Receipt database with OCR scan

Petr Janík

Bachelor's thesis

Abstract:

Cílem této práce je vytvořit mobilní a desktopovou aplikaci pro ukládání účtenek v digitální formě, nahrazující potřebu pro skladování originálů účtenek. Aplikace používá optické rozpoznávání znaků pro extrakci dat z fotky účtenky a předvyplnění databázového záznamu. Využitím vnoření slov (word embeddings) je aplikace schopna přiřadit emodži jednotlivým položkám účtenky. Pomocí technik pro zpracování obrazu je fotka účtenky převedena do čitelnější podoby. Teoretická část práce představuje React Native v kontextu aplikačních rámců pro vývoj multiplatformních aplikací. Důraz je kladen na testování a průběžnou integraci jako nedílnou součást vývoje spolehlivého softwaru.

Abstract:

This thesis aims to develop a mobile and desktop application to store sales receipts in a digitalised form, removing the need to keep the original. The application uses optical character recognition to extract data from a receipt image and pre-fill the database record. It utilises word embeddings to assign emojis to receipt items and image processing techniques to transform the receipt photo into a more readable form. The theoretical part introduces React Native in the context of other cross-platform development frameworks. An emphasis is put on testing and continuous integration as an integral part of creating reliable software.

Keywords

React Native, OCR, mobile development, Android, Windows, testing, continuous integration, natural language processing, word embedding, machine learning, sales receipts, cross-platform development, image processing, OpenCV

Language used: English

Date on which the thesis was submitted / produced: 25. 5. 2021

Thesis defence

• Date of defence: 30. 6. 2021
• Supervisor: Ing. Lukáš Grolig
• Reader: Ing. Jakub Orság

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Applied Informatics / Applied Informatics