OCRが数式・脚注・表・図を正しく読めない理由

OCRは画面上のページ画像を検索できる文字へ変えます。しかし教科書には、通常の文章とは違う構造があります。ページが鮮明に見えていても、数式、脚注、表、図、段組み、小さなラベルは誤認識されることがあります。

先に結論： OCRは候補ページを探すために使います。数式、引用、固有名詞、数値は、画面上のページまたは公式の元テキストで確認してください。

教科書のページが難しい理由

一般的なテキストOCRは、上から下へ1行ずつ読む順序を想定します。教科書はその前提を頻繁に崩します。

内容	よくあるOCRの失敗
数式	分数、上付き・下付き文字、記号順を失う
脚注	本文の途中へ混ぜる、または小さな文字を飛ばす
表	別の行を横断して読む、列を結合する
図	矢印や位置関係を残さずラベルだけを取得する
2段組み	左右の列を行き来する
化学表記	結合、電荷、元素記号を取り違える
コード例	記号、インデント、似た文字を変える
スキャンページ	ぼけ、傾き、影、圧縮による誤りが加わる

そのため、OCRレイヤーを検索できても、引用できるほど忠実とは限りません。

数式は二次元で構成される

分子の中に上付き文字がある分数を考えてみます。人は上下の配置とまとまりを見ますが、通常のOCRは境界が分からない一列の文字として出力することがあります。

次の誤りに注意してください。

• マイナス記号がハイフンに変わる
• 乗算記号がxに変わる
• ギリシャ文字がラテン文字に変わる
• 上付き文字が通常の行へ移る
• 下付き文字が消える
• 分数線が省略される
• 行列の行が違う順で読まれる
• 式番号が数式へ混ざる

課題へOCRの数式を貼る前に、1文字ずつページと照合してください。

次は、すべてのOCRエンジンで必ず起きるという予測ではなく、確認すべき代表例です。

画面上の表記	危険なOCR結果	問題になる理由
x²	x2	指数が係数または隣の数字になる
H₂O	H20	下付きの2が20という数値になる
5 × 10⁻³	5 x 10-3	乗算と指数の構造が平坦になる
−0.05	-0.05または0.05	数学上のマイナスが変わる、または消える
25 µg	25 ug	単位記号が変わり、読み違える可能性がある

脚注は小さく、本文とは順序が違う

脚注は小さい文字で、本文の流れの外側にあります。OCRは段落の途中へ挿入したり、違う文章の後へ脚注記号を置いたり、脚注全体を見落としたりします。

脚注を引用する場合は、画面上の記号、脚注本文、ページ表示、版を確認します。引用文には脚注番号も一緒に残してください。

表には行と列の構造が必要

通常のテキスト出力では、格子構造を正しく保てないことがあります。すべての文字を認識できても、数値が違う見出しの下へ移る可能性があります。

ページ画像で次を確認します。

• 列見出し
• 単位
• 小数点以下の桁数
• 負の符号
• 結合セル
• 行見出し
• 表の下にある注記

データを再利用する必要がある場合は、必要最小限の範囲だけを書き写し、2回目の確認で画像と照合します。

図のラベルだけでは図にならない

「ミトコンドリア」「入力」「北」という文字を認識しても、どの矢印がどこを指すかは残りません。OCRは視覚的な関係を完全な意味モデルへ変換しません。

図はキャプションと図番号を付けて画像のまま保ちます。出版社によるアクセシブルな説明があれば、それを使います。W3Cの複雑な画像に関するガイドでは、図、グラフ、地図には、短い識別説明に加えて、構造、値、関係を示す長い説明が必要なことが多いとしています。OCRが拾ったラベル一覧だけでは、同等の代替になりません。

アクセシブルな説明がなければ、書名、版、図番号、ページ、必要な支援技術を出版社またはアクセシビリティ窓口へ伝えます。

実用的な確認手順

処理許可のある資料では、次の順で進めます。

1. 公式PDFまたはEPUBのテキストレイヤーを優先します。
2. 元のページ画像を変更せず残します。
3. 検索補助としてOCRを追加します。
4. 特徴的な語句を検索してページを探します。
5. コピー前に画面上の文章または記号を確認します。
6. 本文1ページ、数式1つ、表1つ、図1つを確認します。
7. 分かっている制限を文書と一緒に記録します。

画面上のページを基準とし、OCRレイヤーは索引として扱います。

代表的な4ページを監査する

きれいな1段落だけを見て、教科書全体を判断しないでください。失敗しやすいページ形式を含む小さなサンプルを使います。

サンプルページ	比較するもの	合格条件
一般的な本文	2文、固有名詞1つ、ページ番号1つ	語句と読む順序がページに一致
数式ページ	演算子、分数、上付き・下付き文字、式番号	すべての記号とまとまりを目視で一致確認
表ページ	行見出し2つ、列見出し2つ、交点の値4つ、単位	各値が正しい見出しの下にある
図ページ	キャプション、ラベル、矢印の先、凡例	検索でラベルを探せる。視覚関係は別途確認

失敗したページを記録し、その形式のOCR検索結果は移動の手がかりとしてだけ使います。

撮影前に認識しやすくする

自分が所有する資料または撮影許可のある資料では、次を確認します。

• 切れない範囲で、読み取れる最大の拡大率を使う
• ページを正しい向きにする
• 元資料で可能なら、明るい背景に暗い文字のライトモードを使う
• フォントと画像の読み込みが終わるまで待つ
• 半透明のツールバーが文字に重ならないようにする
• 一定のサイズで撮影する
• 長い連続撮影の前に、複雑なページで試す

解像度を上げても、すでにぼけた、切れた、読み込み途中のページは直りません。

コピー制限を回避するためにOCRを使わない

OCRは利用許可を与える機能ではありません。リーダーで無効になっているコピー、DRM、印刷上限、抽出禁止を回避するために使わないでください。

アクセシブルなテキストが必要なら、出版社、図書館、所属機関のアクセシビリティ窓口へ連絡します。承認された元ファイルなら、見出し、読む順序、数式マークアップ、代替テキストをOCRより正確に保てます。

画像のみのPDFと検索可能PDFの違いで、テキストレイヤーに期待できる範囲を確認できます。

ファイルと一緒に残す注意書き

OCRは検索のみに使用します。
引用、数式、表の値、脚注、図のラベル、ページ参照は、
画面に表示されたページと照合してください。

この短い注意書きがあれば、別の人が近似テキストを確認済みの転記として扱うのを防げます。

よくある質問

OCRはなぜ数式を正しく読めないのですか？

数式は二次元の配置と特殊記号に依存するため、通常のテキストOCRでは平坦な一列になることがあります。

OCRは図の意味を理解できますか？

ラベルを見つけても、それらの視覚的な関係は通常保てません。

教科書の検索にはOCRで十分ですか？

読みやすい本文なら役立つことが多いです。ページを探すために使い、重要な情報は目視で確認してください。

認識結果を改善するには？

可能なら公式の元ファイルを使い、鮮明で正しい向きの画像を用意し、読み込みを待ち、早い段階で複雑なページを試してください。