교대근무표 OCR 인식 모델

이 프로젝트는 교대근무표 이미지를 자동으로 인식하고, 각 셀 단위의 근무타입(Day, Night, Evening, Off)을 분류하여 JSON 형식으로 추출하는 OCR 기반 AI 모델입니다. 딥러닝 분류기(tflite)와 OpenCV 기반 전처리 파이프라인을 결합하여 다양한 근무표 형태를 정규화하고 자동 인식하도록 설계되었습니다.

이미지 전처리부터 CNN 학습, TFLite 변환까지 전 과정을 하나의 Jupyter Notebook 파일(modified_3class_model/3class_final_final(2).ipynb)에서 실행할 수 있습니다.

프로젝트 개요

• 목표
  교대근무표(엑셀, PDF, 사진 등)를 자동 인식하여 근무 타입(D/N/E/OFF) 및 이름, 날짜 정보를 추출
  
• 핵심기능
  

1. 근무표 이미지 전처리 (표 구조 검출, 투시 보정)
2. 셀 단위 분할 및 OCR 인식
3. CNN 기반 근무 타입 분류 (Day/Night/Evening/None)
4. 결과를 JSON 형태로 자동 변환

모델 구조

모델은 Keras Sequential 구조로 구성되며, 입력된 셀 이미지를 32×32 크기로 정규화한 후 CNN을 통해 D/N/E 클래스를 분류합니다.

model = Sequential([
    Conv2D(32, (3,3), activation='relu', input_shape=(32, 32, 1)),
    MaxPooling2D(2,2),
    Conv2D(64, (3,3), activation='relu'),
    MaxPooling2D(2,2),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(3, activation='softmax')
])

입력: 흑백 셀 이미지 (32×32) 출력: 3개 클래스 (D, N, E) 활성화함수: ReLU, Softmax 최적화: Adam, 학습률 0.001 손실 함수: categorical_crossentropy

학습 데이터셋

데이터 출처: Kaggle English Font Dataset 중 일부 알파벳(D, N, E) 사용
클래스 수: 3 (D, N, E)
이미지 수: 클래스당 약 2000장
구조:

dataset/
 ├─ D/
 ├─ N/
 └─ E/

데이터 전처리 파이프라인 (OpenCV 기반)

근무표는 단순한 이미지가 아니라 표 형태이므로, OpenCV를 이용해 표 구조를 인식하고 셀 단위로 자동 분할합니다.

1. 이진화 및 노이즈 제거
2. 수평선/수직서너 검출
3. 교차점 추출 및 셀 분할
4. 각 셀 영역 Tight Crop