OCR på rettsscanner: kvalitet som tåler innsending

Rettsdokumenter er sjelden ideelle for tekstgjenkjenning. Faksartefakter, stempler over saksnummer, blandede oppløsninger i samme pakke og mørke aktkopier skaper nettopp feilene som senere dukker opp i fulltekstsøk eller ved sitering. For et advokatfirma teller derfor mindre en demo på et rent prøveark enn treffraten på den reelle innsendingspakken.

Hvorfor rettsscanner utfordrer OCR

Mange feil starter i kilden, ikke i motoren. En side på 150 dpi kan se akseptabel ut for øyet, men bryter sammen på smale seriffer og små fotnoter. Stempler og signaturer overskriver tegn. Tabeller fra eldre domskopier mister linjer og blir fragmentert tekst. Den som bare sjekker første og siste side, mister nettopp disse fellene.

Blandede pakker øker risikoen: følgebrev fra tekstbehandling, skannede bilag, mobilbilder av vedlegg. Uten felles forventninger til oppløsning og kontrast varierer kvaliteten fra sak til sak - og dermed også tilliten til søk i den digitale akten.

Hva «god nok» betyr i praksis

OCR er ikke et mål i seg selv. Tekstlaget må bære saksnummer, partsnavn, henvisninger og tabellverdier slik at senere kontroll og research lykkes. For fristkritiske innsendinger holder ikke en grønn fremdriftsindikator. Stikkprøver må treffe sidene der feil blir dyre: forside med saksreferanse, kostnadsoppstillinger, registre, stemplede sider.

Sjekkliste før eksport

• Fastsett kritisk sideliste per sakstype (referanser, tabeller, stempler).
• Zoom-kontroll på smale siffer og fotnoter, ikke bare brødtekst.
• Hold originalscan og OCR-versjon adskilt.
• I blandede pakker: sjekk de svakeste sidene først.
• Les én gang som mottaker: domstol, motpart, klient.
• Noter gjentatte feil slik at vikarer bruker samme standard.

Fornuftig teknisk forberedelse

Før gjenkjenning lønner ofte en rolig kvalitetsrunde: rett ut sider, sørg for tilstrekkelig oppløsning, hev kontrast bare der tegn faktisk lider. Aggressive filtre kan ødelegge linjer og tegnsetting. Tobasert motorsammenligning hjelper på kritiske pakker: der to motorer divergerer på samme passasje, ligger problemet nesten alltid i kilden.

LexLogik samler slike steg i nettleseren, uten lokal OCR-installasjon å vedlikeholde. Teamregelen avgjør fortsatt: hvem kontrollerer, hvem godkjenner, hvilke stikkprøver som er plikt.

Feilmønstre i praksis

Saksreferanser med blandede siffer og bokstaver svikter ofte på like glyfer. Kostnadstabeller mister kolonner. Flerkolonnede domskopier gir meningsløs leserekkefølge som likevel er «vellykket» teknisk.

Mottiltak: marker kritiske passasjer, hold bilde og tekstlag side om side, feilkort per sakstype. Mål OCR etter konkrete feiltyper.

Mål i stedet for å gjette

For tre sakstyper: fem kritiske kontrollfelt og én uke med telling av omarbeid. Tallet styrer bedre enn nøyaktighetsmarkedsføring. Tren vikarer der feil hope seg opp.

Teamprosess fremfor enkeltpersoners hukommelse

Gjør stikkprøven på saksnummer konkret

Krev at hver fristkritisk OCR-kjøring sjekker minst tre saksreferanser og én tabell mot originalbildet. Logg treff og feil på en kort saksrad. Etter ti saker ser du om skanner, kilde eller motor er flaskehalsen.

Språk og blandede tegnsett

Rettsscanner blander ofte latinsk tekst med spesialtegn i saksnummer eller håndskrevne tillegg. Sett OCR-språk bevisst til hovedspråket i kilden og sjekk partsnavn separat. På blandede språkpakker kan et andre løp med annet språk redde enkeltpassasjer. Noter valgt språk i saksnotatet, slik at vikarer bruker samme parameter. Da forblir tekstlaget sammenlignbart ved overlevering.

Rettsscanner forblir urolige originaler - ingen fremdriftsindikator endrer det. Navngi kritiske felt, gjør stikkprøver obligatoriske og hold bildet ved siden av tekstlaget, så får du søkbare filer og siterbare passasjer. OCR blir da et planlagt kvalitetsfilter før portalen, ikke et håp om flaks.