សំណុំទិន្នន័យអត្ថបទពុទ្ធសាសនាដែលមានប្រយោជន៍គួរឱ្យអ្នកអានអាចរកទំព័រដើមនៃសម្រង់បាន។ សម្រាប់ការសាកល្បង OCR ដំបូង យើងស្នើកំណត់ត្រាសម្រាប់មួយទំព័រ ជំនួសការប្រមូលឯកសារមិនស្គាល់ប្រភព។ វាលដំបូងប្រាំបីគឺ ស្នាដៃ បោះពុម្ពផ្សាយ លេខសម្គាល់ទំព័រ ប្រព័ន្ធអក្សរ តំណប្រភព ស្ថានភាពចូលមើល ការអនុញ្ញាតសម្រាប់ការប្រើប្រាស់ដែលបានស្នើ និងស្ថានភាពកែតម្រូវ។ នេះជាសំណើ មិនមែនជាស្តង់ដារកាតាឡុកសកលទេ។
រក្សារូបភាពដើម អត្ថបទដែលម៉ាស៊ីនស្គាល់ និងអត្ថបទកែតម្រូវឱ្យអាចបែងចែកបាន។ កត់ត្រាថាអ្នកណាបានកែការអាន និងនៅពេលណា ដោយមិនផ្សព្វផ្សាយព័ត៌មានទំនាក់ទំនងឯកជនរបស់អ្នកស្ម័គ្រចិត្ត។ បើមិនដឹងការអនុញ្ញាត ត្រូវទុកថាមិនដឹង។ ការមើលឃើញរូបស្កេនមិនបញ្ជាក់ថាការប្រើបន្តគ្រប់បែបត្រូវបានអនុញ្ញាតទេ។ BDRC រក្សាការរឹតត្បិតការចូលមើល និងមិនអាចលះបង់សិទ្ធិអ្នកនិពន្ធរបស់អ្នកដទៃបានទេ។ [1]
គំរូដែលអាចទាញយកមានតែលេខសម្គាល់ប្រឌិត និងគ្មានអត្ថបទសាត្រាឡើយ។ វាជាឧបករណ៍រៀបចំផែនការ មិនមែនជាសំណុំទិន្នន័យមានអាជ្ញាបណ្ណ ឬកិច្ចសហការបណ្ណាល័យដែលបានកើតឡើងរួចទេ។ មុនជ្រើសទំព័រពិតប្រាំទៅដប់ យើងនឹងបញ្ជាក់ប្រភព ការប្រើប្រាស់ដែលអនុញ្ញាត និងកម្រិតវប្បធម៌ រួចព្រមព្រៀងបញ្ជីត្រួតពិនិត្យគុណភាពខ្លីជាមួយអ្នកចូលរួម។ ការបណ្តុះម៉ូដែលត្រូវការការអនុញ្ញាតសមស្របដោយឡែក។ គោលដៅបច្ចុប្បន្នគឺការកែតម្រូវដែលអាចតាមដានប្រភព និងឱ្យអ្នកអានដទៃពិនិត្យបាន។