er al machineleesbare tekst aanwezig is. Adobe noemt selecteren en zoeken als eenvoudige eerste controle.
Werkt zoeken niet zoals verwacht, noteer dan de pagina en het gekozen zoekwoord. Beschouw één gevonden woord evenmin als bewijs dat alle pagina’s goed zijn herkend. Een dossier kan uit verschillende soorten pagina’s bestaan. Kies voor een controle daarom ook een blad met kleine tekst, codes of een tabel.
2. Werk met een aparte kopie en een passende toepassing
Bewaar de oorspronkelijke scan en maak een herkenbare werkkopie. Gebruik de tekstherkenning van een toepassing die je bedrijf voor deze documenten gebruikt. Controleer vóór verwerking waar de inhoud terechtkomt; zet een vertrouwelijk klantdocument niet zomaar in een willekeurige online omzetter.
In Adobe Acrobat staat tekstherkenning onder Scan & OCR. Kies de passende documenttaal en het bedoelde paginabereik waar de toepassing dat vraagt. De beschikbare bediening hangt af van je versie en abonnement. Dit artikel vraagt niet om nieuwe software aan te schaffen en veronderstelt geen OCR-functie in MANE.
3. Verbeter een slechte bron voordat je fouten gaat overschrijven
Adobe noemt onder meer onscherpte, scheve pagina’s, laag contrast en een verkeerd gekozen taal als mogelijke oorzaken van matige herkenning. Kijk dus naar de scan zelf als veel woorden ontbreken. Vraag waar mogelijk om de oorspronkelijke digitale PDF of maak een beter leesbare scan van het beschikbare document.
Vul een onleesbare maat, code of naam niet op gevoel in. Maak onderscheid tussen “de herkenning las dit verkeerd” en “de bron is niet duidelijk genoeg”. In het eerste geval kun je vergelijken met het zichtbare origineel. In het tweede geval heb je bevestiging van de bronhouder nodig voordat je de informatie gebruikt.
4. Vergelijk belangrijke tekst met het beeld
Acrobat kan onzekere herkenningen markeren en laat je die via Correct recognized text beoordelen. Controleer daar het afgebeelde woord naast de voorgestelde tekst. Die controle helpt bij gemarkeerde gevallen, maar maak daarnaast je eigen proef met de gegevens waarvoor je de PDF nodig hebt.
Kopieer bijvoorbeeld één productcode, een datum en een regel met een aantal. Vergelijk ieder teken met de oorspronkelijke pagina. Controleer een tabel ook op de relatie tussen kolommen: hoort het gekopieerde aantal nog bij het juiste artikel? Adobe waarschuwt dat tekstextractie uit tabellen rijen, kolommen of leesvolgorde kan verliezen.
5. Fictief voorbeeld: een gevonden code is toch verkeerd
Een fictieve werkvoorbereider ontvangt een gescande onderdelenlijst. In het beeld staat de code AB-101, maar de tekstlaag geeft AB-IOI. Zoeken op de echte code levert daardoor niets op. De werkvoorbereider vergelijkt de tekens met de duidelijke bron en laat de herkenning corrigeren in de werkkopie.
Daarna zoekt zij opnieuw op AB-101 en kopieert ze de hele bijbehorende regel. Ook aantal en omschrijving worden vergeleken. Een collega hoeft niet te vertrouwen op alleen “OCR uitgevoerd”, maar kan teruglezen welke pagina en gegevens zijn gecontroleerd. Dit voorbeeld beschrijft geen werkelijk klantdossier.
6. Sla op en test de opgeslagen versie opnieuw
Sluit de gecontroleerde kopie en open juist dat bestand opnieuw. Herhaal je zoekproef en controleer of de correcties aanwezig zijn. Gebruik een herkenbare bestandsnaam die de oorspronkelijke scan en de bewerkte kopie uit elkaar houdt. Het herkenningsproces verandert niet vanzelf de inhoudelijke status van het document.
Maak een korte notitie met bronbestand, verwerkte pagina’s, documenttaal, gecontroleerde voorbeelden, afwijkingen en open vragen. Schrijf niet “volledig gecontroleerd” als je alleen een steekproef hebt gedaan. Gebruik herkende tekst pas verder wanneer de relevante gegevens voldoende zijn gecontroleerd; bij twijfel blijft de oorspronkelijke bron leidend.
Veelgestelde vragen
Is een doorzoekbare scan inhoudelijk gecontroleerd?
Nee. OCR maakt tekst bruikbaar voor zoeken en kopiëren, maar kan tekens of structuur verkeerd herkennen. Vergelijk de gegevens die je wilt gebruiken met de oorspronkelijke pagina.
Moet ik de originele scan vervangen?
Werk bij deze controle met een aparte kopie en houd de herkomst herkenbaar. Zo kun je een correctie of twijfelgeval blijven vergelijken met het ontvangen document.
